隨著大數(shù)據(jù)、人工智能及云計(jì)算技術(shù)的飛速發(fā)展,云數(shù)據(jù)中心的業(yè)務(wù)呈現(xiàn)爆發(fā)式增長,其規(guī)模也在迅速擴(kuò)大,而建造、維護(hù)和升級數(shù)據(jù)中心的成本是巨大的,其中電力設(shè)施建設(shè)和日常能耗就占據(jù)了數(shù)據(jù)中心整體擁有成本的近三分之一。當(dāng)前基于電網(wǎng)供電的云數(shù)據(jù)中心高能耗不僅帶來了巨額電費(fèi)的直接開銷,也會(huì)間接地產(chǎn)生大量溫室氣體,給自然環(huán)境造成影響。因此,學(xué)術(shù)界和工業(yè)界開始在數(shù)據(jù)中心里引入如風(fēng)能、太陽能等可再生清潔能源進(jìn)行供電,通過建設(shè)新型綠色數(shù)據(jù)中心降低運(yùn)營成本,并減少環(huán)境破壞。然而,在綠色數(shù)據(jù)中心中,新能源電能的供給和負(fù)載的行為隨著時(shí)間的變化各自呈現(xiàn)出顯著且毫無關(guān)聯(lián)的波動(dòng)特性。因此,數(shù)據(jù)中心迫切地需要高效的調(diào)度方法,以此實(shí)現(xiàn)負(fù)載電力需求和新能源電能供給之間的匹配。為了解決綠色數(shù)據(jù)中心里電能供給和負(fù)載電能需求動(dòng)態(tài)匹配的目標(biāo),已有的研究工作分別從底層的服務(wù)器系統(tǒng)能耗控制和上層的新能源供給角度出發(fā),提出了若干種解決方案,如SolarCore和HEB等電能管理策略。但是,這些工作并沒有充分挖掘現(xiàn)有數(shù)據(jù)中心廣泛存在的硬件異構(gòu)特性以及處理器可動(dòng)態(tài)調(diào)度的潛力,無法同時(shí)實(shí)現(xiàn)負(fù)載、服務(wù)器硬件和新能源電能更高效的協(xié)同管理,從而深度優(yōu)化綠色數(shù)據(jù)中心整體能耗效率和性能。以下從三個(gè)具體的方面進(jìn)行深入研究。為了實(shí)現(xiàn)異構(gòu)服務(wù)器系統(tǒng)和運(yùn)行時(shí)任務(wù)的協(xié)同管理,降低綠色數(shù)據(jù)中心整體能耗,提出了一種基于性能感知的動(dòng)態(tài)反饋調(diào)度策略Montgolfier。異構(gòu)服務(wù)器的設(shè)計(jì)能夠顯著增加數(shù)據(jù)中心整體的能耗效率,但是在異構(gòu)服務(wù)器系統(tǒng)中運(yùn)行延遲敏感型任務(wù)時(shí),服務(wù)器之間的切換開銷可能會(huì)降低負(fù)載的服務(wù)質(zhì)量(Quality of Service,QoS)。Montgolfier策略將強(qiáng)服務(wù)器和弱服務(wù)器組合成異構(gòu)計(jì)算節(jié)點(diǎn),并且能夠嚴(yán)格保證延遲敏感型任務(wù)運(yùn)行時(shí)的性能。為了消除由任務(wù)遷移所帶來的額外開銷,Montgolfier采用了動(dòng)態(tài)負(fù)載預(yù)測方法對數(shù)據(jù)中心負(fù)載強(qiáng)度進(jìn)行短期的預(yù)測,從而確定負(fù)載在服務(wù)器之間切換的最佳時(shí)機(jī)。該預(yù)測方法是由指數(shù)加權(quán)移動(dòng)平均方法優(yōu)化而來,它在原有的單一權(quán)重系數(shù)基礎(chǔ)上又增加一個(gè)負(fù)數(shù)權(quán)重系統(tǒng)數(shù),從而提升了預(yù)測負(fù)載峰值時(shí)的準(zhǔn)確性;同時(shí),設(shè)計(jì)了處理器功耗配置(如調(diào)頻技術(shù))的優(yōu)化選擇方法以應(yīng)對波動(dòng)的負(fù)載請求。