云計算數據中心可擴展服務器的能耗管理與優化

王超

摘 要： 通過對云計算數據中心可擴展服務器功耗管理相關研究的分析，設計了云計算能耗優化管理的架構，并提出數據中心服務器節能優化機制流程圖，在廣泛支持的DVFS技術能耗特性基礎上，提出效能優化策略，通過轉移高負載，經轉化高負載的主機成為低負載的主機，實現云計算數據中心可擴展服務器能耗管理的優化。采用內存為12 GB的12臺主機和1臺處理能力為3 200 MIPS的處理器組成數據中心進行仿真實驗，結果表明，提出的效能優化策略比無遷移策略節省能耗約24.33%，比DVFS策略節省能耗約15.23%，且綜合性能要優于其他兩個策略，采用提出的策略可進行云計算數據中心擴展服務器能耗使用的優化。

關鍵詞： 能耗管理； 數據中心； 云計算； 遷移策略

中圖分類號： TN911?34； TP316 文獻標識碼： A 文章編號： 1004?373X（2017）13?0041?03

Abstract： The related research on extendable server energy?consumption management of cloud computing data center is analyzed to design the architecture of the energy?consumption optimal management of cloud computing， and give an energy?saving optimization mechanism flow chart of data center server. On the basis of energy?consumption characteristics of wide?support DVFS technology， the efficiency optimization strategy is proposed. With the transfer of high load， the host computer with high load is turned into the one with low load to realize the energy?consumption management optimization of extendable server of the cloud computing data center. The data center composed of twelve host computers with 12 GB memory and one processor with 3 200 MIPS processing capacity is used to perform a simulation experiment. The simulation results show that the energy consumption of the efficiency optimization scheme is decreased by 24.33% in comparison with the strategy without migration， and decreased by 15.23% in comparison with DVFS strategy. The comprehensive performance of efficiency optimization strategy is better than that of other two strategies， and the strategy proposed in this paper can optimize the energy consumption of extendable server of the cloud computing data center.

Keywords： energy?consumption management； data center； cloud computing； migration strategy

0 引 言

云計算數據中心將物理資源通過虛擬化技術聚集成共享虛擬資源池，實現設備到應用端的遠程統一管理，可動態提供先進計算服務[1]。云計算對大規模數據中心飛速發展起到了很大的促進作用，但同時云計算數據中心也有巨大的能耗產生[2?4]。

云計算的特性是可擴展性、彈性服務，云計算數據中心日益極度膨脹的硬件規模使得能耗問題由過去的分散性變為現在的集中性，在云端集中有大量的存儲資源、計算資源，因此對于高效管理能耗來說壓力巨大[5]。高能耗在一定程度上制約著云數據中心的發展，目前將能耗降低，節約云成本是云數據中心急需解決的問題[6]，因此，對云計算數據中心節能問題進行深入研究意義重大[7]。本文針對云計算數據中心高能耗問題，對其可擴展服務器的能耗管理優化進行了研究。

1 功耗管理相關研究

針對現代數據中心管理，在管理服務器功耗方面提出的方案或架構一般可分成硬件級方案部署和關閉不用服務器方案兩類。硬件級解決方案受低水平系統限制，這種類型典型的解決方案是動態電壓/頻率擴展DVFS，它通過工作負載對主機CPU功率/頻率進行調整。關閉不用服務器可節省的電力更多，關閉服務器后，能量消耗接近零。目前已有一種神經網絡綠色調度算法，通過對未用到的服務器進行管理，達到云計算環境下服務器功耗的優化。該算法根據工作量，通過對服務器動態需求進行估計，將不需要的服務器關閉，減少運行服務器，達到減少功耗的目的。還出現了一種功耗感知云架構，該架構通過RAM磁盤存儲、無盤設計等提供能量感知節能能力，關閉服務器、對服務器運行速度進行調整的功率管理技術。

