基于云計算的多CPU能效和度量的改進(jìn)

羅 超 ，彭玉濤 ，彭 碩

（1井岡山大學(xué)網(wǎng)絡(luò)信息中心 江西 吉安 343009）

（2井岡山大學(xué)電子與信息工程學(xué)院 江西 吉安 343009）

基于云計算的多CPU能效和度量的改進(jìn)

羅 超1，彭玉濤1，彭 碩2

（1井岡山大學(xué)網(wǎng)絡(luò)信息中心 江西 吉安 343009）

（2井岡山大學(xué)電子與信息工程學(xué)院 江西 吉安 343009）

提出一種云計算環(huán)境下得到能效輸出的最大值的必要條件；從簡化能效計算步驟提高計算效率出發(fā)，對計算機(jī)功率和CPU工作頻率狀態(tài)間關(guān)系的數(shù)學(xué)表達(dá)進(jìn)行了改進(jìn)，通過CPU高發(fā)率和頻率來計算云環(huán)境下能效，達(dá)到簡化能效測量步驟的目的，從而能夠?qū)υ葡到y(tǒng)的能效進(jìn)行高效準(zhǔn)確的評估，并為云環(huán)境下的多CPU能效測量和優(yōu)化工作奠定扎實(shí)的基礎(chǔ)。

云計算；CPU架構(gòu)；能效度量

1 引言

云計算本身非常缺乏或者是根本沒有對降低能耗的專門方案和設(shè)計，現(xiàn)有研究中只有對軟件性能進(jìn)行評價的模型，且一般有兩個指標(biāo)進(jìn)行關(guān)聯(lián)，而本文擬確立的模型將從運(yùn)算和能耗這兩個角度來衡量軟件的性能；建立了有效的能效評估模型，對云計算的能量消耗就可以更準(zhǔn)確、有效地評估能耗，從而進(jìn)一步控制成本，最終為能耗評價研究領(lǐng)域提供有效的方法和技術(shù)[1]。

云計算的運(yùn)行功率無法在系統(tǒng)中所有節(jié)點(diǎn)中大量存在，而無法適應(yīng)的節(jié)點(diǎn)又會讓過多的系統(tǒng)能源產(chǎn)生更多無謂消耗。同時，復(fù)雜的節(jié)點(diǎn)設(shè)計方案又會導(dǎo)致不能對所有階段進(jìn)行硬件安裝和軟件測量，實(shí)際功耗的測量就無法進(jìn)行。如果測量結(jié)果誤差過大，模型輸出結(jié)果會有更大誤差，同時系統(tǒng)間的數(shù)據(jù)和時鐘同步同樣是需要解決的一個難題。

本文嘗試提出一中計算測量能效的模型，通過對云系統(tǒng)中各個階段進(jìn)行測量后，輸入CPU工作狀態(tài)，建立一個云計算系統(tǒng)的能效消耗的規(guī)律，通過編程模型的建立，對云系統(tǒng)運(yùn)算時產(chǎn)生的CPU集成型歸納總結(jié)出云系統(tǒng)運(yùn)行時的能耗規(guī)律，最后得出了能效模型和測量方法是有效且可行的。

2 能效模型

通常用每秒所執(zhí)行的浮點(diǎn)運(yùn)算次數(shù)(簡稱FLOPS)來描述計算機(jī)的標(biāo)準(zhǔn)執(zhí)行效率，單字長定點(diǎn)指令平均執(zhí)行速度用來描述單位時間內(nèi)CPU的執(zhí)行速度，瓦特來描述電路元器件在單位時間內(nèi)發(fā)出或者吸收的電能。因此，一般用FLOPS/Watt來描述單位時間內(nèi)電路系統(tǒng)消耗的能效，它標(biāo)書一定時間內(nèi)的能耗浮點(diǎn)運(yùn)算次數(shù)[2，3]。

用T時間內(nèi)系統(tǒng)處理的任務(wù)L(T)(單位U)和能耗E(T)(單位焦耳)分別替換FLOPS和Watt，我們定義T時刻內(nèi)能效(T)為