該方法采用雙閾值調(diào)控機(jī)制,細(xì)粒度地將實(shí)時(shí)的響應(yīng)延遲控制在安全范圍內(nèi)。最后,從提升服務(wù)器資源利用率角度出發(fā),設(shè)計(jì)了Montgolfier-Mix策略。該策略開啟異構(gòu)計(jì)算節(jié)點(diǎn)的兩臺(tái)異構(gòu)服務(wù)器,實(shí)現(xiàn)了同時(shí)運(yùn)行批處理和延遲敏感型任務(wù)的目標(biāo)。實(shí)驗(yàn)結(jié)果表明,相比同構(gòu)服務(wù)器設(shè)計(jì),Montgolfier能夠在保證延遲敏感型任務(wù)的QoS目標(biāo)的情況下,降低最多34.9%的能耗。相比靜態(tài)混合負(fù)載調(diào)度策略,Montgolfier-Mix可以使批處理任務(wù)性能提升多達(dá)53%。為了實(shí)現(xiàn)新能源電能供給和異構(gòu)服務(wù)器系統(tǒng)的協(xié)同管理,合理分配綠色數(shù)據(jù)中心電能資源,提出了一種基于異構(gòu)數(shù)據(jù)中心的自適應(yīng)電能分配策略GreenHetero。數(shù)據(jù)中心的系統(tǒng)和硬件的常規(guī)升級,如服務(wù)器的遷移、更換失效的服務(wù)器部件、擴(kuò)充服務(wù)器的計(jì)算和存儲(chǔ)容量等操作,會(huì)導(dǎo)致現(xiàn)有的數(shù)據(jù)中心內(nèi)部呈現(xiàn)出更多的異構(gòu)特性。但是,在以新能源為主要電源的綠色數(shù)據(jù)中心里,仍沒有部署感知底層異構(gòu)的有效電能分配方案能在有限且波動(dòng)的新能源供給下,實(shí)現(xiàn)數(shù)據(jù)中心整體性能最大化。GreenHetero是一個(gè)動(dòng)態(tài)的電能分配策略,它采用了霍爾特指數(shù)平滑電能預(yù)測算法,幫助電源選擇器從新能源、電池和電網(wǎng)中選擇合適的電源。該預(yù)測算法能夠抓取當(dāng)前監(jiān)測數(shù)據(jù)的趨勢信息,更準(zhǔn)確地預(yù)測新能源電能和服務(wù)器能耗。為了匹配負(fù)載和計(jì)算平臺(tái)的多樣性特征,GreenHetero采用輕量級的運(yùn)行時(shí)采樣方法,為所有的服務(wù)器配置和負(fù)載建立了對應(yīng)的性能-電能供給關(guān)系的數(shù)據(jù)庫,并且進(jìn)行實(shí)時(shí)維護(hù)和更新。基于該數(shù)據(jù)庫信息和電能預(yù)測機(jī)制,GreenHetero使用解算器來確定所有異構(gòu)服務(wù)器的電能分配比例,并且通過電能執(zhí)行器模塊實(shí)施電源選擇和電能分配的決策。實(shí)驗(yàn)結(jié)果表明,在相同的電能供給條件下,相比于無異構(gòu)感知策略,GreenHetero最多可以獲得2.2倍的性能提升。為了實(shí)現(xiàn)新能源電能供給和處理器計(jì)算能力動(dòng)態(tài)調(diào)度的協(xié)同管理,優(yōu)化綠色數(shù)據(jù)中心的計(jì)算性能,提出了一種基于新能源電能供給的高效數(shù)據(jù)中心計(jì)算沖刺策略GreenSprint。計(jì)算沖刺技術(shù)(Computational Sprinting)能夠短期加速負(fù)載的處理能力,但在數(shù)據(jù)中心層部署計(jì)算沖刺技術(shù)會(huì)面臨兩個(gè)挑戰(zhàn):第一,處理器級別的散熱能力有限,導(dǎo)致處理器無法持續(xù)以最大頻率和最多核心數(shù)處理計(jì)算任務(wù)。