Менеджмент електроживлення обладнання серверних кластерів

Д О Зуєв, Є В Дос, А В Кропачов, О В Бабкін, О О Варламов

Анотація


Проаналізовано управління електроживленням фізичних ресурсів серверних кластерів. Було показано, що низька продуктивність роботи інфраструктури центру обробки даних пов'язана з диспропорцією використання серверів. Проблема надмірного споживання може бути вирішена шляхом мінімізації числа активних серверів в рамках процедури консолідації сервера. При забезпеченні консолідації серверів, необхідно підтримувати прийнятний рівень продуктивності роботи інфраструктури серверів. Консолідація серверів може привести до погіршення продуктивності центру обробки даних через конфлікт використання загальних ресурсів віртуальними машинами. Було продемонстровано, що пороговий рівень режиму використання мережевих ресурсів повинен грунтуватися на тому, щоб досягти компромісу між стабільною роботою центру обробки даних і можливістю економії електроенергії, що пов'язано з виключенням з аналізу нехарактерних випадків пікового навантаження серверів. Базова схема віртуалізації з підтримкою зіставлення на основі кластерів включає в себе рівень відстеження використання фізичних ресурсів серверів центрів обробки даних, перетворення отриманої залежності в двійкову послідовність, кластеризацию віртуальних машин і розподіл віртуальних машин на фізичних серверах, щоб звести до мінімуму можливість зниження продуктивності служби в піковий період. При цьому важливо оцінити коефіцієнт кореляції між використанням фізичного ресурсу серверів віртуальними машинами. Було показано, що коефіцієнт кореляції Пірсона є оптимальним інструментом оцінки кореляції використання фізичних ресурсів віртуальними машинами серверів центру обробки даних. Розроблена на його основі модель дозволяє зберігати всі вибірки і рівномірно розподіляти обчислювальні ресурси, а також показує кореляційну залежність в межах певного періоду часу.


Ключові слова


центр обробки даних; енергоспоживання; віртуальна машина; кластеризція; коефіцієнт кореляції Пірсона; погіршення продуктивності; пікове навантаження

Повний текст:

PDF (English)

Посилання


Harris, M., & Geng, H. (2015). Data center infrastructure management. Data center handbook, 1st edn. Wiley, Hoboken, NJ, 601-618.

Barroso, L. A., Clidaras, J., & Hölzle, U. (2013). The datacenter as a computer: An introduction to the design of warehouse-scale machines. Synthesis lectures on computer architecture, 8(3), 1-154.

Ferdman, M., Adileh, A., Kocberber, O., Volos, S., Alisafaee, M., Jevdjic, D., ... & Falsafi, B. (2012, March). Clearing the clouds: a study of emerging scale-out workloads on modern hardware. In ACM SIGPLAN Notices (Vol. 47, No. 4, pp. 37-48). ACM.

Harris, M. (2014). Data Center Infrastructure Management. Data Center Handbook, 601-618. doi:10.1002/9781118937563.ch33.

Meisner, D., Sadler, C. M., Barroso, L. A., Weber, W. D., & Wenisch, T. F. (2011, June). Power management of online data-intensive services. In ACM SIGARCH Computer Architecture News(Vol. 39, No. 3, pp. 319-330). ACM.

Bobroff, N., Kochut, A., & Beaty, K. (2007, May). Dynamic placement of virtual machines for managing sla violations. In Integrated Network Management, 2007. IM'07. 10th IFIP/IEEE International Symposium on (pp. 119-128). IEEE.

Jaramillo, D., Furht, B., & Agarwal, A. (2014). Mobile virtualization technologies. In Virtualization Techniques for Mobile Systems (pp. 5-20). Springer, Cham. doi:10.1007/978-3-319-05741-5_2.

Tickoo, O., Iyer, R., Illikkal, R., & Newell, D. (2010). Modeling virtual machine performance: challenges and approaches. ACM SIGMETRICS Performance Evaluation Review, 37(3), 55-60.

Govindan, S., Liu, J., Kansal, A., & Sivasubramaniam, A. (2011, October). Cuanta: quantifying effects of shared on-chip resource interference for consolidated virtual machines. In Proceedings of the 2nd ACM Symposium on Cloud Computing (p. 22). ACM.

Wang, L., & Lu, Y. (2010, December). Power-efficient workload distribution for virtualized server clusters. In High Performance Computing (HiPC), 2010 International Conference on (pp. 1-10). IEEE. doi: 10.1109/hipc.2010.5713178.

Meng, X., Isci, C., Kephart, J., Zhang, L., Bouillet, E., & Pendarakis, D. (2010, June). Efficient resource provisioning in compute clouds via vm multiplexing. In Proceedings of the 7th international conference on Autonomic computing (pp. 11-20). ACM.

Chen, M., Zhang, H., Su, Y. Y., Wang, X., Jiang, G., & Yoshihira, K. (2011, May). Effective VM sizing in virtualized data centers. In Integrated Network Management (IM), 2011 IFIP/IEEE International Symposium on (pp. 594-601). IEEE.

Halder, K., Bellur, U., & Kulkarni, P. (2012, June). Risk aware provisioning and resource aggregation based consolidation of virtual machines. In Cloud Computing (CLOUD), 2012 IEEE 5th International Conference on (pp. 598-605). IEEE.

Santos, J. R., Turner, Y. (2011). Virtual Machine Management. Mastering, 255-326. doi:10.1002/9781118257432.ch7.

Kim, J., Ruggiero, M., Atienza, D., & Lederberger, M. (2013, March). Correlation-aware virtual machine allocation for energy-efficient datacenters. In Proceedings of the Conference on Design, Automation and Test in Europe (pp. 1345-1350). EDA Consortium.

Khan, S. U. (2015). Handbook on data centers. Place of publication not identified: Springer.




DOI: https://doi.org/10.35546/піт.v0i23.213

Посилання

  • Поки немає зовнішніх посилань.