面向绿色云计算数据中心的动态数据聚集算法(4)

１９２６

系统工程与电子技术第３４卷

２．３算法描述

对于数据中心的某一个任务执行节点来说，系统的总功耗Ｐ…。。。主要由３部分构成，不同的设备具体功耗模型不同，但大多数都符合多项式分布，计算式如下：

Ｐ…。。（ｓ）＝Ｐ。。＋Ｐｄ，…．。（ｓ）＋Ｐ。。“．。（ｓ）

（３）

等的哺ｊ。系统对能源在时段的总消耗量（即系统能耗）应该受制于功耗和时问两个因素，其计算式为

ｒ毛

卜＋ｄ．

Ｅ一∑氏，氏＝Ｉ

＾一Ｉ

Ｐ…。。ｄｔ

（６）

，‘

云数据中心为了能够承受服务高峰的负载，保障令用户满意的ＱｏＳ和系统稳定性．在系统设计、构建时即留有余量，并采用冗余机制。但在非高峰时段，处于“空转”状态的空闲节点将产生不必要的能耗问题ｒｌ“。

特别是数据中心中各个节点在不同时问的负载不同，导致难以实施精确温控，这种基于热力学稳态系统的工作模式使得数据中心的有效制冷量还不到５０％。因此。应通

式中，Ｐ。。是系统的静态功耗，即系统处于不执行任何任务

的空转状态时功耗，与具体的设备采用的硬件制造工艺和

所采用的操作系统软件关系密切；ｓ是任务执行点的工作速率，Ｐ。。。（ｓ）是系统的动态功耗，该功耗随着工作速率Ｓ变

化而变化∽］，表示为

Ｐｄｍ。。（ｓ）＝雎ｓ。，口＞１

（４）

过建立热力学散热模型，基于集群功耗的实时监控数据与功耗分配策略进行精确制冷是必然的发展方向。

本文算法的基本思想是将原本随机部署的数据与节点的有序化聚集和重新分布，从而充分利用云数据中心中的部分计算存储节点，而允许另外一部分计算存储节点处于深度休眠状态或者关机状态，与服务器关联的温控设备也可以处于相应的待机或关闭状态，从而在保障ＱｏＳ的同时，达到“绿色”节能目标。

算法所基于的系统模型如图２所示。计算与存储设备上包含了节点资源管理、节点控制、数据迁移、访问记录管理模块和节点运行监测模块；温控系统包含了环境监测和温控设备控制模块。其中温控系统与计算设备协同工作，特别根据节点运行监测模块和环境监测模块感知的情况，再利用温控设备控制模块来决定温控设备是否开启以及开启的程度，使得温控系统可以实现数据中心各区域的精确

温度控制。

式中，“，和ａ为常数，与具体的设备有关，实际测试发现¨“：口取值范围一般为（１，２）。

Ｐ。。。。。（ｓ）是温控系统针对该计算设备的功耗，当任

务执行节点的负载加重、工作速率５增加时，执行点的处理器等部件温度也将显著升高，为了继续将设备维持于安全

的温度范围内，Ｐ。。。。（ｓ）也必然随着增加；除此之外。

Ｐ。…。抓。。（ｓ）还受制于制冷能效比ｅｅｒ、空间因素ｒ等。设当前的环境温度为ｔ，安全温度上限为Ｐ，则

Ｐ …ｎｄｌｌｌ。ｎ‘５’２２

１１＋，（鲢箐半），＞ｚ；措，，ｔ＞Ｐ‘５’

０，ｔ≤｜Ｄｂ—＋一，ｃ

式中，ｂ是温控设备的基本能耗。由上式还可以看出：制冷

能效比ｅｅｒ越高，Ｐ。。。。。。（ｓ）越低，温控设备需要覆盖的范围越大（即ｒ越大），Ｐ。。。。。（ｓ）越高。制冷能效比ｅｅｇ主要取决于设备的制造工艺（产品标准），是比较恒定的参数。在制冷策略上，如果能实现精确的、具有较强针对性的环境温度控制，将可以有效地控制制冷系统的能耗，如图１

所示。

旬回国国国国画回

竹准制

冷系统

国国画向国国国阔

图２系统模捌

云数据中心在运行一段时间后，系统叮基本获得不同数据在不同时段的访问规律。为每个爷点设置服务提供量上限为口，资源聚集分为数据聚集与铮点聚集两个层次。

１“：川，－Ｌ｜ｉ

ｊｊｌｆｌ．１｝、ｃ；ｉ卫ｊｊ．ｊ二，』王ｉ？‘球包一，；：卜二二“，

算法说明如下。

步骤１分别承载于节点Ａ上的数据Ｄ．和承载于Ｂ上的数据Ｄ，具有摹本相似的访问规律。算法首先将Ｄ．和Ｄ，重新部署于其中一个节点上。

准确，降低功耗并不总能降低能耗。例如可以通过简单地降低工作速率来减少计算机系统的功耗．但是如果系统处理事务的时间相应地延长了，那么系统总的能耗可能是相

万方数据