高能耗是云计算系统最为严重的问题之一
云计算系统中，除了处理任务时产生的必要能耗开销，其运行过程中还存在能耗浪费的现象
解决方案
用排队模型对云计算系统进行建模，分析云计算系统的平均响应时间和平均功率，建立云计算系统的能耗模型；
提出基于大服务强度和小执行能耗的任务调度策略，分别针对空闲能耗和“奢侈”能耗进行优化控制。基于该调度策略，设计满足性能约束的最小期望执行能耗调度算法ME3PC (minimum expectation execution energy with performance constraints)
结果
大量实验表明，本文提出的能耗优化管理方法在保证其性能的前提下，大幅度降低了云计算系统的能耗
下一步工作
将研究在给定和真实的云计算系统体系结构下，如何根据任务到达率的大小和分布规律，决策系统中应该处于运行状态的计算机个数，结合关闭/休眠技术和电压动态调整技术，进一步对云计算系统的能耗进行优化控制，并且将研究的理论成果在实际云平台上进行评测，以验证其正确性
能耗
能耗分类
空闲能耗：由于计算任务达到的随机性，使得单位时间内到达的任务量时而稀疏，时而密集，而现有的云计算系统通常是长时间处于开启状态，等待计算任务的到达。但是当计算机处于空闲状态时，其空闲功率会占峰值功率的50%~60%。因此，云计算系统会产生大量的空闲能耗。奢侈能耗：由于云计算系统中通常包含不同的计算机，实验结果表明，不同计算机对不同计算任务的执行功率和响应时间一般不同。例如，同一图像处理任务分别在CPU 和GPU 上的执行功率和响应时间不同，任务执行完成后，产生的总能耗也不同。因此，当未考虑能耗因素时，不匹配的调度方式会造成:本来用较低能耗就能解决问题，但却用了较高能耗。本文把由于任务的不合理调度而浪费的能耗称为“奢侈”能耗。执行能耗：执行能耗可定义为：任务在计算机上运行时，指令和数据驱动计算机硬件运转所产生的能耗
传统节能的方法
关闭/休眠技术：最大限度的降低空闲能耗，缺点是当使用计算机时需要较长的启动时间，导致系统性能一定程度的下降
电压动态调整技术：为了便于研究，本文假定执行功率为任务整个执行过程的平均耗电功率。根据CMOS 电路动态功率公式Pdynamic~αCV2f 可知，动态功率与电压的平方成正比。因此，降低处理器的电压可以降低处理器的动态功率。但该方法的缺点是，随着电压的下降，处理器的性能会随之下降
虚拟化技术：可实现多个任务在一个计算机的不同虚拟机上运行，通过提高计算机资源利用率，以减少所需计算机数量的方式降低能耗。虚拟化技术实现了计算机资源从物理实体向虚拟实体的迁移，提高了计算机资源的利用率。但虚拟化，特别是深层次的虚拟化本身也要付出高昂的效能代价，因为虚拟化技术通过对底层硬件部件到高层服务应用的层层虚拟，每一级的虚拟都造成了效能的损失。
任务和系统模型
随机任务模型
根据任务对计算机资源的需求特征，可分为计算密集型、通信密集型、数据密集型和I/O密集型等。
随机到达云计算系统的任务可以用三元组（T，Λ，W）表示，第i类任务可以表示为(ti，λi，wi)。ti表示第i类任务，λi表示ti任务单位时间平均到达数量，wi表示ti任务的计算量
云计算系统模型
现有云计算平台的硬件基础设施通常是架构在大规模廉价服务器集群之上，系统中的不同服务器或计算机通常是由不同公司生产，有不同的硬件配置。这些计算机不仅有不同的功能和性能，其耗电的功率也不同，具体可表现为：功能异构、性能异构、空闲功率和峰值功率异构、执行功率异构；
云计算系统可以定义为六元组：(C，Pbusym×n，Pidle，Ppeak，Um×n，S)
