+高级检索
云数据中心服务器能耗建模及量化计算
DOI:
作者:
作者单位:

1.湖南大学;2.长沙大学

作者简介:

通讯作者:

基金项目:

国家自然科学基金(61772088),湖南省重点实验室项目(2019TP1011),湖南省自然科学基金青年基金项目(2019JJ50689),湖南省教育厅优秀青年基金项目(18B412),中国博士后科学基金项目(2018M642974)和大学生创新创业项目(S201911077005)。


Energy Consumption Modeling and Quantitative Calculation of Servers in Cloud Data Center
Author:
Affiliation:

1.Hunan University;2.Changsha University

Fund Project:

National natural science foundation of China (61772088), key laboratory project of Hunan province (2019TP1011), youth fund project of natural science foundation of Hunan province (2019JJ50689), outstanding youth fund project of education department of Hunan province (18B412), China postdoctoral science fund project (2018M642974) and University student innovation and entrepreneurship project (S201911077005).

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    构建精确的服务器能耗模型有助于资源提供者预测和优化数据中心的能耗。针对以往数据中心服务器因未考虑“负载的特征”而导致能耗模型精度低的问题, 本文将提出一种新的能耗建模及量化计算方法,其主要思路总结如下:根据数据中心服务器所处理任务特征的不同将其分成三类,分别为计算密集型任务,Web事务型任务和I/O密集型任务;针对每一种类型任务,分析其对服务器各部件能耗的影响;利用“主成分分析法”分析各部件参数对能耗的贡献并选择最具代表性的参数;进而结合多元线性回归和非线性回归方法建立能耗模型。实验结果表明,建立的能耗模型预测精度能达到95%以上;与其它模型相比,精度可提高3%左右。

    Abstract:

    Building accurate energy-consumption model of servers will assist resource providers in predicting and optimizing energy consumption of data center. To address the problem of energy consumption model with low accuracy caused by the failure to consider "load characteristics" of servers in data center, a new energy consumption modeling and quantitative calculation method is proposed in this paper. The main ideas are summarized as follows: Firstly, we divide the tasks into three classes: CPU intensive task, transactional web task, and I/O intensive task. Then, energy consumption contributions of all components in a server are analyzed. After that, the dominant component parameters of server energy consumption are chosen by using the Principal Component Analysis (PCA), to build a power model through the multiple linear regression methods and non-linear regression method. Experimental results show that the energy consumption model presented in this paper, the prediction accuracy can achieve more than 95%. Compared with other energy consumption model, it improves around 3%.

    参考文献
    相似文献
    引证文献
文章指标
  • PDF下载次数:
  • HTML阅读次数:
  • 摘要点击次数:
  • 引用次数:
引用本文
历史
  • 收稿日期: 2020-05-17
  • 最后修改日期: 2020-06-10
  • 录用日期: 2020-07-06
  • 在线发布日期:
  • 出版日期:
作者稿件一经被我刊录用,如无特别声明,即视作同意授予我刊论文整体的全部复制传播的权利,包括但不限于复制权、发行权、信息网络传播权、广播权、表演权、翻译权、汇编权、改编权等著作使用权转让给我刊,我刊有权根据工作需要,允许合作的数据库、新媒体平台及其他数字平台进行数字传播和国际传播等。特此声明。
关闭