基于DVFS和热量感知的数据中心作业调度研究

摘要

随着云计算和大数据的兴起和发展，数据中心在规模和数量方面呈现爆炸式的发展。同时数据中心的能耗和散热问题也日益严重。2015年整个中国数据中心耗能占据整个中国耗电的2％，相当于三峡大坝一年的发电量，但目前数据中心能效低下，建设绿色数据中心，减少数据中心能耗已经成为当前的一个热点研究问题。
　　目前数据中心的能效低下主要来自于闲置服务器的运行和热量循环问题。针对这两个问题，我们首次建立了基于动态电压频率调节（Dynamic Voltage and Frequency Scaling,DVFS）技术和热量感知的数据中心能耗模型和作业调度算法(TSTD)。TSTD算法通过预测作业的分布和设备频率的分布来减少数据中心总能耗。其中TSTD通过调整服务器频率和电压减少闲置服务器运行，来减少计算能耗和制冷能耗。热量循环是由数据中心布置和功率分布决定的，TSTD调度算法可以使数据中心的功率分布更为合理，能够更好的减少热量循环，降低制冷能耗。
　　TSTD调度算法相对于传统的FCFS调度算法、结合DVFS和FCFS策略的FCFS-DVFS调度以及热量感知作业调度算法SCINT在数据中心总能耗（计算能耗+制冷能耗）方面有较大优化。基于现实数据中心参数的实验结果表明，除数据中心使用率0%和100%之外，和FCFS算法相比较，FCFS-DVFS能够降低3.7%-42%的能耗，而基于热量感知的作业调度SCINT能够降低1.6%-5.3%的能耗，仅仅减少制冷能耗，并没有减少计算能耗。TSTD作业调度算法可以减少15.2%-42.7%的总能量消耗，包括计算能耗和制冷能耗。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题背景和意义

1.2 国内外研究现状

1.3 本文研究内容

1.4 本文组织结构

2 系统描述

2.1数据中心基础设施结构

2.2 数据中心能耗模型

2.3 本章总结

3 基于DVFS和热量感知的能耗模型

3.1 DVFS技术综述

3.2 热量循环与数据中心能耗模型关系

3.3刀片服务器功率模型与数据中心能耗模型关系

3.4 本章总结

4 基于DVFS和热量感知的作业调度算法实现

4.1 问题描述

4.2 基于模拟退火算法的能量感知作业调度

4.3 本章总结

5 试验及结果分析

5.1 实验环境

5.2 实验结果分析

5.3 本章总结

6 总结与展望

6.1工作总结

6.2 下一步研究方向

致谢

参考文献