qqO6srvNrMDg0M3Izs7x0tSyu82stcTL2cLKy+a7+rW9tO/Ptc2zo6y197bIxvfU8rj5vt3Izs7xwODQzaGiyM7O8bW9tO/Ksbv6oaLPtc2z1tDL+dPQvMbL47v6tbHHsLXE1rTQ0Ne0zKy1yNDFz6K21MjOzvG9+NDQus/A7dOzyeSjrNfuuvO197bI1rTQ0Dxicj4KICAgICAgICAgxL+1xMrHvbW1zc+1zbPUy9DQuf2zzNbQsvrJ+rXEv9XP0MTcusS6zda00NDE3LrEPGJyPgogICAgICAgICCxvs7E1N2yu7+8wsfUxrzGy+PPtc2z1tDT682o0MXP4LnYtcTE3LrEus3Ksbzkv6rP+jwvcD4KPGNlbnRlcj4KPGltZyBzcmM9">针对问题：CPU利用率可以建模平均能耗，但是对于预测峰值粒度过粗。
提出模型：表征服务器利用率和电源行为之间的关系，对实际峰值功耗建模。引入新的 *** 作系统指标，捕获所需信息，以较低的开销设计峰值功率。
如今，数据中心运营商普遍以几十分钟到几小时的采样间隔收集实用跟踪信息。 由于存储和处理的开销，对成千上万的服务器禁止更细粒度的采样。 例如，对于1000个节点的群集，以OS调度程序的粒度（100Hz）采样将每周产生225 GB数据。
要确定服务器的峰值功率，就要了解服务器 开关模式电源单元（SMPSU插座式电源） 的行为。这些设备效率很高，但是依赖于开关和电荷存储机制，从而将 RC（电阻-电容）行为 引入了功耗。我们的贡献是将服务器的 *** 作系统视图与电源能耗峰值相连接。
介绍一个易于采集的 *** 作系统级别的度量（30ms），该度量可确定一段时间内的峰值功耗。通过模型合并SMPSU的RC行为，并以较低的开销跟踪峰值功率。这种机制可以记录随时间变化的峰值功率，并有助于大规模数据中心能耗供应研究。
贡献：
说明了以细粒度采集利用率所面临的挑战，以及峰值和平均度量之间的重要差异。
服务器开关电源单元的特性及其能耗与服务器利用率之间关系的解析信号处理模型。
一种新的 *** 作系统级度量标准，可捕获峰值功率信息以用于服务器检测。
通常PDU会被过度配置，预配置容量远高于平均负载。
功率上限power capping是一种数据中心级别的技术，可以对服务器的峰值功耗（例如，使用控制回路）进行硬限制。节流服务器电源DVFS（通过频率/电压缩放）用作安全机制，以确保不超过最大功率水平并且断路器不跳闸。使得PDU和其他电源供应基础架构就可以得到超额订购，从而降低了有效的资本成本。由于负载/功率峰值很少，因此节流性能几乎没有损失。通过使用电源路由可以进一步降低资本成本，这可以在负载不平衡时在PDU之间转移负载。
所有这些技术都需要软件机制来跟踪和预测峰值功率，以管理每个服务器，电路和PDU的功率预算，同时最大程度地降低性能节流。尽管可以通过显式计量和记录来跟踪峰值功率，但是直接从 *** 作系统级别的指标评估峰值功率可以大大降低成本。要从 *** 作系统级别的指标推断和记录峰值功率，我们必须了解服务器电源的 *** 作及其与利用率的关系。
服务器中SMPSU设备的行为以及其与OS观察到的利用率的关系。
研究对象： 两种不同的系统：具有便宜商品PSU（“商品”）的小型系统和具有企业级PSU（“服务器”）的大型系统。 由于SMPSU的设计不同，这些系统在行为上存在一些差异。 但是，与预测峰值能耗方面相似。
商品PSU的峰值传输电流比服务器更明显。 这种差异是由于在高端设备中常见的第一级额外开关调节，用于产生更连续的电流。
使用工作负载SQUARE观察 利用率 变化 频率 的影响。使内核在 矩阵乘法 与处理器 空闲模式 之间切换，使系统利用率产生方波。工作负载的 占空比（占空比是指在一个脉冲循环内，通电时间相对于总时间所占的比例） 固定为50％，平均利用率为50％。改变方波的频率，并观察PSU的响应。
使用工作负载STEP表征 利用率变化和PSU响应之间的延迟 。使系统处于空闲状态，等待直到PSU行为达到稳定状态。然后在所有内核上进行矩阵乘法。由于无法直接从外部观察CPU利用率，因此在过渡到在示波器上开始计时之前立即发送了一个信号（使用比预期的SMPSU响应快得多的通用I / O）。