運(yùn)行中的計算機(jī)云計算系統(tǒng)時，硬件所消耗的功率是不變即時額定的，中央處理器的頻率同樣是不變即額定的，當(dāng)中央處理器以最大的功率進(jìn)行滿負(fù)荷運(yùn)行，那么可以認(rèn)為計算機(jī)云系統(tǒng)運(yùn)行時能效消耗的理論值為系統(tǒng)的額定功率和中央處理器主頻的相除比值。但是在實(shí)際的運(yùn)行過程中，中央處理器的全額運(yùn)行功率和使用率很大程度上取決于系統(tǒng)全速運(yùn)行時的算法規(guī)則，計算系統(tǒng)的能量動態(tài)發(fā)生調(diào)整時，中央處理器的主頻也會實(shí)時變化。因此，云計算實(shí)際的消耗值需要根據(jù)實(shí)際運(yùn)行的測量值來計算[5]。

3 測量計算方法

能效測量分測量L(T)和測量E(T)。由公式（2）可知，對fc(t)上積分得到L(T)。f(t)任務(wù)量大小和操作系統(tǒng)的Scaling算法。CPU可以工作在5種模式下。而ωc(t)取決于算法本身，密集型算法時CPU的使用率會接近100%；而執(zhí)行I/O密集型算法時，CPU由于要等候I/O，因此使用率較低。所以，fc(t)和ωc(t)的函數(shù)表達(dá)無法準(zhǔn)確找到，但L(T)可以由測量后得出結(jié)果。

如果Δt足夠小，公式(5)的結(jié)果就是L(T)的值。其中，f(Δt.j)和ω(Δt.j)都能夠通過監(jiān)控代理測量獲得。有規(guī)律的采集CPU頻率及使用率。最后匯總運(yùn)算節(jié)點(diǎn)的測量值，可得到云系統(tǒng)的負(fù)載。

測量方法有多種。但所有的方法都需要計算機(jī)云計算系統(tǒng)的輸入輸出功率是額定的，但在實(shí)際使用時，輸出和輸入的功率卻是隨著使用頻率實(shí)時動態(tài)調(diào)整的，在公式計算式，每隔一段時間就可以對計算機(jī)系統(tǒng)的節(jié)點(diǎn)整理出一次正在運(yùn)行的功率的采集，如公式（5）。

當(dāng)輸出結(jié)果小于某一個閾值時，公式(6)的值就是計算機(jī)云計算系統(tǒng)需要得到的值。但是在實(shí)際使用當(dāng)中，許多硬件設(shè)備和軟件系統(tǒng)并沒有對實(shí)時功率的測量提供必要的接口，這就加大了測量的難度。可考慮為云系統(tǒng)內(nèi)的所有網(wǎng)絡(luò)計算機(jī)節(jié)點(diǎn)都安裝功率檢測測量器，但是這樣的話就需要大量的傳感器布置，成本太高，且難以做到數(shù)據(jù)實(shí)時同步和匯總，解決方案也較為復(fù)雜。那么可以利用以下公式（7）～公式（9）來進(jìn)行計算獲取：

由前面內(nèi)容介紹的測量方法可以測得輸入閾值和輸出的閾值)的值，同時可以得出單位時間內(nèi)系統(tǒng)運(yùn)行的額定功率消耗能量和效能。

4 實(shí)驗(yàn)分析

在獨(dú)立的節(jié)點(diǎn)運(yùn)行環(huán)境中，硬件和軟件的運(yùn)行都可以采用強(qiáng)制性單線程執(zhí)行休眠，并定時喚醒的方法，中央處理器可以在額定功率下按照按照正弦曲線規(guī)律進(jìn)行波動運(yùn)行，最終，得到計算機(jī)云系統(tǒng)子節(jié)點(diǎn)輸出大量值域連續(xù)的模型輸出值，這些輸出值可以用來測量計算機(jī)云系統(tǒng)每個子節(jié)點(diǎn)的運(yùn)行總功率。