第二,數(shù)據(jù)中心電網(wǎng)設(shè)施電力容量有限,而計(jì)算沖刺提升了數(shù)據(jù)中心當(dāng)前的能耗需求,會(huì)造成數(shù)據(jù)中心電力供給不足。GreenSprint策略使用分布式的新能源和電池供給來滿足計(jì)算沖刺的短期高能耗需求。首先提出了三種基本控制策略,這些策略能夠根據(jù)當(dāng)前的電能供給來確定計(jì)算沖刺強(qiáng)度(如核心數(shù)量和頻率)。不同于以上策略,提出了一種新的基于強(qiáng)化學(xué)習(xí)算法的Hybrid策略,該策略動(dòng)態(tài)地決定最優(yōu)計(jì)算沖刺配置,能夠同時(shí)保證電能供應(yīng)的安全和應(yīng)用的服務(wù)質(zhì)量。具體而言,Hybrid策略將以上優(yōu)化問題的解決方法視為馬爾科夫決策過程,它根據(jù)當(dāng)前的響應(yīng)延遲和能耗狀態(tài)計(jì)算系統(tǒng)的獎(jiǎng)勵(lì)值,然后在有限的動(dòng)作集合(調(diào)頻和調(diào)核)中選擇能獲得最大總獎(jiǎng)勵(lì)值的最佳動(dòng)作。在考慮到實(shí)際的服務(wù)器散熱條件時(shí),進(jìn)一步提出了溫度感知的計(jì)算沖刺策略Hybrid-T。該策略拓展了Hybrid,將處理器溫度限制加入決策過程當(dāng)中,并選擇最優(yōu)的計(jì)算沖刺強(qiáng)度以防止處理器出現(xiàn)過熱情況。最后,在搭建好的一個(gè)由10臺(tái)服務(wù)器組成的實(shí)驗(yàn)平臺(tái)上對GreenSprint進(jìn)行整體評估。實(shí)驗(yàn)結(jié)果表明,對比無計(jì)算沖刺策略的情形,GreenSprint能夠提升典型交互式應(yīng)用SPECjbb性能4.8倍。上述三個(gè)方面的研究實(shí)現(xiàn)了綠色數(shù)據(jù)中心的計(jì)算資源以及電能資源的高效協(xié)同調(diào)度管理,為未來建設(shè)高效的綠色數(shù)據(jù)中心提供了必要的理論和關(guān)鍵技術(shù)的支撐。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2019
【中圖分類】：TP308
【文章目錄】：摘要
Abstract
1 緒論
1.1 綠色數(shù)據(jù)中心背景介紹
1.2 綠色數(shù)據(jù)中心研究現(xiàn)狀
1.3 主要研究內(nèi)容和組織結(jié)構(gòu)
2 基于異構(gòu)服務(wù)器的能耗優(yōu)化方法
2.1 背景介紹和特點(diǎn)分析
2.2 Montgolfier設(shè)計(jì)
2.3 實(shí)驗(yàn)評估
2.4 本章小結(jié)
3 基于異構(gòu)數(shù)據(jù)中心的電能分配方法
3.1 異構(gòu)新能源數(shù)據(jù)中心背景介紹
3.2 新能源數(shù)據(jù)中心異構(gòu)性分析
3.3 GreenHetero設(shè)計(jì)
3.4 實(shí)驗(yàn)評估
3.5 本章小結(jié)
4 基于新能源的高效計(jì)算沖刺方法
4.1 數(shù)據(jù)中心層計(jì)算沖刺背景
4.2 分布式電力設(shè)施供給架構(gòu)設(shè)計(jì)及分析
4.3 GreenSprint架構(gòu)
4.4 感知溫度的GreenSprint設(shè)計(jì)
4.5 實(shí)驗(yàn)評估
4.6 本章小結(jié)
5 總結(jié)與展望
5.1 全文總結(jié)
5.2 研究展望
致謝
參考文獻(xiàn)
附錄1 攻讀學(xué)位期間發(fā)表論文目錄
附錄2 攻讀博士學(xué)位期間申請的發(fā)明專利和其他成果
