谈到在这一方面的进展，2007年美国环境保护局（Environmental Protection Agency）公布了一份关于数据中心效率的报告，其中指出希望发布名为“能源之星”（ENERGY STAR）的服务器评级标准，尽管后来实现比预期的要晚，他们还是完成了这一标准。Green Grid早在2010年公布了水的使用效率和碳使用效率指标，但是并没有引起太多的关注。2016年6月，Green Grid宣布的性能指标（Performance Indicator，PI），一个着眼于将冷却标准与能源效率结合起来进行评价的指标。
我们已经习惯于以性能和效率的指标来评价数据中心，然而对于多数IT团队来说，甚至是一些日常跟踪能源使用效率（power usage effectiveness，PUE）的团队来说，启用新的评价指标无疑需要更高端的数据收集以及分析技巧。对于那些已经准备好使用更加复杂优化工具的团队来说，有一些关键内容需要事前考虑。
拓展数据中心评价指标的意义
拓展数据中心评价指标的意义关闭休眠服务器、整合和虚拟化应用程序或购买符合能源之星评级的硬件等方式来节约能源是常见措施。然而，除非能源和冷却的基础设施同样完成优化，这对现存系统较为困难，否则降低的消耗将无法显着提高能源效率。这时PUE数据将变得更糟。通过以PUE为基准，而不作为跟踪度量，指标数据很可能看起来没救了，这样投资和付出是不值得的。管理层只希望他们的投资能催生较低的PUE数值，而没有理解数字本身所代表的意义。
这就是其他数据中心所采用的评价指标，如Green Grid的数据中心能源效率（data center energy productivity，DCeP）都是有价值的原因。DCeP将完成有效工作时，数据中心实际产生每瓦的能量消费的数据进行了量化。DCeP允许用户建立自己对有效工作指标的定义。例如，在线搜索公司可能会以其网站完成的搜索数量作为定义内容。而对于零售商来说，定义内容很可能是销售数量。PUE还是必要的，然而DCeP指标能更容易被一些经验较少的人们所理解。
尽管DCeP不是一个科学准确的度量角度，它提供了一种方法来量化你真正完成工作时所使用的能源。如果一家银行的服务器在大部分时间里都处于空闲状态，它描述出最小能量，所需的最少的冷却量，并不会显著地影响PUE.但它仍然消耗了能力却没几乎没完成任何工作。DCeP则正相反，它的目标是减少能源消耗，最大限度地提高有用的工作。对于行业中的领先企业，要将每一盎司的生产性计算从他们使用的每瓦功率中挤压出来，复杂的服务器可以提供远远超出了处理器利用率的操作数据，而更为复杂的数据中心度量可以跟踪结果。
然而PUE和DCeP还都只是有关能源效率和降低能源。使用它们衡量效率，可能造成部分无法识别的结果，因为这些指标无法显现出在节省能源、影响冷却性能和可靠性方面所作出的牺牲和让步。新的PI度量指标则可以做到，对于那些拥有更高水准数据收集技能的、有能力去优化运营过程中每个环节的管理员很有帮助。
PI度量的四个层级
PI度量的四个层级PI度量有四个层级。
Level 1是基本层级，不需要复杂的设备就可以应用。
Level 2需要更彻底、更准确的测量。
Level 3和Level 4添加计算流体动力学（computational fluid dynamics，CFD）的空气流建模来提供性能监控的图形可视化，还提供假设情景分析，预测使用当前能源效率时，未来的能力和故障模式是如何的。Level 3是普通建模。Level 4使用实际和详细的测量方法，校准计算流体动力学模型作为其他标准可信赖的准确度量基线。
要使用PI和DCeP这样的标准拓展数据中心度量有三个前提；
采用PUE方法；
在计算操作中定义哪些工作是有效工作并且获取每个机架工作时产生的能源、温度等详细测量数据
PI将PUE、热合规性和弹性结合起来补充现有的度量方法。后两者分别基于ASHRAE推荐标准和允许的热度范围。热合规性和弹性研究如何在正常和异常条件下保证冷却工作的冗余。如果机房空调空气温度必须降低到满足热合规目标，PUE可能增加。PI度量的侧重点是要了解硬件是如何可靠地被冷却，以及能源设施的效率如何，以及一个因素如何影响其他因素。决定你距离想达到的极限距离有多少，以及你想要的目标能源效率或PUE值。然后，测量实际情况并绘制一张三角形的图，也称为蜘蛛图，看看他们是如何接近你的目标。
▲蜘蛛图是从几个维度衡量以确定大致的目标一种方法
现在有几种衡量数据中心的指标，依据能源效率，计算每单位能源消耗和可靠性相对能源效率的工作输出，以最大限度地提高整体数据中心的性能。对于大多数运营工作来说，坚持基本设施和跟踪电源使用的有效性应处于最优先。可以选择其他标准，但PUE仍然是基础。即使你还没有准备好采取进一步的措施，了解行业中成形的建议还是有帮助的，只要你有了目标就能知道应该如何去做。
