论文部分内容阅读
共享式数据中心在满足各个应用对资源动态需求的同时也提高了资源的利用率，缓解了资源浪费的问题。随着当前数据中心规模的激增，能耗已经成为制约其发展的瓶颈，如何能够在满足服务质量的同时实现更低的能耗需求以及更高的性能/瓦比率，构建绿色数据中心，引起大家的广泛关注。
对于提供大量独立互联网服务的共享式数据中心而言，缩减在线服务器规模是节省能耗的关键问题。但是当前相关研究普遍存在着降低能耗的同时导致服务质量的违背以及服务请求突发时因为节能而造成服务质量的更为严重下降等问题，其主要原因是未能实现性能保证与能耗降低的两者优化权衡。本文提出了一个包括服务集群内部和全局服务系统的两层能耗管理框架，通过服务集群的能耗模型构建与服务节点在集群间动态调度的紧密结合以解决这些问题。
在服务集群内部，针对能耗降低而违背服务质量的问题，将传统的M/M/c模型扩展为异构的M/M/c模型，并结合时间域排队理论构建服务的性能模型，再以性能模型为基础进行决策，以确定服务节点状态的切换时机。同时引入了通信领域的爱尔朗公式，完成对不同状态服务的资源需求定量分析，以确定需切换的服务节点序列，由此通过服务节点状态的按需切换实现服务集群的高能低耗。
在全局服务系统，针对传统全局资源布局中在资源动态调度时仅考虑性能指标并存在节点迁移开销过大的问题，加入了性能与能耗的两维效用，采用修改后的遗传算法确定节点在服务间的分配，最优解以满足重载服务的服务质量保证为主要目标的，通过提高能力高节点的利用率以实现全局能耗的降低。同时对于重载服务在扩容节点时加入迁移节点的时间开销惩罚，从而有效避免了节点在服务间的迁移抖动。
基于以上创新点，实现了EADC(Energy-Aware Data Center)系统框架，其包括服务(VEMS)与系统(DCMS)两层的能耗模块:(1)在服务集群内，实验数据表明构建的性能模型的计算输出与观察数据基本匹配;以性能模型为基础，VEMS通过节点状态的切换决策，使得在服务质量保证的同时降低了服务能耗的33％。(2)在数据中心级别，全局资源布局决策器DCMS通过资源的优化布局算法实现了请求突发服务的服务质量满足，同时降低了全局能耗的24％;规模性测试表明算法具有良好的可扩展性，并没有因为数据中心规模的扩大而降低算法的有效性。