能源感知型云计算的快速摘要

Table of Contents

能源感知型云计算的快速摘要

能源消耗成本

功耗模型

总体状况

云整合

数据中心设计

其他软件技术

参考文献

能源感知型云计算的快速摘要

这里是当前节能的云计算技术的快速摘要。

能源消耗成本

[5]概述了数据中心的能源成本。数据来自Amazon.com的估计[9]。服务器成本为53％。与电源相关的成本占总成本的42％，其中19％用于直接服务器电源，23％用于基础设施散热和电源。

因此，对于云计算和数据中心运营，您可以节省功率，节省资金。此外，它保护地球。

功耗模型

[7]显示，平均而言，空闲服务器消耗的功率约为以全CPU速度运行的服务器所消耗的功率的70％。与其他系统资源相比，CPU消耗大量能源。[2]表明，CPU是总体能耗中动态部分的主要功耗者，而CPU通常被视为动态功耗的一阶代理。

但是，每笔交易的能耗不是线性的。[6]表明，在他们的实验中，当（CPU，磁盘）利用率约为（70％，50％）时，它达到了最低点。见下图

总体状况

[5]给出了完美的总结。

节能硬件已进行了长时间的研究。处理器可以关闭电源。节约能源的计划在很大程度上发挥了作用。关于无线 络，研究了节能路由协议。

云部分主要涉及服务器整合。挑战在于实现“性能，QoS和能耗之间的最佳平衡，并包括自我意识的运行时自适应”。

此外，[1]还揭示了一些应用，例如，根据当前能耗动态控制风扇，预测数据中心中的热图，并允许冷却系统在不同地点进行或多或少的冷却，计算可用于以下目的的功率预算。日程安排或计划等

云整合

与云相关的能源意识几乎全部与整合有关，即AFAIK。由于空闲服务器最多需要消耗其最大功耗的70％，因此服务器整合很重要。但是，合并通常需要很好地应对SLA。

绿云[7] [8]是一个高度引用的体系结构（800多个引用），它同时考虑了能耗和应用程序SLA。基本思想是为主机设置CPU使用率的上限和下限，并将CPU的总利用率（由分配给主机的所有VM）保持在这些阈值之间。

• 如果CPU利用率过低，则会从主机迁移VM。这可以合并空闲主机。
• 如果CPU使用率过高，则会从主机迁移VM。这是为了避免违反SLA。

当CPU利用率超过上限时，有三种不同的策略来选择要迁移的VM。

• 最小化迁移政策。它尝试确保选择的虚拟机数量最少，并且维持较高的CPU使用率阈值。
• 最高的潜在增长政策。它尝试首先选择CPU使用率最低的VM，因为它们具有更大的增长潜力。
• 随机选择策略。它随机选择虚拟机。

此外，[6]在他们的实验中，当（CPU，磁盘）利用率约为（70％，50％）时，每个事务的能耗达到最低。他们提出了一种框架，用于调度虚拟机并使服务器接近其最佳利用率，在这种情况下，每笔事务的能耗最低。

数据中心设计

数据中心的主要运营支出是电力。能源效率在数据中心设计中非常重要。下面是公式[10]（第67页）

PUE =（设备电源）/（IT设备电源）。它反映了数据中心设施将外部能量传输到IT设备的效率。SPUE =服务器PUE。它是服务器内部的PUE，即服务器将总输入功率传输到其有用的电子计算组件的效率。

改善PUE的一般步骤可总结如下[10]（第71页）。

• 小心的气流处理：将服务器排出的热空气与冷空气隔离开，并保持冷却盘管的路径较短，从而使长距离移动冷或热空气所需的能量很少。
• 升高的温度：将冷通道保持在25-30°C而不是18-20°C。
• 自由冷却：使用来自外部环境的冷空气或水使冷却系统经济化。
• 更好的电源系统架构：通过选择更高效率的设备并重新设计路径，通常可以大大减少UPS和配电损耗。

请参见下面的图片[10]（第52页）。供电架构可能会极大地影响PUE。

PUE * SPUE = TPUE（真PUE）。根据2013年的最新水平，年度TPUE值1.25可能代表了在现实环境中经济可行的上限[10]（第73页）。

关于计算的能效，一个关键特征是：在利用率较低的情况下，计算系统往往比以最大利用率运行时效率低得多[10]（第73页）。这通常就是为什么我们需要云整合。

能量比例计算是另一种方法[10]（第76页），其中计算机硬件的能耗应与其利用率成正比。尽管取得了一些进展，但目前仍在研究中。但是，如果实现了，则不再需要真正的云整合，因为利用率低会降低能耗。

其他软件技术

[3]提出了一种节能的 络数据传输方法，该方法通过将TCP参数的管道传输，并行性，并发性调整到最佳状态来实现。文献[4]给出了节省缓存管理能量的算法。基本上，在软件路径的每个组件中，您都可以找到一些节能的实施例。在Google学术搜索中搜索更多内容。

参考文献

• [1]服务器环境的全系统功耗分析和建模[287参考，2006年]
• [2]高级全系统电源模型的比较[209参考，2008年]
• [3]能源感知数据传输算法[尚无参考，2015年]
• [4]使用Power-Aware缓存管理降低磁盘存储的能耗[246参考，2004年]
• [5]节能型云计算[504参考，2010年]
• [6]用于云计算的能源意识整合[551参考，2008年]
• [7]面向云计算的数据中心资源的节能管理：愿景，架构元素和开放挑战[333参考，2010年]
• [8]用于云计算的数据中心的高效管理的能源感知资源分配试探法[838参考，2012]
• [9]协作式消耗性微片服务器（CEMS）：用于Internet规模服务的低成本，低功耗服务器[195参考，2009年]
• [10]作为计算机的数据中心：仓库规模机器设计简介，第二版[1184参考，2013年]