【摘要】：隨著數(shù)據(jù)中心數(shù)量和規(guī)模的擴大,它的能耗問題越來越突出。在大型互聯(lián)網(wǎng)公司(如Google,Facebook,Microsoft,阿里巴巴等),其服務(wù)器的PUE(Power Usage Effectiveness)已達到1.1左右。然而,大量的中小型數(shù)據(jù)中心的服務(wù)器并不是一直處于高負(fù)載運行狀態(tài),其整體利用率較低,服務(wù)器在空閑時仍消耗大量能量。因此,能量等比性計算(Energy Proportional Computing)逐漸成為工業(yè)界和學(xué)術(shù)界關(guān)注的焦點,并提出了能耗同比性(Energy Proportionality,EP)指標(biāo),用以衡量服務(wù)器能耗與其完成負(fù)載的比例關(guān)系。理想情況下,能耗同比性為1.0的服務(wù)器的功耗應(yīng)跟其上運行的負(fù)載成正比例關(guān)系,即服務(wù)器利用率10%時的功耗應(yīng)該是其利用率100%時的十分之一。但是,由于受生產(chǎn)工藝、硬件設(shè)計、硬件配置的影響,不同服務(wù)器的能耗同比性存在較大差別。當(dāng)前的數(shù)據(jù)中心已經(jīng)普遍采用了虛擬化技術(shù),用以實現(xiàn)服務(wù)器聚合、應(yīng)用隔離和靈活管理,在節(jié)約能耗的同時方便數(shù)據(jù)中心資源的分配和管理。虛擬化環(huán)境下,虛擬機監(jiān)控器(Virtual Machine Monitor,或Hypervisor)充當(dāng)?shù)刃У牟僮飨到y(tǒng),并且負(fù)責(zé)資源調(diào)度和用戶操作系統(tǒng)托管。雖然服務(wù)器聚合可以一定程度上降低數(shù)據(jù)中心能耗,但在多租戶云計算環(huán)境下,為了保證不同客戶虛擬機的服務(wù)質(zhì)量,云服務(wù)提供商往往采取過量供給(over provisioning)方式,以應(yīng)對尖峰負(fù)載。因此,如何根據(jù)不同客戶虛擬機的負(fù)載特征,和數(shù)據(jù)中心不同服務(wù)器及集群的能耗同比性,進行虛擬機調(diào)度,不僅可以實現(xiàn)進一步的服務(wù)器聚合,而且可以在保證客戶虛擬機服務(wù)質(zhì)量的同時,進一步降低數(shù)據(jù)中心能耗�；谏鲜鰟訖C,本文首先深入分析了2007-2016年十年間所有的SPECpower基準(zhǔn)測試結(jié)果,對真實商業(yè)服務(wù)器能耗同比性及其能效進行了深入研究,揭示了能效、能耗同比性與處理器體系結(jié)構(gòu)、硬件配置和服務(wù)器性能之間的相關(guān)關(guān)系。隨著高能耗同比性(EP0.8)的服務(wù)器的逐漸普遍,本文的分析發(fā)現(xiàn)其能耗同比性的非線性越來越明顯;同時,服務(wù)器能效曲線也呈現(xiàn)非線性。最重要的是,目前逐漸出現(xiàn)了峰值能效點并不在峰值利用率處的服務(wù)器。因此,通過虛擬機調(diào)度和遷移,將集群服務(wù)器運行在各節(jié)點的峰值效率點處,將可以提高集群的整體能效。接著,本文對當(dāng)前主流云服務(wù)提供商的虛擬化平臺,即微軟Hyper-V,VMware ESXi,Xen,KVM,和容器虛擬化引擎Docker,對比了其上運行計算密集型、混合型負(fù)載時的能效特性。根據(jù)服務(wù)器能耗同比性特征和虛擬化平臺下的能效特征,本文提出了一種能效可感知的虛擬機調(diào)度策略,來提高服務(wù)器集群的整體能效,降低功耗。實驗結(jié)果表明,通過利用本文提出的調(diào)度算法,在同構(gòu)節(jié)點集群內(nèi),可以節(jié)省37.07%~49.98%的功耗,計算型負(fù)載的平均完成時間僅增加了0.31%~8.49%;在異構(gòu)節(jié)點集群上,計算型負(fù)載的功耗可節(jié)省44.22%,任務(wù)完成時間可節(jié)省53.80%。本文的研究結(jié)果可適用于包含異構(gòu)節(jié)點服務(wù)器集群的虛擬化數(shù)據(jù)中心的能效管理;同時,本文提出的基于服務(wù)器能效和能耗同比性、負(fù)載特征的能效可感知的虛擬機調(diào)度策略,對于構(gòu)建綠色數(shù)據(jù)中心,具有實際參考意義和應(yīng)用價值。
[Abstract]:......
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP302

【參考文獻】

相關(guān)期刊論文 前3條

1 孫大為;常桂然;陳東;王興偉;;云計算環(huán)境中綠色服務(wù)級目標(biāo)的分析、量化、建模及評價[J];計算機學(xué)報;2013年07期

2 鄧維;劉方明;金海;李丹;;云計算數(shù)據(jù)中心的新能源應(yīng)用:研究現(xiàn)狀與趨勢[J];計算機學(xué)報;2013年03期

3 鄧維;廖小飛;金海;;基于虛擬機的數(shù)據(jù)中心能耗管理機制[J];中興通訊技術(shù);2012年04期

相關(guān)博士學(xué)位論文 前1條

1 李冰;云計算環(huán)境下動態(tài)資源管理關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

相關(guān)碩士學(xué)位論文 前3條

1 鄒瀟;基于臟頁率預(yù)測的虛擬機動態(tài)遷移研究[D];上海交通大學(xué);2013年

2 馮偉;多目標(biāo)優(yōu)化的虛擬機調(diào)度模型與關(guān)鍵算法研究[D];復(fù)旦大學(xué);2012年

3 王佳雋;基于云計算環(huán)境的虛擬化資源管理研究[D];復(fù)旦大學(xué);2011年

，

本文編號：2316603