接下來，系統(tǒng)測量可以采用圓周率蒙特卡羅算法[24]務(wù)，該算法在對系統(tǒng)效率曲線進(jìn)行計算有很大的優(yōu)勢。使用時，首先調(diào)整改算法在線程數(shù)目上的初始設(shè)置，我們以中央處理器的初始使用功率來設(shè)置，圖1展示了在實(shí)驗(yàn)條件下實(shí)時能效的計算結(jié)果。可以看出，無論中央處理器在何種頻率下運(yùn)行工作，能效發(fā)生的峰值始終發(fā)生在特定的時刻，這與理論推導(dǎo)是相吻合。

圖1 不同頻率下 CPU 使用率和實(shí)時能效之間的關(guān)系

由實(shí)驗(yàn)結(jié)果可得出以下結(jié)論：

（1）對于運(yùn)算節(jié)點(diǎn)，CPU在高頻使用時WordCount最多，Sort次之，MRBench最少，

（2）實(shí)驗(yàn)中某一節(jié)點(diǎn)在調(diào)度室可以同時對其他節(jié)點(diǎn)進(jìn)行影響，并在空閑節(jié)點(diǎn)對計算機(jī)云系統(tǒng)的整體能效發(fā)生重要作用。

（3）CPU使用率和頻率是正向傾斜居多。結(jié)合前文推導(dǎo)的能效最優(yōu)條件，可認(rèn)為，負(fù)向傾斜中CPU的高頻居多時可進(jìn)行能效優(yōu)化。

[1] Elnozahy EN,Kistler M,Rajamony R.Energy-Efficient server clusters.In:Falsafi B,Vijaykumar TN,eds.Proc.of the 2nd Int’l Workshop on Power-Aware Computer Systems(PACS 2002).Cambridge:Springer-Verlag,2003,179-197.[doi:10.1007/3-540-36612-1_12]

[2] Younge AJ,von Laszewski G,Wang LZ,Lopez-Alarcon S,Carithers W.Efficient management for computing envents.In:Proc.of the Int’l Green Computing Conf.Chicago:IEEE,2010,357-364.[doi:10.1109/GREENCOMP.2010.5598294]

[3] Lee YC.Energy scheduling for distred comting systems under difent operating conditions.on Parallel and Systems,2011,22(8):1374-1381.[doi:10.1109/TPDS.2010.208][4] DFSIO program.Hadoop source distribution:src/test/org/apache/hadoop/fs/TestDFSIO.

[5] Rivoire S,Shah MA,Ranganathan P,Kozyrakis C.JouleSort:A balanced energy-efficiency benchmark.In: Chan CY,Qoi BC,Zhou A,eds.Proc.of the ACM SIGMOD Int’l Conf.on Management of Data.Beijing: ACM Press,2007.365-376.[doi:10.1145/1247480.1247522]

Improvement of Multi-CPU Energy Efficiency and Measurement based on Cloud Computing

Luo Chao1, Peng Yutao1, Peng Shuo2
1. Network Information Center, Jinggangshan University,Ji’an Jiangxi, 343009; 2. School of Electronics and Information Engineering, Jinggangshan University, Ji’an Jiangxi, 343009

This paper proposes an essential condition for producing a maximal energy efficiency output under acloud computing environment. Energy efficiency computing procedures are simplified to increase computing efficiency, and improvement is made to the mathematical expressions of the relationship between computer power and the CPU operatingfrequency. The energy efficiency is computed under cloud environment by using the high CPU usage and frequency. In this way, energy efficiency of the cloud system can be evaluated in an efficient and accurate manner, thereby laying a solidfoundation for multi-CPU energy efficiency measurement and optimization under cloud environment.

Cloud computing;CPU architecture;Energy efficiency measurement

TP316 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1009-5624（2018）01-0001-02

江西省教育廳科技計劃項(xiàng)目（GJJ160742）

羅超（1978-）,男,江西吉安人,碩士,高級實(shí)驗(yàn)師,主要從事人工智能、數(shù)據(jù)挖掘和算法分析方面的研究。