面向绿色数据中心的能耗有效查询优化技术

降低能耗开销、建设绿色数据中心,已经成为目前大规模数据中心的重要需求.在绿色数据中心,如何使数据库系统在满足性能需求的前提下尽量地节约能耗,即如何提高数据库系统的能耗有效性,是目前研究的重点.数据库系统中的能耗有效性旨在使用更少的电能来提供相同的服务.能耗有效性越高,说明数据库系统可以用更少的能耗就能够响应同样数量的操作,换句话说,可以用更少的能耗达到同样的性能.据此提出了一种面向绿色数据中心的能耗有效查询优化方法.该方法首先利用回归分析建立操作符层的功耗预测模型,从而可以准确地预测给定查询在执行过程中的平均功耗.接着,在PostgreSQL查询优化器中扩充了结合预测能耗成本和时间成本的新的查询执行代价计算模型,并引入性能退化度因子调节性能和能耗的权重.最后构建了数据库系统能耗测试平台,在PostgreSQL上基于TPC-H和TPC-C基准测试进行了实验.结果表明：所提出的功耗预测模型比已有方法准确度更高.同时,提出的性能退化度因子为数据库系统提供了性能和能耗之间的灵活折中方案,并且通过设置适当的性能退化度因子,可以实现比原始PostgreSQL更高的能耗有效性.     

面向云计算数据中心的能耗建模方法

云计算对计算能力的需求,促进了大规模数据中心的飞速发展.与此同时,云计算数据中心产生了巨大的能耗.由于云计算的弹性服务和可扩展性等特性,云计算数据中心的硬件规模近年来极度膨胀,这使得过去分散的能耗问题变成了集中的能耗问题.因此,深入研究云计算数据中心的节能问题具有重要意义.为此,针对云计算数据中心的能耗问题,提出了一种精确度高的能耗模型来预测云计算数据中心单台服务器的能耗状况.精确的能量模型是很多能耗感知资源调度方法的研究基础,在大多数现有的云计算能耗研究中,多采用线性模型来描述能耗和资源利用率之间的关系.然而随着云计算数据中心服务器体系结构的变化,能耗和资源使用率的关系已经难以用简单的线性函数来描述.因此,从处理器性能计数器和系统使用情况入手,结合多元线性回归和非线性回归的数学方法,分析总结了不同参数和方法对服务器能耗建模的影响,提出了适合云计算数据中心基础架构的服务器能耗模型.实验结果表明,该能耗模型在只监控系统使用率的情况下,在系统稳定后,能耗预测精度可达到95%以上.     

数据中心虚拟化建设模式探讨

本文介绍了数据中心虚拟化方面的一些新技术,探讨了将这些新技术如何组织起来建设新的虚拟化数据中心的模式,之后介绍了在这种模式指导下的一个具体的实施案例。     

数据中心的虚拟化设计

教育资源快速增长,导致应用服务需求量陡增,如何减少投入,降低能耗,提升效率是设计数据中心时应首先考虑的问题。高校数据中心采用"云"技术,能为各种应用服务提供可扩展的计算资源,而资源的虚拟化则是"云"技术的核心支撑。     

基于鸟群算法的医院数据中心虚拟化资源分配方法

随着医疗数据的逐渐增加,医疗大数据中心虚拟化资源分配过程要求损耗更低、利用率更高,为此设计一种基于鸟群算法的医院数据中心虚拟化资源分配方法。通过一步式映射手法协调链路与节点间的分配,并通过链路干扰矩阵进一步提升网络通信可靠性,实现医院数据中心虚拟化资源分配。将MATLAB作为测试中的仿真平台,对设计方法进行仿真测试。测试结果表明,设计方法在海量医疗数据的情况下,拥有较高的链路平均利用率、节点平均利用率以及接收率,性能良好,可以投入实际应用。     

虚拟化云计算数据中心资源节能调度算法研究

针对当前云计算数据中心资源调度过程耗时长、能耗高、数据传输准确性较低的问题,提出基于VR沉浸式的虚拟化云计算数据中心资源节能调度算法。构建云计算数据中心资源采样模型,结合虚拟现实(virtual reality,VR)互动装置输出、转换、调度中心资源,提取中心资源的关联规则特征量,采用嵌入式模糊聚类融合分析方法三维重构中心资源,建立虚拟化云计算数据中心资源的信息融合中心,采用决策相关性分析方法,结合差异化融合特征量实现对数据中心资源调度,实现虚拟化云计算数据中心资源实时节能调度。仿真结果表明,采用该方法进行虚拟化云计算数据中心资源节能调度的数据传输准确性较高,时间开销较短,能耗较低,在中心资源调度中具有很好的应用价值。     

面向虚拟化云数据中心的工作流联合调度算法研究

虚拟化技术是云数据中心的核心技术之一,良好的资源管理及调度方法有利于云数据中心的虚拟资源管理从而提供快速、安全和可靠的服务.本文主要研究了工作流联合调度问题,以最小化费用开销为目的,在保证工作流完成的前提下,提出了一种二阶段的工作流联合调度算法,分别优化了工作流到虚拟机的映射和虚拟机到物理机的部署问题.该算法基于蚁群系...     

