吳嘉佳,樊玉琦
(1.貴州師范大學(xué) 教育科學(xué)學(xué)院,貴州 貴陽(yáng) 550001;2.合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院,安徽 合肥 230009)
?
一種面向延遲及能耗優(yōu)化的數(shù)據(jù)中心數(shù)據(jù)部署算法
吳嘉佳1,樊玉琦2
(1.貴州師范大學(xué) 教育科學(xué)學(xué)院,貴州 貴陽(yáng)550001;2.合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院,安徽 合肥230009)
摘要:大規(guī)模網(wǎng)絡(luò)應(yīng)用是通過(guò)分布在不同地理位置的數(shù)據(jù)中心為世界各地的用戶(hù)提供服務(wù),而以較小的延遲從數(shù)據(jù)中心獲取數(shù)據(jù)和減少網(wǎng)絡(luò)與數(shù)據(jù)中心產(chǎn)生的能耗是其中2個(gè)重要課題。文章通過(guò)綜合考慮用戶(hù)到數(shù)據(jù)中心的訪(fǎng)問(wèn)延遲、數(shù)據(jù)中心的能耗和網(wǎng)絡(luò)傳輸能耗3個(gè)因素來(lái)解決節(jié)能數(shù)據(jù)中心的數(shù)據(jù)部署問(wèn)題,提出了一種請(qǐng)求路由方法GLDD(green latency-aware data deployment),允許網(wǎng)絡(luò)管理和應(yīng)用者在部署數(shù)據(jù)時(shí)靈活地調(diào)節(jié)3個(gè)因素的影響。實(shí)驗(yàn)結(jié)果表明,GLDD能夠有效地減少數(shù)據(jù)中心能耗,并能在數(shù)據(jù)中心能耗、網(wǎng)絡(luò)傳輸能耗和網(wǎng)絡(luò)傳輸延遲三者之間獲得良好的平衡。
關(guān)鍵詞:節(jié)能;延遲感知;服務(wù)器能耗;網(wǎng)絡(luò)能耗;數(shù)據(jù)部署
0引言
隨著互聯(lián)網(wǎng)應(yīng)用和服務(wù)的發(fā)展,云計(jì)算飛速發(fā)展起來(lái)。越來(lái)越多的數(shù)據(jù)和計(jì)算被遷移或托管到互聯(lián)網(wǎng)數(shù)據(jù)中心,即云數(shù)據(jù)中心。云數(shù)據(jù)中心在許多方面比傳統(tǒng)數(shù)據(jù)中心有優(yōu)勢(shì),如增強(qiáng)數(shù)據(jù)的可靠性、減少終端用戶(hù)的管理成本、降低設(shè)備的成本等[1]。然而,這些云計(jì)算也在消耗大量的能量,包括數(shù)據(jù)中心的能耗與數(shù)據(jù)傳輸所需的網(wǎng)絡(luò)能耗。
目前,為大規(guī)?;ヂ?lián)網(wǎng)應(yīng)用提供服務(wù)的云數(shù)據(jù)中心消耗的電能占世界電能供應(yīng)的1.3%,并且這一比例在2020年將達(dá)到8%[2]。Internet網(wǎng)絡(luò)中傳輸和交換設(shè)備消耗的能量約占整個(gè)信息和通信技術(shù)行業(yè)能量消耗的14.8%,而2020年將上升到21.8%[3]。光電設(shè)備日益增長(zhǎng)的規(guī)模和數(shù)量也加劇了網(wǎng)絡(luò)中傳輸和交換設(shè)備的能量消耗[4-5]。
文獻(xiàn)[6-7]最先提出綠色網(wǎng)絡(luò)問(wèn)題,隨后減少網(wǎng)絡(luò)中傳輸能耗問(wèn)題引起了人們的注意。目前已有一些方法用來(lái)減少數(shù)據(jù)中心的能耗,主要包括以下幾類(lèi):動(dòng)態(tài)電壓頻率調(diào)整(DVFS)控制技術(shù)[8]、虛擬技術(shù)[9]和最小化服務(wù)器群能耗的方法[10]。動(dòng)態(tài)電壓頻率調(diào)整控制技術(shù)是根據(jù)服務(wù)器的負(fù)載來(lái)調(diào)整其工作頻率以減少數(shù)據(jù)中心的能耗。