BLOG – Power usage effectiveness (PUE) is de bekendste efficiëntie-metric in de datacentersector. De eenvoud van de metric heeft ertoe geleid dat PUE breed wordt toegepast, geciteerd en zelfs ingezet als marketinginstrument. Tegelijkertijd is diezelfde eenvoud een valkuil. Wie PUE gebruikt zonder context of aanvullende metrics kan tot verkeerde conclusies komen. In het ergste geval ontstaan zelfs prikkels die haaks staan op daadwerkelijke energiebesparing.
Dit artikel schetst de ontstaansgeschiedenis van PUE, legt in eenvoudige bewoordingen uit wat PUE meet, waarom een dalende PUE niet automatisch betekent dat een datacenter efficiënter wordt, en waarom verschillen tussen hyperscalers en co-locatiedatacenters essentieel zijn. Daarnaast wordt de server idle coefficient (SIC) geïntroduceerd als noodzakelijke aanvulling en wordt duidelijk waarom het huidige PUE-denken soms een ongewenste economische prikkel creëert, met name in co-locatieomgevingen.
Wat is PUE?
PUE beantwoordt één kernvraag: hoeveel energie is nodig om 1 kWh bij de it-apparatuur te krijgen?
De formule luidt als volgt:
PUE = totale energie van het datacenter / energieverbruik van de it-apparatuur
De teller omvat het totale energieverbruik, inclusief koeling, ups-verliezen en verlichting. De noemer betreft alleen de it-apparatuur zoals servers en storage. Een PUE van 2,0 betekent dat er voor elke kWh it-verbruik nog 1 kWh extra nodig is. Bij een PUE van 1,1 is dat slechts 0,1 kWh.
Van PUE 3,0 naar 1,1
Toen PUE in 2007 werd geïntroduceerd door The Green Grid, was de gemiddelde efficiëntie van datacenters laag. Veel enterprise- en vroege co-locatiedatacenters draaiden met zware overdimensionering, inefficiënte ups-systemen en weinig aandacht voor airflow en thermisch ontwerp. PUE-waarden rond 2,5 tot 3,0 waren geen uitzondering.
In de vijftien jaar daarna heeft de sector grote stappen gezet. Warm- en koudgangscheiding, containment, vrije koeling, hogere aanvoertemperaturen en efficiëntere ups-topologieën hebben de facilitaire overhead sterk verlaagd. Vooral hyperscalers hebben deze optimalisaties op grote schaal doorgevoerd, met PUE-waarden rond 1,1 en soms zelfs lager.
Deze cijfers gelden echter vooral voor best-in-class-omgevingen. Wereldwijd ligt de gemiddelde PUE hoger, onder meer door oudere datacenters, multi-tenantomgevingen en variabele bezettingsgraden.
PUE is geen maat voor totale efficiëntie
Een misvatting is dat PUE gelijkstaat aan totale efficiëntie. De metric zegt niets over de hoeveelheid nuttig werk van it, de efficiëntie van servers, de CO₂-uitstoot, of de absolute energievraag.
Een dalende PUE betekent daarom niet automatisch energiebesparing. Omdat het een ratio is, kan PUE verbeteren doordat de overhead daalt, maar ook doordat het it-verbruik stijgt terwijl de overhead gelijk blijft. In dat laatste geval neemt het totale energieverbruik juist toe.
Hyperscalers versus co-locatie
Hyperscalers hebben duidelijke voordelen: volledige controle over it en faciliteiten, hoge bezettingsgraad en homogene omgevingen. Idle it is direct een kostenpost, waardoor efficiëntie op alle niveaus wordt nagestreefd.
Bij co-locatiedatacenters ligt dat anders. Daar is sprake van heterogene omgevingen, wisselende bezetting en beperkte invloed op klant-it. Extra capaciteit voor flexibiliteit en redundantie verhoogt de overhead. Een hogere PUE betekent hier dan ook niet automatisch een slechter ontwerp, maar vaak een andere context.
De ontbrekende schakel: SIC
Waar PUE stopt, begint de server idle coefficient SIC. Deze metric laat zien welk deel van het it-verbruik wordt veroorzaakt door servers die weinig werk doen. In veel gevallen blijft het energieverbruik van servers relatief constant, ook bij lage belasting. Daardoor bestaat een aanzienlijk deel van het it-verbruik uit idle-energie.
Hier ontstaat een spanningsveld. Wanneer it efficiënter wordt ingezet, bijvoorbeeld door virtualisatie of consolidatie, daalt het it-verbruik. De noemer van de PUE wordt kleiner, terwijl de facilitaire energie grotendeels gelijk blijft. Het gevolg is dat de PUE stijgt, ondanks daadwerkelijke energiebesparing. Dit leidt tot een paradox: efficiëntere it kan resulteren in een slechtere PUE-score.
Dit effect heeft ook economische implicaties. PUE beloont volume in plaats van efficiëntie: meer it-verbruik leidt tot een betere score, zelfs als dat verbruik weinig waarde toevoegt.
In co-locatiemodellen speelt bovendien dat elektriciteit vaak wordt doorbelast aan klanten. Minder verbruik betekent lagere inkomsten, terwijl de kosten grotendeels vast blijven. Hierdoor zijn kpi’s en verdienmodellen niet altijd in lijn met it-efficiëntie. Bij hyperscalers speelt dit minder, omdat zij zowel it als infrastructuur beheren.
Energiecijfers
Datacenters geven vaak geen absolute energiecijfers vrij vanwege concurrentieoverwegingen. Toch wordt dit argument minder houdbaar. Factoren zoals netcongestie en regelgeving vragen om meer transparantie. Die transparantie is te bieden zonder commerciële schade, bijvoorbeeld via geaggregeerde cijfers, bandbreedtes of normalisatie per rack.
Conclusie
PUE heeft een belangrijke rol gespeeld in het verbeteren van datacenter-efficiëntie. Maar in de huidige context is het onvoldoende als enige maatstaf. Zonder aanvullende metrics zoals de SIC ontstaat een situatie waarin it-efficiëntie niet zichtbaar wordt en zelfs negatief kan uitpakken in de score.
Een realistische beoordeling van datacenters vraagt daarom om een bredere blik, waarin zowel facilitaire efficiëntie als daadwerkelijk it-gebruik worden meegenomen. Alleen dan ontstaat inzicht in de volledige keten: van workload tot energieverbruik.
Marco Verzijl, medeoprichter Stichting Save Energy Foundation
Interessant perspectief, maar er bestaan al onafhankelijke benchmarks die dit probleem zichtbaar maken, zoals SPECpower.
Testen meten energie-efficiëntie over meerdere load levels en laten zien dat de huidig servers nog ver verwijderd zijn van energie-proportioneel gedrag met een optimale efficiëntie vaak rond ~70% belasting. Tegelijk blijven deze benchmarks CPU-gecentreerd en onderschatten ze de structurele baseline van netwerk en storage die ook bij een lage load energie blijven verbruiken.
Dat maakt de paradox interessanter: Jevons beschreef efficiëntie als aanjager van méér gebruik, maar in een energiesysteem met zon en wind verschuift het probleem naar beschikbaarheid in plaats van efficiëntie. En de rol van hyperscalers wordt daarmee relevanter dan PUE want niet hun efficiëntie per rack maar hun vraag naar continue leveringszekerheid wringt met een energieaanbod dat fluctueert.