Kurangi penggunaan energi dan emisi dengan efisiensi tinggi dari satu IBM z17 yang menggantikan hingga 2.944 inti x86¹
Dibangun untuk efisiensi dan penghematan jangka panjang
IBM Z menyediakan daya dan efisiensi energi untuk TI yang berkelanjutan. Dengan mengkonsolidasikan beban kerja Linux, organisasi dapat memangkas penggunaan energi hingga 65% dan mengurangi emisi CO₂e lebih dari 109 metrik ton setiap tahun—mendukung tujuan lingkungan.2
Didukung oleh IBM Telum II, IBM Z memungkinkan inferensi AI real-time sambil mengatasi masalah energi. Memangkas penggunaan daya hingga 83% dibandingkan dengan x86 saat menjalankan beban kerja OLTP yang disempurnakan dengan AI.3
Memindahkan beban kerja x86 ke IBM Z menghasilkan biaya dan dampak lingkungan yang lebih rendah. Kurangi penggunaan energi dan pusat data sambil mencapai TCO hingga 65% lebih rendah selama 5 tahun dengan beban kerja yang menanamkan AI.4
Dasbor Lingkungan IBM Z HMC dan API memantau daya, pendinginan, dan banyak lagi. Akses OS dan metrik partisi untuk memvalidasi upaya keberlanjutan dan memenuhi mandat pelaporan.
IBM Z systems dibangun menggunakan material yang ramah lingkungan. Layanan Pemulihan IBM Global Asset mendukung penggunaan kembali dan daur ulang untuk mengurangi limbah dan memperpanjang nilai perangkat keras.
Peralatan
Gunakan perangkat ini untuk merencanakan, menilai, dan meningkatkan strategi keberlanjutan Anda dengan IBM Z. Dari konsolidasi sistem hingga pelacakan energi, setiap perangkat membantu membangun lingkungan TI yang lebih efisien dan ramah lingkungan.
Gunakan IBM Systems Environment Estimator untuk membuat laporan jejak karbon yang disesuaikan, termasuk kebutuhan penggunaan energi dan pendinginan, untuk konfigurasi IBM Z spesifik Anda.
Perkirakan penggunaan energi, berat sistem, dan jejak karbon untuk konfigurasi IBM Z Anda guna merencanakan tujuan daya, pendinginan, dan keberlanjutan.
Manfaatkan dasbor Grafana untuk membandingkan data daya IBM Z dan x86 dan temukan keuntungan efisiensi dari konsolidasi beban kerja.
Akses alat bantu sumber terbuka untuk mengelola IBM Z dengan HMC, termasuk perpustakaan Python/Go, CLI, modul Ansible, dan alat pemantauan.
Sumber daya
Lihat bagaimana mengkonsolidasikan beban kerja x86 pada IBM z17 dapat mengurangi konsumsi energi, emisi karbon, dan total biaya kepemilikan.
Gunakan Dasbor Lingkungan IBM Z HMC untuk melacak konsumsi daya, kebutuhan pendinginan, dan metrik keberlanjutan lainnya.
Pulihkan nilai dan kurangi dampak lingkungan dengan mengembalikan atau mendaur ulang sistem IBM Z Anda melalui IBM Global Asset Recovery Services.
Lihat bagaimana SEAL Systems menggunakan IBM Z untuk mengurangi jejak energi mereka sekaligus meningkatkan efisiensi dan kinerja TI—mencapai pertumbuhan berkelanjutan dengan infrastruktur yang tangguh dan terkonsolidasi.
Catatan kaki
¹ Pengujian internal IBM yang mensimulasikan solusi TI lengkap yang menjalankan beban kerja WebSphere Liberty dan EDB Postgres dalam kontainer, menunjukkan bahwa satu IBM z17 dapat melakukan pekerjaan hingga 2.944 core dari solusi x86 yang dibandingkan.
PENAFIAN: Pengujian kinerja internal IBM untuk studi konsolidasi inti membandingkan berbagai server berikut. Sistem IBM Machine Type 9175 MAX 136 terdiri dari tiga laci CPC yang berisi 136 unit prosesor yang dapat dikonfigurasi, serta enam laci I/O untuk mendukung penyimpanan jaringan dan eksternal. Solusi x86 menggunakan server perusahaan komersial dengan dua prosesor Intel Xeon Platinum 8592+ generasi ke-5, masing-masing memiliki 64 core per CPU. Kedua solusi memiliki akses ke penyimpanan yang sama. Beban kerja meliputi aplikasi WebSphere Liberty v25 untuk pemrosesan transaksi online kontainer (OLTP) yang berjalan pada Red Hat OpenShift Container Platform (OCP) v4.17, serta EDB Postgres untuk Kubernetes v1.25 pada klaster OCP yang sama, yang mensimulasikan fungsi inti perbankan online. Kedua solusi menggunakan Red Hat Enterprise Linux v9.5 dan KVM. Hasil dapat bervariasi. Hasil pengujian diekstrapolasikan untuk mencerminkan solusi TI pelanggan yang khas dan lengkap, yang mencakup lingkungan TI produksi dan non-produksi yang terisolasi satu sama lain. Total biaya kepemilikan (TCO) meliputi biaya perangkat lunak, perangkat keras, energi, jaringan, ruang pusat data dan tenaga kerja. Untuk solusi IBM z17, diperlukan satu unit IBM z17 Type 9175 MAX 136, sedangkan untuk solusi x86, diperlukan 23 server yang dibandingkan.