图5表明：调制频率对观察到的功率波形有很大影响。 只要对CPU的利用率进行缓慢调制，功耗的包络就大致类似于方波，与CPU的行为相匹配。 然而，随着频率增加，功率消耗变得更加均匀。
对SMPSU峰值进行建模，以细粒度（在许多系统的内核调度间隔附近）监控利用率。
使用STEP工作负载研究SMPSU电源负载的相位延迟。 瞬时功率响应存在一个延迟，该延迟随着RC滤波的阶跃函数的期望而增加。 图示利用率转换的I / O信号（“trigger”）以及隐含的利用率波形（“ Utilization”）。 最后，我们显示了一个已过滤（“filter”）的阶跃函数，该函数适合观察到的上升波形。 该信号由具有界限频率30 Hz的一阶RC滤波器产生。
低于20HZ的更细微的变化会被电源的RC行为过滤掉，因此不考虑。 通过对SMPSU的运行及其与服务器利用率的关系的新了解，我们构建了一种开销低的方法，可以从 *** 作系统内核的利用率中推断出峰值功率。 然后，我们使用真实的机器验证我们的模型，并表明我们可以预测峰值功率曲线，且误差低于20％。
实验设置：两种服务器配置验证能耗模型。
在系统执行Linux内核的并行编译时收集能耗，该工作负载产生了混乱的突发使用模式。
瞬时能耗（“实测”）。预测能耗（“ Predicted”）很好地跟踪能耗峰值，但有时能耗仍然超出预测值。 幸运的是，该模型趋于保守，并且高估的能耗多于低估的能耗。 因此，它将在例如功率预算/封顶研究中提供保守估计。 商品计算机和服务器计算机的标准化均方根偏差（NRMSD）分别为14％和19％。
总结
1使用CPU利用率对服务器的峰值功耗建模。
2描述了OS级利用率与现代服务器中SMPSU行为之间以前被忽略的关系。
3通过测量真实的服务器PSU，证明必须以 33 ms或更低的粒度监视利用率以预测峰值功率 。 我们基于轻量级PSU的RC行为的信号处理启发模型，介绍了OS级解决方案，并演示了峰值功率可以近似在20％的NRMSD之内。可以看自己首先在哪里充值的会员，然后点击同样的地方去进行查看即可。
智慧能源管理云平台是合众致达自主研发全新发布的一套根据互联网技术使用的能源管控系统。它利用对能耗设备的运行情况监控、设备维护及常见故障检测、运行管理方法，能耗数据统计及剖析，完成总体目标能源高效率，实现节能降耗。该系统软件广泛运用于大型商场、科技园区、企业工厂、小区、置业物业、酒店、商铺、学校、公寓等各场景。
智慧能源管理云平台根该体系根据对用户的水、电、气、冷发热量等各种各样能耗开展远程监控和能耗等级分析，提升能源提供稳定性和高效率，协助客户完成节能降耗。与此同时根据Web网页访问作用，为使用者给予垂直化、数字化和智能化系统能源服务管理。
用户获益
1、实时监控系统能源设备，确保设备运行安全性。
2、全方位把握能耗数据信息，提升能耗管理能力。
3、降低运行管理方法阶段，提升能源应用高效率。
4、减少能源运行成本费，提升公司经济收益。
5、提升能源应用构造，节省能源改进自然环境。
6、垂直化办公室、网络化管理、智能化系统服务项目。
功能特点
互联网技术能源管理系统作用由能耗监测系统、智能化付费系统、水电管理系统三个分控制模块构成。
云服务器层
智慧能源管理云平台给予安全可靠平稳、完善稳定的云主机，完成客户能源数据信息网络备份和数据分析，协助客户完成垂直化、数字化、智能化系统。
通信层
通信层的首要目标是搜集当地的各种各样信息，并将信息根据以太网接口上发送给管理人员，完成当场设备的监控、精确测量和 *** 纵等作用。
设备层
设备层由智能电表、智能水表、气表、冷热计量表及其其他能耗监管设备构成。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）