服务器虚拟化在企业数据中心的应用

欧美发达国家正在广泛应用虚拟化技术,本文简要介绍了当前主流的服务器虚拟化技术以及虚拟化技术企业数据中心的应用。     

单处理器多外设实时系统全局能耗优化算法研究

在电池供电的实时嵌入式系统中,能耗是系统设计的一个重要研究问题.动态电压调度和动态电源管理是两种重要的节能技术.前者是动态改变处理器电压/频率,降低处理器能耗;而后者是动态调整片外设备的工作模式,减少片外设备能耗.目前只有少量研究把这两种技术综合在一起.本文研究支持这两种技术的嵌入式全系统实时任务节能调度问题.针对连续和离散处理器频率模型,论文分别提出高效的算法,通过计算系统运行的能耗最小处理器最优频率和设备最优空闲时间,来实现全系统综合节能的目的.实验模拟表明本文算法大大优于其他算法.     

数据中心虚拟化灾备解决方案

数据中心是学校信息系统的核心枢纽,运行着各种重要的应用系统,存储着大量的关键数据,保证各应用系统的安全运行及关键数据的安全是非常重要的。利用VMware站点容灾技术,确保在各种灾难损害发生后,依然能够最大限度地保障提供正常应用服务。异地组建的容灾数据中心通过VMware Site Recovery Manager实现生产站点与恢复站点之间系统级自动切换,保障业务连续性。     

基于混合粒子群算法的虚拟数据中心能耗优化

针对当前数据中心节能整合研究中仅考虑服务器能耗的现状,提出一种同时考虑服务器和网络设备能耗的方法。该方法通过感知数据中心的网络拓扑,使运行的服务器和网络设备最少,以此最小化能耗。对问题进行新的形式化建模,并设计一种混合的粒子群优化算法HPSO-NA来实现虚拟机整合。实验结果表明,该方法能有效降低整体能耗。     

双层虚拟化云架构下任务调度能耗优化算法

虚拟机上部署容器的双层虚拟化云架构在云数据中心中的使用越来越广泛.为了解决该架构下云数据中心的能耗问题,提出了一种工作流任务调度算法TUMS-RTC.针对有截止时间约束的并行工作流,算法将调度过程划分为时间利用率最大化调度和运行时间压缩两个阶段.时间利用率最大化调度通过充分使用给定的时间范围减少完成工作流所需的虚拟机和...     

一种优化MapReduce系统能耗的数据布局算法

在云计算技术和大数据技术的推动下,IT资源的规模不断扩大,其能耗问题日益显著.研究表明:节点资源利用率不高、资源空闲导致的能源浪费,是目前大规模分布式系统的主要问题之一.研究了MapReduce系统的能耗优化.传统的基于软件技术的能耗优化方法多采用负载集中和节点开关算法,但由于MapReduce任务的特点,集群节点不仅要完成运算,还需要存储数据,因此,传统方法难以应用到MapReduce集群.提出了良好的数据布局可以优化集群能耗.基于此,首先定义了数据布局的能耗优化目标,并提出相应的数据布局算法;接着,从理论上证明该算法能够实现数据布局的能耗优化目标;最后,在异构集群中部署3种数据布局不同的MapReduce系统,通过对比三者在执行CPU密集型、I/O密集型和交互型这3种典型运算时的集群能耗,验证了所提出的数据布局算法的能耗优化效果.理论和实验结果均表明,所提出的布局算法能够有效地降低MapReduce集群的能耗.上述工作都将促进高能耗计算和大数据分析的应用.     

数据中心能耗模型及能效算法综述

近年来,云计算技术发展迅猛.作为云计算的物理平台和重要基础设施,数据中心的数量和规模都得到了前所未有的发展.与此同时,数据中心极低的资源利用率和巨大的能耗问题日益突出,数据中心能效的研究已经成为了近年来学术界与工业界关注的热点.针对数据中心能效的基本问题,研究了基于资源和任务调度的数据中心节能关键技术,从能效模型与能效算法的角度总结了数据中心服务器系统与网络系统的节能研究进展和最新成果,涵盖能效分析、能耗模型、分类标准和策略算法4个方面,并且展望了数据中心能效优化研究的发展趋势.     