2 Mengonsolidasikan solusi TI lengkap pada IBM z17, dibandingkan dengan menjalankannya pada solusi x86 yang dibandingkan di New York, dapat mengurangi konsumsi energi hingga 65% dan menurunkan jejak emisi CO2e lebih dari 109 metrik ton per tahun. Ini setara dengan penghematan penggunaan bensin sebanyak 12.284 galon.
PENAFIAN: Pengujian kinerja internal oleh IBM untuk studi konsolidasi inti membandingkan IBM Machine Type 9175 Max136 dengan 136 unit prosesor yang dapat dikonfigurasi dengan solusi x86 yang menggunakan server perusahaan yang tersedia secara komersial dengan dua prosesor Intel Xeon Platinum 8592+ generasi ke-5 dan 64 core per CPU. Beban kerja terdiri atas aplikasi OLTP WebSphere Liberty v25 kontainer yang berjalan pada Red Hat OCP v4.17 dan EDB Postgres untuk Kubernetes v1.25 pada klaster OCP yang sama. Kedua solusi menggunakan Red Hat Enterprise Linux v9.5 dan KVM. Hasil pengujian diekstrapolasi ke solusi TI pelanggan umum dan lengkap, yang termasuk lingkungan TI produksi dan non produksi yang terisolasi satu sama lain. Solusi IBM Machine Type 9175 membutuhkan satu Max136 dan solusi x86 membutuhkan 23 server yang dibandingkan. Berisi informasi dari Data Intensitas Karbon Peta Listrik, yang tersedia di sini di bawah Lisensi Basis Data Terbuka (ODbL). Kesetaraan didasarkan pada kalkulator GHG EPA. Hasil dapat bervariasi.
3 Hemat hingga 83% konsumsi daya dengan mengganti solusi x86 dibandingkan yang terdiri dari server berusia dua tahun yang menjalankan beban kerja OLTP yang ditanamkan AI dengan IBM z17.
PENAFIAN: Berdasarkan pengujian kinerja internal IBM yang berjalan pada Perangkat Keras Sistem IBM tipe 9175 dibandingkan dengan pengujian yang sama yang berjalan pada server perusahaan yang tersedia secara komersial dengan 2x 28 CPU Intel Xeon Gold 5420+ @ 2,20 GHz. Tolok ukur MegaCard adalah aplikasi pemrosesan transaksi online (OLTP) IBM WebSphere Liberty v24 yang diterapkan pada Red Hat OpenShift Container Platform (RHOCP) 4.17 di Red Hat Enterprise Linux (RHEL) 9.4 dengan KVM. EDB Postgres for Kubernetes v1.25 digunakan sebagai basis data. Model ini mengekstrapolasi hasil pengujian ke solusi TI pelanggan yang khas dan lengkap, yang mencakup lingkungan TI produksi dan non-produksi yang terisolasi satu sama lain. Untuk sisi IBM z17, solusi lengkap memerlukan satu IBM z17 Type 9175 MAX 136, dan pada sisi x86, solusi TI lengkap memerlukan 72 server yang dibandingkan. Hasil dapat bervariasi.
4 Selama 5 tahun, hemat hingga 65% dalam total biaya kepemilikan dan 93% dalam biaya perangkat lunak, 92% dari konsumsi daya pusat data, dan 75% ruang pusat data dengan menerapkan AI kontainer OLTP aplikasi yang menanamkan AI dan database di mesin virtual pada kerangka tunggal IBM z17 dan Red Hat OpenShift Virtualization alih-alih menerapkan beban kerja yang sama pada dibandingkan x86 server.
PENAFIAN: Tes kinerja internal IBM menargetkan pelanggan yang mempertimbangkan untuk memperoleh server berbasis x86 baru atau mesin IBM z17 baru untuk menerapkan beban kerja OLTP (pemrosesan transaksi online) yang ditanami AI. Pengujian membandingkan solusi yang diterapkan pada x86 Server yang tersedia secara komersial berdasarkan teknologi yang biasa digunakan pada akhir 2025 dengan penerapan alternatif yang setara dengan kinerja pada sistem IBM z17 single frame Machine Type 9176-ME2 Max 82 yang terdiri dari dua laci CPC berisi 82 unit prosesor yang dapat dikonfigurasi dan 16 Unit AI, dan dua laci I/O. Solusi x86 dan IBM z17 single frame memiliki akses ke penyimpanan yang sama. Beban kerja x86 terdiri dari aplikasi OLTP WebSphere Liberty v24 yang ditanamkan AI dalam kontainer (tolok ukur MegaCard (github.com/IBM/megacard-standalone) berjalan di Red Hat OpenShift Container Platform (OCP) v4.21, dan EDB Postgres Advanced Server 17.6.0 pada klaster hypervisor pihak ketiga yang sama, mensimulasikan transaksi kartu kredit dengan panggilan inferensi AI untuk deteksi penipuan. Eksekusi inferensi pada server x86 dibantu oleh akselerator AI prosesor x86 on-chip dan set instruksi. Solusi kerangka tunggal IBM z17 terdiri dari beban kerja yang sama yang digunakan pada klaster OCP Virtualization v4.21, dan database digunakan dalam VM yang dikelola oleh Virtualisasi OCP. Inferensi AI pada LinuxONE 5 dibantu oleh set instruksi khusus dan Unit AI pada prosesor Telum II. Hasil dapat bervariasi.