数据中心的平均PUE值
根据一份最新的数字房地产信托业调查针对一系列的大企业(企业规模为年收入中超过10亿美元，员工数量超过5000人)的调查报告结果显示：在美国北部的数据中心平均能源使用效率(PUE值)是2.9。换句话说，平均而言，数据中心所消耗的功率大约只有三分之一是真正用于IT设备的。此外，该调查还发现，只有20%的受访者表示其所在数据中心的PUE值低于2.0。这些调查结果表明，之前估计的某些平均PUE值(有的值甚至低至约1.9)都是错的。
分析
粗略地看一下该调查报告的数据要点。首先，样本涉及到大公司的重要资源。因此，平均PUE值估计没有涵盖那些规模较小的可能无法通过技术以实现减少能源消耗的公司。此外，如果节能升级技术真的能够提供相当快的投资回报，即使是规模较小的企业也将会有动力来实现这些技术的部署。据数字房地产信托的研究报告显示，参与受访者所在数据中心的平均IT负载为2.6MW。
第二，调查表明，81%的受访者会在他们的数据中心测量设施的功率使用情况(多数选取三个或更多的位置进行测量)，而80%的受访者表示其数据中心实现了热通道/冷通道分离。此外，六分之五的受访者表示其所在的数据中心依赖于数据中心基础设施管理(DCIM)软件。虽然这些措施并不代表可能从总体上提高了能源效率，他们表现出共同的做法显示出了对于这些措施能够降低数据中心的能耗的严重依赖。然而，平均PUE值仍然是2.9。
或许《纽约时报》关于数据中心是能源消耗大户的报道是对的? PUE值是否是一个有效的比较手段? 即使在一个单一的数据中心使用一个单一的数值来评价数据中心的效率所存在的问题也是多方面的。而如果使用一个单一的数值来对多家数据中心的效率进行横向比较(特别是PUE值)就更成问题了。
即使PUE值不是一个绝对好的测量能源效率的指标，其也可以作为一种正确的方法，来衡量出随着时间的推移某家给定的数据中心的能源使用改善情况。是的，您需要小心以避免由于IT设备升级到更有效的模型所带来的PUE值增加的陷阱。但是，在企业内部的确是有一套公式化的方法来计算效率的，进而帮助我们了解在哪些领域需要改进或调整，而又有哪些投入被证明是值得的。
在使用PUE值方面所存在的问题很可能是发生在使用该数值进行某家数据中心与其他的数据中心进行比较时。大圣路易斯的加布安德鲁斯在DatacenterDynamics说，“能源效率指标应继续存档中数据中心内部被用来作为衡量能源消耗情况的基准，而不应该发表在任何一家杂志媒体或网上论坛。作为一家企业，它可能基于其冗余的设施，测量出一个3.3的PUE 值也是可以接受的，以确保该企业不会遭遇多层次的停机时间。而在当今市场上，用该数值来作为衡量标准是古怪和低效的。
在几家具备不同气候特征和可靠性的数据中心之间比较PUE值是相当困难的。例如，一个明显的问题便是：当某家数据中心的地理位置较之另一家是处在一个气候更凉爽的区域时。在这种情况下，前者在冷却方面耗能少，所以很自然的会联想到设施的内在效率边界。同样，某些数据中心实施更多的冗余基础设施，这可能也会影响效率。然而，这种冗余可能是最大化可用率的一种商业需要;其他的数据中心不需要相同的高可用性，所以它们的效率可以从一开始就更高。
不幸的是，一旦企业的数据中心因为气候、可用性、设施规模等等因素被综合起来进行衡量时，PUE值作为一个单一的数值来总结行业的价值就变淡了。采用加权平均的方法是一种可能，但这种做法存在一定的争论，每种特征的权重需要进行设定。而这种问题还不是PUE值所特有的，采用任何一种单一的数值来作为专门总结数据中心效率的一种手段时都会存在这样的问题。即使是在一家单一的数据中心，PUE值也会因为使用量等诸多其他事项的影响而有所不同。低于峰值利用率的闲置设备可能会使得总体PUE值下降。Ian Bitterlin指出：“任何这样的‘比较’系统无法适应偏载负荷。举例来说，Facebook在Prineville的数据中心在满载负荷时PUE值是1.07，但在偏载负荷的情况下肯定会超过10。
所以，数据中心高效与否，答案很难知道。一套给定的设备可以与其自己去年的性能表现相比，分别比较其峰值使用情况和空闲使用情况等数据;但将某一家数据中心与另一家进行比较时就会有麻烦。即使忽略计算方法的不同并报告PUE值，也很难公平的判断出两家数据中心能源消耗情况的相对优劣。
是的，数据中心越来越多的使用了大量的电力能源。但是，这些服务是用户所需要的。如果数据中心仅维持足够的设备进行满负载的工作，包括纽约时报也可能会遭遇定期中断或服务问题。但问题的关键是，有多少的电力资源是被浪费了。要回答这个问题是相当困难的，至少在任何数值方面都无法给人们精确感。如果底层的样本数据是令人怀疑的，无论实际平均PUE值是1.9或2.9，其实差别不大。
结论
数据中心运行效率是衡量数据中心运营操作的一个方面，总会有一些改进的余地。业内人士可以很容易地实现一系列的改进来一刀切的削减PUE值，但随之而来的是服务价格的上涨，而这可能会超出消费者(无论是企业内部或外部)所愿意承担的范畴。
一种广泛适用的度量数据中心的效率的单一数值指标仍然很难找到。一个单一的数值指标根本无法准确的传达出影响数据中心效率的变量，包括从气候变化等系列因素。但这并不是说，数据中心行业的能源使用效率是不可知的，所以我们应该忽略它，而是说一个单一的数值指标在任何时候都不能全面的衡量几家数据中心的能源使用对比情况，也无法衡量出某一家数据中心的能源使用情况。
