دانلودمقاله مدیریت منابع با بهره وری انرژی در مراکز داده ای محاسبات ابری

بخشی از مقاله

چکیده
توسعه در تکنولوژی سیستم های کـامپیوتری و ارتبـاطی، منجـر بـه ایجاد یک پدیده جدید به نام محاسبات ابری شده است که سـرویس های محاسباتی را با استفاده از اینترنت در اختیار کـاربران قـرار مـی دهد، بطوریکه کاربران می توانند به برنامه ها و داده های خود از هـر جایی از جهان براساس نیاز دسترسی داشته باشند و کاربران فقط بـا توجه به مقدار منابعی که استفاده کرده اند، پول پرداخت مـی کننـد. اما، با رشد روز افزون نیازهای محاسباتی از طـرف کـاربران، افـزایش چشم گیر مصرف انرژی مراکز داده به یک مسئله بحرانی تبدیل شده است. مصرف زیاد انرژی نه تنها منجر به افزایش هزینه هـا و کـاهش سود تامین کنندگان ابری می شود، بلکه باعث انتشار گاز دی اکسید کربن هم می شود، که باعث عدم پایـداری محـیط و کـاهش قابلیـت اطمینان سیستم می شود. بنابراین، نیاز به روش هایی بـا بهـره وری انرژی ضروری می باشد که هم از دیدگاه مصـرف زیـاد انـرژی و هـم دیدگاه محیطی مطرح شود. در ایـن کـار، مـا سیاسـت هـای بهینـه زمانبندی با بهره وری انرژی را مطرح مـی کنـیم بطوریکـه کارهـای بلادرنگ سخت با موعـد زمـانی در مراکـز داده ای مختلـف (کـه بـه صورت جغرافیایی توزیع شـده انـد) در دو فـاز (1 نگاشـت سراسـری کارها با هدف کاهش مصرف انرژی، انتشار کربن و تامین موعد زمانی کارها و (2 فاز زمانبندی کارها و تامین ماشین های مجازی درون هر مرکز داده برای کارهای ورودی می باشد. همچنین، در این سیاسـت از روش DVFS و موازنه بار هم برای بهره وری انرژی اسـتفاده مـی کنیم. ما روش خودمان را براسـاس مطالعـه عملکـرد بـا اسـتفاده از شبیه ساز کلودسیم ارزیابی می کنیم. که براسـاس آزمایشـات شـبیه سازی، الگوریتم های نگاشت سراسری ما منجـر بـه کـاهش %47 در انتشار کربن و %11 در مصرف انرژی نیز می شوند.

واژه های کلیدی
محاسبات ابری، بلادرنگ سخت، زمانبنـدی بـا بهـره وری انـرژی،

DVFS

1. مقدمه

محاسبات ابری آخرین سیر تکامل محاسباتی در حوزه فنآوری اطلاعات محسوب می شود که می تواند سرویس های مختلف را مانند زیرساخت به عنوان سرویس1، پلت فرم به عنوان سرویس2 و نرم افزار به عنوان سرویس3 در سراسر دنیا و در هر زمان در اختیار

کاربرانش قرار دهد و باعث شود که دیگر کاربران نگران پیاده سازی های سطح پایین و نحوه مدیریت سیستم نباشند 2]و.[1 کاربران محاسبات ابری می توانند از هر کجای دنیا به برنامهها و دادههای خود به همان مقداری که نیاز دارند، دسترسی داشته باشند و فقط بر اساس همان مقداری که از منابع استفاده کردهاند، پول پرداخت کنند. کاربران بارهای کاری خود را با کیفیت خدمات 4 مورد انتظار خود به محیط ابر ارائه می دهند. به عنوان مثال کاهش زمان پردازش از جمله مهمترین دلایلی می باشد که کاربران می خواهند برنامهها و بارهای کاری خود را در محیط ابر اجرا کنند. بعلاوه، سازمان ها نیز می توانند نیازهای محاسباتی خود را در محیط ابر تامین کنند و بدین طریق هزینههای مربوط به خریداری و نگهداری از زیرساخت های محاسباتی را برای خود کاهش دهند. بدین ترتیب حذف این گونه افزونگیها و موازیکاریها، بسیار برای سازمان ها سودآور می باشد. از اینرو، محاسبات ابری به یک ساختار به شدت مقیاسپذیر و مقرون به صرفه برای اجرای محاسبات سنگین که معمولا به منابع محاسباتی زیادی نیاز دارند، تبدیل شده است 4]و .[3

