Abstract
This paper presents a practical and systematic approach to correctly provision server resources in data centers, such that SLA violations and energy consumption are minimized. In particular, we describe a hybrid method for server provisioning. Our method first applies a novel discretization technique on historical workload traces to identify long-term workload demand patterns that establish a “base” load. It then employs two techniques to dynamically allocate capacity: predictive provisioning handles the predicted base load at coarse time scales (e.g., hours) and reactive provisioning handles any excess workload at finer time scales (e.g., minutes). The combination of predictive and reactive provisioning achieves a significant improvement in meeting SLAs, conserving energy and reducing provisioning cost.
We implement and evaluate our approach using traces from four production systems. The results show that our approach can provide up to 35% savings in power consumption and reduce SLA violations by as much as 21% compared to existing techniques, while avoiding frequent power cycling of servers
چکیده
این مقاله یک روش عملی و سیستماتیک برای تخصیص صحیح منابع سرور ها در مراکز داده ای ارائه می دهد، به طوریکه خطاها و مصرف انرژی SLA مینیمم شود. در حقیقت، نا یک روش ترکیبی برای تهیه ی سرور توصیف می کنیم. روش ما ابتدا یک روش نظری جدید را در طرح های فشار کاری سابق خود به کار می برد تا الگوهای مرتبط با فشار کاری طولانی مدت را که یک فشار پایه را منتشر می کنند تعیین کند. آن سپس رو روش را برای تخصیص دینامیک ظرفیت به کار می برد: آماده سازی بر مبنای پیش بینی که از ظرفیت بر مبنای پیش بینی در مقیاس های زمانی بزرگ (ساعت ها) حمایت می کند و آماده سازی واکنشی که هر گونه حجم کاری موجود را در مقیاس های زمانی پالاینده (دقیقه ها) پشتیبانی می کند. ترکیبی از آماده سازی پیش بینی شده و واکنشی باعث بهبود قابل توجهی در به دست آوردن SLA ها می شود، و باعث صرفه جویی در انرژی و کاهش هزینه های آماده سازی می شود.
ما روش خودمان را با استفاده از بررسی چهار سیستم تولیدی پیاده سازی و ارزیابی می کنیم. نتایج نشان می دهند که روش ما می تواند تا 35 درصد در مصرف انرژی صرفه جویی کند و خطا های SLA را در مقایس با سایر روش های موجود تا 21 درصد کاهش دهد، هر چند که از چرخه های انرژی سرور ها هم دوری می کند.
1-مقدمه
عملکرد مراکز داده به دلیل نیاز به انرژی و خنک سازی تجهیزات IT مانند سرور های، سوئیچ های شبکه و تجهیزات ذخیره سازی خیلی دشوار است. با افزایش تقاضا برای سرویس های IT، نیاز به انرژی برای عملکرد مراکز داده هم افزایش می یابد. EPA تخمین می زند که مصرف انرژی در مراکز داده ای در سال 2011 از 100 بیلیون kWh و از هزینه ی 7.4 بیلیون دلار تجاوز کرده است [10]. افزایش هزینه های انرژی، نیاز های منظم و نگرانی های اجتماعی در مورد انتشار گازهای گلخانه ای کاهش مصرف انرژی را برای عملکرد های مراکز داده ای بحرانی کرده است. به هر حال، کارائی انرژی در صورتی که مراکز داده ای نتوانند سرویس های IT را با توجه به اهداف SLA و QoS از پیش تعیین شده تحویل دهند هیچ ارزشی نخواهند داشت، هر چند که خطا های SLA در منافع تجاری از دست رفته قابل مشاهده هستند. برای مثال، Amazon دریافت که هر هزینه ی تاخیری 100 ms برای آنها 1 درصد زیان در فروش را به همراه داد، و Google هم مشاهده کرد که یک تاخیر 500 ms در زمان ایجاد صفحه ی جستجو ترافیک را تا 20 درصد کاهش می دهد...