2 云計算能耗管理系統架構

云計算平臺的關鍵技術是能耗管理技術，根據云計算系統用戶對資源的請求狀況，結合實際使用的數據中心資源，云數據中心能耗管理系統進行任務調度、資源部署、資源分配，達到系統能耗、用戶性能間的相對平衡。根據能耗優化方法，提出云計算能耗管理架構，如圖1所示。

從圖1可以看出，云計算系統能耗管理架構由6個實體和3個過程組成，6個實體分別為能耗優化管理器、服務器節點、虛擬機節點、虛擬機調度器、元調度器、任務；3個過程分別為任務調度過程、資源部署過程、資源分配過程。在6個實體中，一級調度由元調度器負責，將虛擬機資源、用戶任務進行目標優化和映射，在合適虛擬機的節點上執行用戶任務；二級調度負責虛擬機調度器，將物理服務器節點、虛擬機節點進行映射，在合適服務器節點上遷移或創建虛擬機節點；系統能耗優化管理由能耗優化管理器負責，包括節點層、硬件組件層、系統層的能耗優化管理。

在負載高峰期，資源分配動態管理中心服務器設置絕大部分服務器節點為活躍狀態，從而滿足云用戶需求；在負載低峰期，切換部分服務器節點為關閉狀態或休眠狀態，從而將云數據中心能耗降低。在資源部署過程中，云計算的虛擬機被部署到服務器節點上，虛擬節點通過映射到達物理節點，這樣資源部署就轉化成裝箱問題，資源部署由動態部署、靜態部署組成，利用啟發式算法，靜態部署解決了裝箱問題，使得虛擬節點到物理節點的映射得到實現，遷移在整個部署過程中不實施，動態部署對負載變化進行響應，可實施部署過程中的虛擬機遷移。任務調度過程將云計算系統任務進行映射，到達服務器或虛擬機上，滿足云用戶需求。在任務硬實時的時限達到要求下，將系統總能耗降低；在軟實時任務滿足用戶期限下，將系統能耗降低。

3 節能優化的流程

將兩個放置的模塊、虛擬機分配進行低耦合化是本研究設計節能優化的基本原則，使其依賴盡量少。在分配一個任務虛擬資源量時，對數據中心內的物理機、虛擬機分布無需知道，在物理環境中，放置虛擬機時，資源對性能的影響無需考慮。在節能機制里，通過減少或增加一個虛擬機實現分配資源量的變化，圖2為節能優化機制流程圖。

4 遷移策略

基于DVFS技術能耗特性，提出一種效能優化的策略，DVFS通過改變處理器的電壓和頻率實現功耗的改變，本文提出的效能優化策略CMOS電路功耗的特征如下：

式中：平均動態功耗用表示；負載電容用表示；電路電壓用表示；時鐘頻率用表示。

數據中心總功率為：

通過式（3）計算總效率的能耗比：

為確保云計算中心服務器服務質量的穩定性，在數據中心保持處理器總頻率恒定，在=保持穩定不變的條件下，最小實質就是最小效率的能耗比。

在保持總頻率穩定不變的條件下，當數據中心的主機處理器頻率分布更均勻時，具有非常低的功耗。給定總負載，在數據中心可計算出最節能的資源分配方法，通過轉移高負載，那么經轉化高負載的主機就成為低負載的主機，這樣高頻率主機的工作量降低，低頻率主機的工作量升高，轉化的實質就是對高負載主機的虛擬機進行工作量的遷移，轉換成低負載主機，進而達到對負載的轉移，實現云計算數據中心可擴展服務器能耗管理的優化。

5 仿真實驗及評估

5.1 仿真實驗

在仿真工具CloudSim中，分配處理資源和處理任務由DatacenterBroker模塊進行提交。在實現過程中，實時請求任務CloudSim不易進行模擬，若Web有類似負載請求，則可通過對批處理任務的模擬來實施。通過對多個任務的添加、刪除，批處理任務時長的處理，從而達到對負載水平的調整。調整后的短時間內，虛擬機負載保證平穩，劇烈波動不會產生。在模擬云計算服務負載時，必須要修改DatacenterBroker模塊，修改后，一個周期為6 s，并且每隔一個周期生成的組為2～4，任務為1～8個，然后將每組任務在隨機虛擬機中進行添加。在一段時間內，要保持負載的穩定，就必須在下一步多個周期里重復添加任務，這樣就能維持虛擬機的負載狀況。因加入隨機因素，負載是波動的，同一時刻，主機和虛擬機不同，負載也存在差異。通過修改PowerDatacenter模塊，獲得優化的虛擬機遷移算法。

