论文部分内容阅读
云计算由于其先进的理念、方便的使用方式，越来越受到各大厂商和用户的青睐。随着云计算的广泛使用，数据中心和集群的能耗问题越来越受到关注。服务器目前消耗的能源已经达到惊人的程度。大部分服务器在大部分时间内都处于空闲状态，这是对能源极大的浪费。但是如果降低能耗，服务器性能也会降低，这是用户所不愿意看到的。通常来说，云服务提供商和客户之间会签订服务等级协议定义SLA（Service Level Agreement），规定了服务提供商提供服务的最低条件。为了降低数据中心的能源消耗和满足服务等级协定（SLA）的要求，通常会在空闲时间关闭无用服务器。但是，服务器从关闭状态回到工作状态需要一定的时间。而在这一段时间内，服务器的响应时间可能会违反SLA的要求。在这篇文章中，我们首先总结前人的能耗模型并进行相应的实验，提出了单机上的与CPU频率和CPU利用率都相关的能耗模型。随后我们利用排队模型研究了集群上的服务器频率、负载到达率和能耗之间的关系。发现服务器集群上也存在某一个负载下的最优频率，使得整个集群的能耗最少，同时SLA得到满足。随着负载的变化，动态的开关机或调整服务器的频率，都是降低整个集群能耗的手段。如何在认识到存在最优频率的基础上有效结合这两种手段，达到能耗最优和满足SLA的要求，是前人没有的工作，本文继续围绕这一问题展开研究。在文献[1]的基础上，我们提出了Enhanced AutoScale （EAS）技术，该技术将最优频率作为一个重要参数加入到策略AutoScale中，也就是将开关机和CPU调频调压（DVFS）结合在一起。在EAS中，调节频率被用来弥补AutoScale中关机造成的性能损失。该论文提出了两种EAS的实现方式，集中化的EAS（CEAS）和分布式的EAS （DEAS）。并给出了相应的算法和具体实现。实验结果表明这种方法能够有效的降低响应时间，同时只增加很少的能源消耗。我们的方法每瓦特性能（P P W）值在某些负载下甚至比AutoScale高了50%。