با اینحال، مسائل قابل توجهی برای تامین موثر و ارائه برنامه هـای کاربردی از طریق محیط محاسبات ابـری وجـود دارد. از جملـه ایـن موانع می توان به چگونگی مدل کردن بارهایکاری، مجـازیسـازی5، مدلسازی عملکرد، گسترش و نظارت بر اجرای برنامههای کـاربردی در محیط ابر اشاره نمود. اگر ایـن مشـکلات حـل شـوند، پـس از آن برنامهها و کاربردها می توانند به صورت بهینه اجرا شوند و در نتیجـه هزینههای محیطی و مالی و استفاده غیربهینه از منابع کـاهش پیـدا مـی کننــد و عملکــرد بهتـری در زمــان هــای اوج بـارکــاری بوجــود میآید.[1]
اما جدیترین مشکلی که تامین کننده ابر با آن مواجه است، بحث مصرف انرژی می باشد. با ظهور پدیده محاسـبات ابـری، اسـتفاده از مراکز دادهای و محیط های مجازیسازی شده با مقیـاس بـزرگ، در صنعت محاسباتی به سرعت رواج یافت 5]و.[3 بدین ترتیـب اجـرای محاسبات با حجم بالا6 در کـاربردهـای تجـاری و فنـاوری اطلاعـات بیشتر رایج گردید. اما از طرف دیگر، افزایش مصرف انرژی در مراکـز دادهای در اثر رشد نیاز کاربران، به یک مسـاله بحرانـی بـرای تـامین کنندگان ابر تبدیل شـد. در حقیقـت، ابرهـا شـامل یکسـری مراکـز دادهای هستند که برای ادامه عملیات خود به مقدار زیادی انرژی نیاز

922

دارند. به عنوان مثال، امروزه یک مرکز دادهای با 1000 قفسه7 نیاز به 10 مگاوات توان برای ادامه عملیات خود دارد. مصرف بالای انرژی به دلیل اینکه باعث افزایش هزینهها می شود، نـامطلوب محسـوب مـی گــردد. در حقیقــت بــرای یــک مرکــز دادهای، هزینــه انــرژی جــزو اصلیترین بخش از هزینههای عملیاتی محسـوب مـی شـود. مصـرف بالای انرژی نه تنها باعث افزایش هزینهها و کاهش سود تامینکننده ابر می شود بلکه باعث انتشار شدید گاز دی اکسـید کـربن هـم مـی شود که بسیار برای محیط زیانآور است 6]و.[ 4 بطوریکه مطـابق بـا مطالعـات Gartner در سـال 2007 صـنعت فـن آوری اطلاعـات و ارتباطات8 حدود %2 از گاز دی اکسید کـربن جهـان را تولیـد کـرده است که معـادل بـا صـنعت حمـل و نقـل هـوایی مـی باشـد 7]و.[4 همچنین، مصرف بالای انـرژی در سیسـتم هـای بـا مقیـاس بـزرگ همچون محیط ابر، باعث مشکلات دیگـری همچـون کـاهش قابلیـت اعتماد سیستم نیز می شود .[8] بنابراین، اسـتفاده از راهحـل هـایی برای مدیریت انرژی که بتوانند مصرف بالای انرژی را کنترل نمایند و همچنین هزینه های عملیاتی را کاهش دهنـد، بسـیار ضـروری مـی باشد.

در این مقاله ما مدیریت انرژی در سیستم هـای نـاهمگن ابـری را براساس سیاست های بهینه زمانبندی با بهـره وری انـرژی را مطـرح می کنیم بطوریکه کارهای بلادرنگ سخت با موعـد زمـانی در مراکـز داده ای مختلف (که به صورت جغرافیایی توزیع شده انـد) در دو فـاز (1 نگاشت سراسری کارها با هدف کاهش مصرف انرژی، انتشار کربن

و تامین موعد زمانی کارها و (2 تامین انـرژی آگـاه منـابع درون هـر مرکز داده برای کارهای ورودی زمانبندی می کنیم. همچنین، در این سیاست از روش DVFS و موازنه بار هم برای کاهش مصرف انرژی و انتشار کربن استفاده می کنیم. این مدل سعی می کند مصرف انرژی

و انتشار کربن را با در نظر گرفتن موعد زمانی کارها به عنـوان معیـار کیفیت خدمات کاهش دهد. مزیت این روش نسـبت بـه روش هـای دیگر مدیریت انرژی این می باشد که علاوه بر مسأله کیفیت خدمات، مسأله کاهش انتشار کربن را در نظر می گیـرد کـه در نتیجـه مقـدار انرژی و انتشار کربن پایین تری خواهد داشت.

ادامه این مقاله به صورت زیر مـی باشـد، در بخـش دوم کارهـای مرتبط بررسی خواهند شد. در بخش سوم، مدل سیستم شامل مـدل مراکز داده ای، مدل ماشین های مجازی و کارها و مدل مصرف انرژی

و انتشار کربن معرفی می شوند. توصـیف مسـاله شـامل فـاز نگاشـت سراسری کارها با هدف کاهش مصرف انـرژی و انتشـار کـربن و فـاز زمانبندی کارها درون هر مرکز داده با اعمال روش DVFS در بخش چهارم توضیح داده می شود. ارزیابی عملکرد و تحلیل نتـایج بدسـت آمده از شبیه سازی در بخش های پـنجم و ششـم توضـیح داده مـی شود، و نتایج این مقاله در بخش هفتم می باشد.