5.2 實驗效果

在實現仿真實驗的過程中，數據中心配置有12臺主機，每臺主機有12 GB的內存，同時還包括1臺處理能力為3 200 MIPS的處理器，該處理器最大功率為270 W。主機功耗根據使用率平方遞增計算，其中主機帶寬為1 100 Mb/s，在每臺主機上裝有虛擬機監視器。整個數據中心共有48個虛擬機，系統內存為156 MB，每個虛擬機帶寬為24 100 Kb/s。數據中心運行的主機，設定其不關閉時，使用率為零，具有最低功耗。

圖3為無遷移策略、DVFS策略、效能優化策略的各自能耗對比圖。

圖3中遷移周期為85 s，也就是說每隔85 s需要檢查虛擬機的遷移是否合適，虛擬機的閾值。圖3中，無遷移策略和DVFS策略均來自CloudSim仿真工具，其中無遷移策略采用的模塊為PowerDatacenter，該模塊調節電壓時，允許單個主機使用動態調頻技術，但虛擬機遷移是不允許使用的；分配策略采用PowerVmAllocationPolicy?SingleThreshold模塊，并且允許遷移。從圖3可以看出，本研究提出的效能優化策略均比無遷移策略、DVFS策略耗能要低。

圖4為三種策略性能對比，包括能耗、SLA、遷移數、平均SLA的對比圖。

從圖4可以看出，與無遷移策略相比，本文提出的效能優化策略可節約能耗24.33%；與DVFS策略相比，可節約能耗15.23%。效能優化策略在遷移次數上比DVFS策略少2 425次，這是因為DVFS策略遷移時，虛擬機尋找遷移路徑每次都要重新分配，造成每個虛擬機都被遷移，這說明DVFS策略在實際使用中不現實，在這三種策略中，各自的SLA比較接近，總體來說，本文提出的效能優化策略的綜合性能要優于其他兩種策略，采用本文提出的策略可進行云計算數據中心可擴展服務器能耗使用的優化。

6 結 論

本文通過云計算數據中心可擴展服務器功耗管理相關研究的分析，設計了云計算能耗優化管理的架構，并提出了數據中心服務器節能優化機制流程圖，在廣泛支持的DVFS技術能耗特性基礎上，提出效能優化策略。仿真實驗結果表明，本文提出的效能優化策略比無遷移策略節省能耗約24.33%，比DVFS策略節省能耗約15.23%，本研究提出的效能優化策略的綜合性能要優于其他兩種策略，采用本文提出的策略可進行云計算數據中心可擴展服務器能耗使用的優化。

參考文獻

[1] 周航，朱欣穎.云數據中心的能耗管理研究[J].智能計算機與應用，2013，3（4）：21?24.

[2] 衛星，張建軍，石雷，等.云計算數據中心服務器數量動態配置策略[J].電子與信息學報，2015，37（8）：2007?2014.

[3] 郝亮，崔剛，曲明成，等.云計算能耗資源調度優化關鍵技術研究[J].智能計算機與應用，2014，4（5）：90?94.

[4] 羅亮，吳文峻，張飛.面向云計算數據中心的能耗建模方法[J].軟件學報，2014，25（7）：1371?1387.

[5] 林偉偉，吳文泰.面向云計算環境的能耗測量和管理方法[J].軟件學報，2016，27（4）：1026?1041.

[6] 熊永華，張因升，陳鑫，等.云視頻監控系統的能耗優化研究[J].軟件學報，2015，26（3）：680?698.

[7] 譚一鳴，曾國蓀，王偉.隨機任務在云計算平臺中能耗的優化管理方法[J].軟件學報，2012，23（2）：266?278.