虛擬技術(shù)是通過(guò)將一臺(tái)物理設(shè)備虛擬成可以供多個(gè)用戶(hù)使用的多臺(tái)設(shè)備的方法來(lái)提高硬件的使用率,從而減少數(shù)據(jù)中心的能耗。最小化服務(wù)器群能耗的方法是關(guān)閉服務(wù)器群中一些空閑的服務(wù)器來(lái)減少數(shù)據(jù)中心能耗。已有的減少網(wǎng)絡(luò)傳輸能耗的研究主要針對(duì)以太網(wǎng)主機(jī)和網(wǎng)卡的能耗[11]、鏈路的數(shù)據(jù)速率[12]、交換功能[13]、WDM骨干網(wǎng)絡(luò)[14]和新的網(wǎng)絡(luò)架構(gòu)[15]等方面。
延遲是云數(shù)據(jù)中心為用戶(hù)提供服務(wù)的一個(gè)重要服務(wù)質(zhì)量指標(biāo),降低用戶(hù)訪(fǎng)問(wèn)云數(shù)據(jù)中心的訪(fǎng)問(wèn)延遲也是一個(gè)重要的研究課題。文獻(xiàn)[16]分析了保證納秒級(jí)延遲需求的應(yīng)用。隨著科學(xué)技術(shù)的進(jìn)一步發(fā)展,更低延遲的數(shù)據(jù)中心網(wǎng)絡(luò)越來(lái)越成為可能。這些技術(shù)包括升級(jí)已有的數(shù)據(jù)中心、應(yīng)用下一代以太網(wǎng)交換芯片和使用更快的以太網(wǎng)卡。用戶(hù)到數(shù)據(jù)中心的訪(fǎng)問(wèn)延遲包括用戶(hù)到數(shù)據(jù)中心的傳輸延遲和數(shù)據(jù)中心處理用戶(hù)請(qǐng)求的處理延遲。已有的對(duì)用戶(hù)到數(shù)據(jù)中心訪(fǎng)問(wèn)延遲的研究大多集中在降低數(shù)據(jù)中心處理用戶(hù)請(qǐng)求的延遲上[17],較少關(guān)注用戶(hù)到數(shù)據(jù)中心傳輸過(guò)程的延遲,而文獻(xiàn)[18]綜合考慮了用戶(hù)到數(shù)據(jù)中心的傳輸延遲和數(shù)據(jù)中心對(duì)用戶(hù)請(qǐng)求的處理延遲。
本文綜合考慮用戶(hù)到數(shù)據(jù)中心的訪(fǎng)問(wèn)延遲、數(shù)據(jù)中心的能耗和網(wǎng)絡(luò)傳輸能耗3個(gè)因素,設(shè)計(jì)了一種單數(shù)據(jù)中心拷貝的數(shù)據(jù)部署策略。
1問(wèn)題定義
部署數(shù)據(jù)到云數(shù)據(jù)中心應(yīng)考慮3個(gè)因素:① 用戶(hù)訪(fǎng)問(wèn)云數(shù)據(jù)中心的訪(fǎng)問(wèn)延遲;② 云數(shù)據(jù)中心中的服務(wù)器能耗;③ 數(shù)據(jù)在網(wǎng)絡(luò)傳輸過(guò)程中的能量消耗。數(shù)據(jù)部署涉及的3個(gè)實(shí)體如下:
(1)用戶(hù)組。用戶(hù)組是地理位置相近或者處于同一自制系統(tǒng)內(nèi)的用戶(hù)的集合。
(2)數(shù)據(jù)。數(shù)據(jù)是對(duì)用戶(hù)請(qǐng)求的抽象物,如在線(xiàn)視頻。
(3)數(shù)據(jù)中心。可以服務(wù)用戶(hù)請(qǐng)求的服務(wù)器的集合。
用戶(hù)組、數(shù)據(jù)和數(shù)據(jù)中心3個(gè)實(shí)體間的關(guān)系如圖1所示。
圖1 用戶(hù)組、數(shù)據(jù)和數(shù)據(jù)中心三者關(guān)系
用戶(hù)組訪(fǎng)問(wèn)的數(shù)據(jù)部署在云數(shù)據(jù)中心的服務(wù)器上,而這些服務(wù)器可能分布在不同的數(shù)據(jù)中心,數(shù)據(jù)中心通過(guò)提供用戶(hù)所需的數(shù)據(jù)請(qǐng)求為用戶(hù)服務(wù)。假設(shè)每個(gè)數(shù)據(jù)僅部署在一個(gè)數(shù)據(jù)中心,且每個(gè)用戶(hù)組訪(fǎng)問(wèn)每個(gè)數(shù)據(jù)的概率可以預(yù)先獲得。