能源互联网下基于储能调度及多源供能的数据中心能效优化

近年来,数据中心能效优化问题得到业界的普遍关注.同时,能源互联网的发展为数据中心能效优化问题提供了新的研究思路.能源互联网中的用户,尤其是大型的工业用户,通常具备一定的储能能力和一定的智能化能源管理能力.随着清洁能源的大规模部署以及售电公司的快速发展,数据中心等大型能耗用户也随之获得购电的选择权,可以根据电价、清洁程度等因素,从不同的能源供应商购买能源,从而降低能源成本,提高能效.研究表明在污染指数及实时电价的调节下,用户更趋向于在用电低谷期买入更多廉价且清洁的能源.因此,一方面综合考虑污染指数函数与实时电价,构建多源购电成本模型;另一方面综合考虑储能的操作成本及潜在收益成本,构建储能充放电成本模型,简称储能成本模型.以此为基础,建立了有储能系统下的数据中心多源能源选择模型,并与无储能时序调度策略时的系统性能做了对比.仿真结果表明:提出的模型可以通过对储能时序及多源能源选择的综合优化,一定程度上降低数据中心的日能源成本,同时提高清洁能源利用率.     

数据中心差异化时延满足率优化调度

光交换网络数据传输时根据数据性质不同,用户对时延要求也有所不同,如何在保证光交换调度效率的同时满足差异化时延需求,是决定网络性能的一个重要因素.目前针对光网络调度的研究主要基于逐个时隙或基于分组进行调度.前者没有考虑重配置开销的问题,无法处理大规模数据交换,后者忽略了不同延迟以及QoS保证的需要.为了解决数据中心光交换数据时延需求不同的问题,本文提出两种新的调度算法SDF (stringent delay first)和m-SDF (m-order stringent delay first),将不同数据包的差异化时延需求、配置顺序、重配置开销和加速比作为考虑因素,在流量调度时采用贪心策略,每次选择对时延最为敏感的数据包进行优先调度以满足时延需求.所提算法在保证投递率的前提下,能最大程度满足更多数据包的传输时延.仿真实验表明两个算法具有较高的时延满足率,证明了调度算法的有效性.     

面向数据中心的服务器能耗模型综述

伴随着云计算技术的快速发展,数据中心的服务器能耗日益激增,带来了严重的经济和环境问题,降低数据中心能耗,对缩减数据中心运营成本、实现全球“双碳”战略目标具有重要意义。因此,不同层面的服务器能耗模型构建和预估成为了近年来研究的热点。据此,从硬件、软件层面系统地总结了服务器能耗模型的相关工作。在硬件层面,对服务器的整体能耗按加法模型、基于系统利用率模型和其他模型分类；同时,还总结了服务器部件粒度的能耗模型,涵盖CPU、内存、磁盘和网络接口。在软件层面,按机器学习的类别将服务器能耗模型归纳为监督学习、非监督学习、强化学习。此外,还比较了不同能耗模型的优缺点、适用场景,展望了能耗模型的未来研究方向。     

MapReduce能耗建模及优化分析

云计算中心规模的不断扩大以及设计时对能耗因素的忽略,使其日益暴露出高能耗低效率的问题.为提高MapReduce框架能耗利用率,首先对MapReduce任务进行了能耗建模,提出基于CPU利用率估算、主要部件能耗累加及平均功耗估算的任务能耗模型,并在此基础上建立了MapReduce作业能耗模型.其次,基于能耗模型对能耗优化进行了分析,提出从优化MapReduce作业执行能耗、减少MapReduce任务等待能耗与提高MapReduce集群能源利用效率3个方向对MapReduce进行能耗优化.再次,提出异构环境下的数据放置策略减小MapReduce任务等待能耗,提出截止时间约束下的最小资源分配方法提高MapReduce作业能耗利用效率.通过大量的实验及能耗数据分析,验证了能耗模型及能耗优化方法的有效性.     

数据中心能耗有效性系统框架构建

为降低数据中心的能量消耗,提出一个具有2层能耗模块结构的数据中心能耗有效性系统框架EADC,其中,虚拟环境管理子系统通过节点状态的按需变化降低能耗,数据中心管理子系统通过控制节点在应用间的按需切换满足其所有的服务需求。测试结果表明,ECDA可在满足能耗与性能要求的前提下实现能耗最低。