面向云計算數據中心的能耗建模

陳卓+蔡寧

摘 要：云計算數據中心中的能耗建模，是了解計算機能耗的重要形式，同時也是預測能耗需求的手段。文章以此為前提，重點分析了面向云計算數據中心的能耗模型建立，希望能夠為廣大從業人員提供參考。

關鍵詞：云計算數據中心；能耗；建模；計算機

所謂能耗模型，即云數據中心的構成要素.云數據中心是不斷運轉的，在這樣強大的運轉下，用戶以及管理人員必須要對計算機能耗進行了解，如此才能采取針對性的方式對其進行調節，進而實現能效優化的目的。為了更加有效的實現計算機能耗問題的解決，需要對能耗模型特點進行了解，以此完成能耗建模。為此，文章對其進行了分析。

一、節點能耗建模

1.計數器性能方面

其實對于數據計算而言，Intel處理器早就利用特殊數據模塊對數據計數器進行了引入，這些引進的計數器在數據中心運行時會自動進行選擇性計算，通過指令、緩存以及頁表緩存等環節實現數據的計算指令方面，可以利用能耗以及監視事件的對比了解到，指令出現周期一般都是能耗受到比較大的影響，一旦處理器執行某一指令時，便會同時運行多個計算單元，進而形成非常大的能耗。

緩存方面，數據中心內部的緩存指令一般會被分為幾個階段，也就是緩存指令與緩存數據信息、緩存指令以及數據共享形式、數據信息以及處理器信息共享。

頁表方面，所謂頁表緩存，與普通的緩存指令不同，主要是為了更改網絡虛擬地址運轉回率，并且提升用戶訪問內存信息速度，通過這一部分計算機能耗。

通過相關資料可知，在能耗模型原則的基礎上，數據中心節點能耗模型公式為

這一公式中，C0是正常運算數列，P1是為收集數列，C1是i計算事件影響因素，其中C0與C1能夠利用線性回歸計算獲得。

2.收集線性能力計數器相關數據

深入分析當前所使用技術，可以發現數據收集過程中能夠運用的工具有很多，十分常見的主要有Oprofile和Pert，數據收集時對這些工具加以運用，能夠保證數據收集的全面性。且這些相關工具除了能夠發現處理器性能中的不足，也能夠運用收集所得數據和信息實現對比，對處理器運轉問題進行預測。

二、使用率能耗建模

通過上文分析可知，Inetl處理器在運轉流程中引進計數器，這并非是當前所有處理器都能夠滿足的要求，且處理器的型號不同，其差異也比較大。另外，其中一些較為特殊的應用程序依然處在為運行的狀態下，如此便無法有效獲得信息。所以，如此不能順利的在性能計數器對應用程序擴散領域進行預測。

在這以前，因為線性模型的質量較好，且操作也十分簡單，對資源使用率以及能耗等進行分析時，這種模型的運用率會比較大。一旦建模因子為獨立狀態，那么線性回歸模型則是最為合適的模型，然而在使用率方面的效果卻相對較差，且體現出非常強的依賴性。在處理器升級的影響下，能耗和資源使用率二者的關系也出現了變化，已經逐漸脫離了原來單一的線性關系。如此一來，證明以往線性模型的預測也會存在偏差，并且對預測質量造成影響。

數據采樣時，必然會收集到多樣化的系統負載信息，一般這些信息都儲存于處理器和網絡硬盤中。因為采樣主要是為了進行更為高效率能耗模型的建立，所以，采集數據信息時，只需要相對應的數據文件，將系統中剩余部分當作常量，按照以往的研究和其他資料，了解處理器和內心占據能耗。

1.CPU使用率

在整個計算機系統內部，CPU既是使用率最高的部分，也是耗能最大的計算機元件，然而由于CPU本身具備調節功能，所以為CPU在系統其他部件的競爭中體現了優勢。所以，利用對CPU工作狀態的了解，對中心能耗問題進行控制，以此實現節能，是諸多方法中最為有效的方式。且傳統能耗模型中，部分能耗模型與CPU運行狀態之間關聯較大。由此，便可以按照以下兩種CPU使用率能耗模型公式進行建模：

2.內存

通過對當前相關研究資料的分析發現，內存是計算機中耗能也比較大的計算機元件，在其運行時占據總耗能的 ，然而就實際情況分析，內存并非是計算機中最為耗能的部件。通過實驗可知，內存部件頻率為1323、4G的內存，Gbit的功率是4W，然而因為CUP運用的是多核心技術，加之其中各個核心都要以2倍或是超過2倍的內存作為支撐，才可以維持云數據中心內部虛擬機的有效運行，在這之后便會提升整體的耗電力。現在使用頻率最大的內存以交替儲存形式為主，一旦內存空間空閑，那么便會按照內存情況使其進入待機，若一段時間之后依然無反應，那么內存便會關閉。所以，各個單獨能耗量雖然在減少，但是影響時間卻實現了遞增。通過實際觀察可知，內存能耗和CPU能耗為正比關系，也就是一旦CPU使用率得到提升，那么內存能耗也就會不斷提高，這樣一來就會將CPU使用率降低，從而降低內存運轉過程中產生的能耗。以下即內存能耗的線性公式。

三、結語

綜上所述，通過能耗模型的建立，能夠詳細的了解計算機能耗，并且對計算機能耗進行預測，從而實現計算機的平穩運行。

參考文獻：

[1]魏振春，朱賽，衛星，韓江洪.基于服務模式切換的數據中心能耗最小化問題研究[J].合肥工業大學學報（自然科學版），2015，06：752-758.

[2]李翔，姜曉紅，吳朝暉，葉可江.綠色數據中心的熱量管理方法研究[J].計算機學報，2015，10：1976-1996.

[3]林闖.云計算中虛擬數據中心的服務質量的優化控制[J].科技創新導報，2016，01：172-173.endprint