不僅服務(wù)器會(huì)消耗能量,冷卻系統(tǒng)和數(shù)據(jù)中心的其他設(shè)備也會(huì)消耗能量。電源使用效率(power usage effectiveness,PUE)是衡量數(shù)據(jù)中心能源使用效率的一個(gè)重要指標(biāo),最高效數(shù)據(jù)中心的PUE約為1.07~1.20[19],行業(yè)平均水平約為2.00[20]。PUE的計(jì)算表達(dá)式為:
(1)
用戶(hù)訪(fǎng)問(wèn)數(shù)據(jù)中心過(guò)程中經(jīng)過(guò)的網(wǎng)絡(luò)模型類(lèi)似文獻(xiàn)[21]中的模型。假設(shè)接入網(wǎng)絡(luò)模型是一個(gè)無(wú)源光網(wǎng)絡(luò),其能量消耗在很大程度上獨(dú)立于傳輸過(guò)程中的流量。
用戶(hù)通過(guò)Internet訪(fǎng)問(wèn)云數(shù)據(jù)中心,每比特?cái)?shù)據(jù)消耗能量的計(jì)算公式為:
(2)
其中,Pes、Pbg、Pg、Ppe、Pc和Pw分別為以太網(wǎng)交換機(jī)、寬帶網(wǎng)關(guān)路由器、數(shù)據(jù)中心網(wǎng)關(guān)路由器、提供商邊界路由器、核心路由器和WDM傳輸設(shè)備的功耗;Ces、Cbg、Cg、Cpe、Cc和Cw為相應(yīng)設(shè)備每秒時(shí)間內(nèi)的容量。系數(shù)6由電源冗余需求(系數(shù)2)、冷卻和其他負(fù)載(系數(shù)1.5)、網(wǎng)絡(luò)一般利用率為50%和最大消耗功率(系數(shù)2)決定。假設(shè)Internet網(wǎng)絡(luò)中的PUE是1.5。以太網(wǎng)交換機(jī)的系數(shù)3表示城域網(wǎng)中以太網(wǎng)交換機(jī)和數(shù)據(jù)中心內(nèi)部以太網(wǎng)交換機(jī)的總和。提供商邊界路由器的系數(shù)2包括邊緣網(wǎng)絡(luò)的邊緣路由器和數(shù)據(jù)中心的網(wǎng)關(guān)路由器。核心路由器的系數(shù)2表示考慮到核心路由器通常是為未來(lái)提供相當(dāng)于當(dāng)前需求的2倍的要求。系數(shù)hc(ui,dcj)表示數(shù)據(jù)在核心網(wǎng)絡(luò)傳輸過(guò)程中經(jīng)過(guò)的路由器的跳數(shù)。
當(dāng)部署數(shù)據(jù)到數(shù)據(jù)中心上時(shí),必須將數(shù)據(jù)部署到某個(gè)數(shù)據(jù)中心的某個(gè)服務(wù)器上。數(shù)據(jù)中心到用戶(hù)的延遲越小越好。但是除了數(shù)據(jù)中心到用戶(hù)組的延遲,還要考慮數(shù)據(jù)中心中的服務(wù)器能耗和數(shù)據(jù)在網(wǎng)絡(luò)傳輸中的能耗。當(dāng)部署數(shù)據(jù)到數(shù)據(jù)中心時(shí),需要權(quán)衡用戶(hù)訪(fǎng)問(wèn)數(shù)據(jù)的訪(fǎng)問(wèn)延遲、數(shù)據(jù)中心服務(wù)器能耗和數(shù)據(jù)在網(wǎng)絡(luò)傳輸過(guò)程中的能量消耗。此問(wèn)題的數(shù)學(xué)模型為:
(3)
(4)
(5)
(6)
(7)
(8)
(4)式表示數(shù)據(jù)部署會(huì)導(dǎo)致延遲和能量消耗;(5)式表示每個(gè)數(shù)據(jù)僅部署1份;(6)式表示對(duì)于每個(gè)數(shù)據(jù)的請(qǐng)求必然來(lái)自一個(gè)用戶(hù)組;(7)式表示能耗應(yīng)考慮PUE因素;(8)式表示一個(gè)服務(wù)器上部署的數(shù)據(jù)總大小不能超過(guò)此服務(wù)器的容量。
2啟發(fā)式算法