Rack 7
Information and Communications Technology (ICT) 8

.2 کارهای مرتبط
جدول 1 مروری برر روی کارهای قبلی با در نظر گرفتن پنج دیـدگاه این مفاله ارائه می دهد. که کار ما هر پنج دیدگاه درنظر گرفته شـده را با هم برای نگاشت کارها در مراکز داده در نظر می گیرد.

اخیرا روش های زیادی بـرای مـدیریت انـرژی در سیسـتم هـای توزیعشده با مقیاس بزرگ ارائـه شـده اسـت. کارهـای زیـادی بـرای مدیریت انرژی در مراکز دادهای و در سطح های مختلف آن از جملـه در سطح پردازندهها، سطح سرورها و سطح مراکز دادهای انجام شـده است. برای مثال روش مقیاسگذاری سرعت پردازنده10] 9 و[9 یـک روش موثر برای ذخیره انرژی در سطح پردازندهها میباشد. همچنین، اولین مطالعه تحلیلی در مورد این روش در [ 11] انجام شده است که در آن یک مدل زمانبندی برای یک پردازنده منفرد بـا سـرعت هـای متغیر فراهم شده است.
روش DVFS10 یــک روش بهینــه بــرای کنتــرل مصــرف تــوان پردازندهها محسوب می شود .[5] ایـن روش را نمـی تـوان بـر روی مولفههای دیگر سیستم همچون حافظه یا شبکه اعمـال کـرد .[ 12 ] در این روش با کاهش ولتاژ و تغییر فرکانس می توان مصرف تـوان را کاهش داد .[13] این تکنیک موجب مقیاس پذیری عملکرد پردازنده مطابق با نیازمندی های فعلی شده، در حالی که کاهش عملکرد را به حداقل می رساند .[7] الگوریتم های ارائـه شـده در 14]و[5 از روش DVFS برای زمانبندی انرژی آگاه وظایف برای کاهش مصرف انرژی استفاده می کنند و همچنین سعی می کنند کیفیت خـدمات تعیـین شده را رعایت نمایند.

در [15] زمانبنــدی وظــایف را بــر روی ماشــین هــای نــاهمگن براساس هزینه های انرژی هر ماشـین، بـرای مـاکزیمم کـردن سـود درون یک مرکز داده انجام می دهد. همچنـین یـک چـارچوب بـرای بهرهوری انرژی و تخصیص منابع و الگوریتم های زمانبندی با تـامین کیفیت خدمات در محیط محاسبات ابری در [16] ارائه شده است.

بیشتر کارهای قبلی بهره وری انرژی را درون یک مرکز داده و یـا یک سرور در یک مکان انجام می دهند. بنابراین، می تـوان سیاسـت های بهره وری انرژی را درون چندین مرکز داده بـا نـرخ انتشـارهای کربن مختلف بکار برد. یکسری الگوریتم ها برای زمانبندی کارهـا بـر مبنای مصرف انرژی و انتشار کربن در [4] ارائه شده است کـه بـرای کاهش مصرف انرژی از روش DVFS استفاده می کند.
بعضــی از روش هــای دیگــر از تکنیــک هــای مجــازی ســازی و یکپارچهنمودن برای مدیریت منابع و کاهش مصرف انـرژی اسـتفاده میکنند. در [3] یک سیستم مدیریت منابع با در نظر گرفتن مصرف انرژی برای مراکز دادهای مجازی سازی شده ارائه شده تا بتواند

Processor speed scaling 9
Dynamic voltage and Frequency Scaling ( DVFS) 10

329 31 اردیبهشت 1394، WEC2015

جدول :1 مقایسه بین کارهای مرتبط
ردیف مصرف انرژی/انتشار تامین SLA

کربن
[14] × ×
[5] × ×
[15] × ×
[16] × ×
[4] × ×
[2] ×
کار ما × ×

هزینههای عملیاتی را کاهش دهـد و کیفیـت خـدمات مـورد نیـاز را تامین کند. در [1] یک تکنیک بـرای تـامین منـابع و ماشـین هـای مجازی ارائه شده است که به طور خودکار خود را با تغییرات وفق می دهد و کیفیت خدمات تضمین شده را به کاربر نهایی ارائه مـی دهـد. در [2] تامین ماشین های مجازی بـرای سـرویس هـای بلادرنـگ را بررسی می کند و از روش DVFS برای کاهش مصرف توان ماشـین های مجازی استفاده می کند.