附錄3 攻讀博士學(xué)位期間參與的科研項(xiàng)目
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 ;綠色數(shù)據(jù)中心先進(jìn)適用技術(shù)產(chǎn)品目錄（2019年版）公告[J];再生資源與循環(huán)經(jīng)濟(jì);2019年11期
2 ;三部門聯(lián)合印發(fā)《關(guān)于加強(qiáng)綠色數(shù)據(jù)中心建設(shè)的指導(dǎo)意見》[J];智能建筑與智慧城市;2019年02期
3 孫勉;王娟;劉宇;;綠色數(shù)據(jù)中心的評估[J];信息技術(shù)與標(biāo)準(zhǔn)化;2018年10期
4 吳軼;孫旭松;李林;;公共機(jī)構(gòu)綠色數(shù)據(jù)中心服務(wù)認(rèn)證問答[J];質(zhì)量與認(rèn)證;2019年06期
5 ;綠色數(shù)據(jù)中心建設(shè)與思考[J];智能建筑;2017年07期
6 李步宵;;綠色數(shù)據(jù)中心的設(shè)計(jì)與實(shí)現(xiàn)[J];通訊世界;2018年08期
7 ;2017中國綠色數(shù)據(jù)中心發(fā)展論壇在貴陽隆重召開[J];電子世界;2017年11期
8 ;2017中國綠色數(shù)據(jù)中心發(fā)展論壇在貴陽成功舉辦[J];電源世界;2017年06期
9 ;京津冀國家綠色數(shù)據(jù)中心試點(diǎn)工作交流會(huì)召開[J];智能制造;2017年05期
10 趙紅;;綠色數(shù)據(jù)中心產(chǎn)業(yè)的發(fā)展趨勢探討[J];電腦迷;2017年11期
相關(guān)博士學(xué)位論文 前2條
1 蔡浩然;面向綠色數(shù)據(jù)中心的計(jì)算和能源高效協(xié)同調(diào)度方法研究[D];華中科技大學(xué);2019年
2 張樹本;云計(jì)算數(shù)據(jù)中心的能耗成本建模與優(yōu)化研究[D];中國科學(xué)技術(shù)大學(xué);2015年
相關(guān)碩士學(xué)位論文 前10條
1 孫心佩;基于模型預(yù)測控制的綠色數(shù)據(jù)中心能量管理研究[D];國防科技大學(xué);2017年
2 何文鳳;綠色數(shù)據(jù)中心虛擬資源分配算法研究[D];湖南大學(xué);2016年
3 阿斯哈爾·葉爾努爾;綠色數(shù)據(jù)中心的計(jì)算任務(wù)優(yōu)化調(diào)度策略研究[D];國防科學(xué)技術(shù)大學(xué);2017年
4 李洋;基于需求側(cè)資源感知的綠色數(shù)據(jù)中心聯(lián)絡(luò)線功率控制方法[D];天津大學(xué);2018年
5 郭嘉;面向需求響應(yīng)的綠色數(shù)據(jù)中心負(fù)荷建模與優(yōu)化調(diào)度研究[D];長沙理工大學(xué);2017年
6 陳善明;廣東理工職業(yè)學(xué)院綠色數(shù)據(jù)中心設(shè)計(jì)與實(shí)現(xiàn)[D];華南理工大學(xué);2012年
7 郭棟;大型綠色數(shù)據(jù)中心的規(guī)劃研究[D];復(fù)旦大學(xué);2008年
8 譚惠;商業(yè)銀行綠色數(shù)據(jù)中心的規(guī)劃設(shè)計(jì)[D];浙江大學(xué);2009年
9 邢偉超;綠色數(shù)據(jù)中心管理框架及能耗監(jiān)控系統(tǒng)[D];復(fù)旦大學(xué);2012年
10 朱捷;綠色數(shù)據(jù)中心核心競爭力構(gòu)建研究[D];浙江工業(yè)大學(xué);2014年
本文編號：
2871064
