3.4DVFS
DVFS的全称是DynamicVoltageandFrequencyScaling,即动态电压频率调整技术。不同于上述三种宏观策略下的节能技术,DVFS技术是从每台服务器自身的角度来降低能耗。对于CMOS电路而言,能耗和电压、频率的关系为:(1)
对于同一服务器芯片,频率越高,需要的电压也越高。降低频率可以降低功率,但是降低频率往往伴随着增加任务的运行时间t,因此单纯地降低频率并不能有效地减少能耗。通常情况下,DVFS策略需要在降低能耗和缩短任务运行时间之间做出合理的取舍。目前在DVFS技术方面,有三种基本的节能算法:第一种是Lowest-DVFS,每个虚拟机以请求的MIPS来执行任务,调整CPU速率至最低。该算法在任务到达率较低的情况下能耗最少。第二种是-Adanced-DVFS,为当前的虚拟机所请求的MIPS提高,每台处理器具备一定的伸缩性。此算法可以克服Lowest-DVFS策略较低的服务器接受率问题。第三种是Adaptive-DVFS,通过预先判断请求到达率以及服务时间,从而得到最优的伸缩模型。
4结束语
云数据中心的能耗不仅增加了云服务提供商的运营成本,而且已经逐渐演变成全球环境问题。研究云计算的能耗问题,打造高能效、低能耗的绿色云,已经成为亟待解决的任务。本文分析了云数据中心能量消耗的分布情况,总结了目前国内外有关服务器集群的能耗模型。最后从虚拟化、任务调度、负载均衡以及DVFS四个方面探析了云数据中心的节能策略和算法。其中,异构以及多核环境下的动态节能算法将是今后云计算节能技术走向成熟的关键。
参考文献
[1]BROWNETALR.Reporttocongressonserveranddatacenterenergyefficiencepubliclaw109-431,LBNL-363E[R].Berkeley:ErnestOrlandoLawrenceBerkeleyNationalLaboratory,2011.
[2]HAMILTONJ.Cooperativeexpendablemicro-sliceservers(CEMS):lowcost,lowpowerserversforinternet-scaleservices[J].IBMJournalofResearchandDevelopment,2012(7):23-29.
[3]Google.Efficiencymeasurements[EB/OL].Http://www.google.com/corporate/datacenter/efficiency-measurements.html.
[4]WACHSTOR.绝不浪费:Goggle数据中心自然冷却方案剖析[EB/OL].http://datacenter.watchstor.com/green-136489_1.htm.
[5]BELLOSAF.Thebenefitsofevent-driveenergyaccountinginpower-sensitivesystem[J].ACMSIGOPSEuropeanWorkshop,ACM,2000(5):37-42.
[6]SINGHK,BHADAURIAM,MCKEESA.Realtimepowerestimationandthreadschedulingviaperformancecounters[J].ACMSpecialInterestGrouponComputerArchitecture,ACM,2009(7):46-55.
[7]CONTRERASG,MARTONOSIM.PowerpredictionforInterXScaleprocessorsusingperformancemonitoringunitevents[J].ISLEPD,IEEE,2005(7):221-226.
[8]KIMY,GURUMURTHIS,SIVASUBRAMANIAMA.UnderstandingthePerformanceTemperatureInteractionsinDiskIOofServer[J].High-PerformanceComputerArchitecture,2006(5):136-142.
[9]FANX,HEATHT.Powerprovisioningforawarehouse-sizedcomputer[C]//ISCA,ACM,2007:13-23.
[10]ECONOMOUD,RIVOIRES,KOZYRAKISC.Full-systempoweranalysisandmodelingforserverenvironments.MoBS[C]//StanfordUniversityandHPLabs,2006:22-27.
[11]GREENBERGA,HAMILTONJ,MALTZD,etal.Thecostofacloud:researchproblemsindatacenternetworks[C]//ACMSIGCOMMCCR,January2009:286-293.
[12]MoreonVirtualizingPower[EB/OL].http://www.powerassure.com/about-power-assure/blogs/virtualizing-power.
[13]CARDOSAM,SINGHA.Exploitingspatio-temporaltradeoffsforenergy-awareMapReduceinthecloud[J].IEEETRANSACTIONSONCOMPUTERS,2012,61(12):1737-1751.
[14]熊聪聪,冯龙,陈丽仙.云计算中基于遗传算法的任务调度算法研究[J].华中科技大学学报(自然科学版),2012(1):15-19.
[15]王登科,李忠.基于粒子群优化与蚁群优化的云计算任务调度算法[J].计算机应用与软件,2013(1):53-56.
[16]WBITET.Hadoop:TheDefinitiveGuide[M].Sebastopol:O’ReillyMedia,2011:5-6.
[17]ABDELSALAMHS,MALYK,MUKKAMALAR.Analysisofenergyefficiencyinclouds[J].ComputationWorld,2009,63(5):416-421.
[18]GRAUBNERP,SCHMIDTM,FREISLEBENB.DigitalObjectIndentifier[J].2012,48(10):597-611.
[19]RANDLESM,LAMBD.ComparativeStudyintoDistributedLoadBalancingAlgorithmsforCloudComputing[C]//AdvancedInformationNetworkingandApplicationsWorkshops(WAINA),20-23April2010,Perth,Washington,US:IEEEPress,551-556.
[20]FANGYiqiu,WANGFei,GEJunwei.ATaskSchedulingAlgorithmBasedonLoadBalancinginCloudComputing[C]//InternationalConference,WISM,23-24,Sanya,China:SpringerBerlinHeidelbergPress,2010:271-277.
|