針對(duì)上述問(wèn)題,本文設(shè)計(jì)了啟發(fā)式算法GLDD(green latency-aware data deployment)以解決多重約束條件限制下的數(shù)據(jù)部署問(wèn)題,同時(shí)考慮延遲、數(shù)據(jù)中心服務(wù)器能耗和網(wǎng)絡(luò)傳輸?shù)哪芎摹LDD算法按照數(shù)據(jù)大小非升序方法排序并處理數(shù)據(jù)。在處理每個(gè)數(shù)據(jù)時(shí),GLDD算法搜索所有數(shù)據(jù)中心的所有服務(wù)器,并將數(shù)據(jù)部署在總消耗最小的服務(wù)器上。檢查每個(gè)數(shù)據(jù)中心的每個(gè)服務(wù)器,獲得將數(shù)據(jù)部署在足以容納這個(gè)數(shù)據(jù)的服務(wù)器上的總消耗。將數(shù)據(jù)dk部署在數(shù)據(jù)中心dcj的服務(wù)器sm上的總消耗為:
cost(dk,dcj,sm)=undeploy-cost(dk,dcj,sm)=
(9)
總消耗包括延遲、數(shù)據(jù)中心服務(wù)器能耗和網(wǎng)絡(luò)傳輸中的能耗。一般情況下,用戶(hù)訪(fǎng)問(wèn)數(shù)據(jù)的延遲隨著用戶(hù)到該數(shù)據(jù)所在數(shù)據(jù)中心間距離的增加而增加。數(shù)據(jù)在網(wǎng)絡(luò)傳輸過(guò)程中的能量消耗可用(2)式計(jì)算。
當(dāng)部署一個(gè)數(shù)據(jù)到服務(wù)器上時(shí),不同服務(wù)器的部署狀態(tài)可能不同。如果某個(gè)服務(wù)器已經(jīng)被部署了某些數(shù)據(jù),則認(rèn)為部署更多數(shù)據(jù)到這個(gè)服務(wù)器上不會(huì)給它帶來(lái)額外的能耗。也就是說(shuō),如果某服務(wù)器已經(jīng)被部署了某些數(shù)據(jù),將其他數(shù)據(jù)部署在該服務(wù)器上的能量消耗可用(10)式計(jì)算,即
cost(dk,dcj,sm)=deploy-cost(dk,dcj,sm)=
(10)
否則,將數(shù)據(jù)部署在該服務(wù)器上的總能耗用(9)式計(jì)算。
GLDD算法如下。
輸入:P(ui|dk)、L(ui,dcj)、EI(ui,dcj)、Es(sm,dcj)、S(dk)。
輸出:記錄數(shù)據(jù)部署情況的矩陣Rep(dcj,sm,dk)。
Sort by ascending(S(dk));
while S(dk)!=Nil do dk=FirstElement(S(dk));
for each dcjdo
for each smin each dcjdo
if C(sm,dcj)>s(dk);
con=cost(dk,dcj,sm);
end if;
end for;
end for;
min sm=FindMinValue(con);
C(min sm,dcj)=C(min sm,dcj)-s(dk);
rep(dcj,min sm,dk)=true;
end while;
return Rep(dcj,sm,dk)
3實(shí)驗(yàn)結(jié)果與分析
通過(guò)實(shí)驗(yàn)比較GLDD和FORTE算法[22],以此來(lái)評(píng)估GLDD算法的性能。FORTE試圖平衡碳足跡、數(shù)據(jù)中心服務(wù)器能量消耗和數(shù)據(jù)訪(fǎng)問(wèn)延遲三者之間的關(guān)系,但沒(méi)有考慮網(wǎng)絡(luò)傳輸中的能耗問(wèn)題。在FORTE算法中,一個(gè)數(shù)據(jù)可能會(huì)被部署在多個(gè)數(shù)據(jù)中心的服務(wù)器上,會(huì)被部署多份,但是GLDD算法將數(shù)據(jù)只部署在一個(gè)數(shù)據(jù)中心中。并且,GLDD算法試圖獲取數(shù)據(jù)訪(fǎng)問(wèn)延遲、數(shù)據(jù)中心服務(wù)器能耗和網(wǎng)絡(luò)傳輸過(guò)程能耗三者之間的平衡。
本文以用戶(hù)到數(shù)據(jù)中心間的地理距離近似代替用戶(hù)訪(fǎng)問(wèn)數(shù)據(jù)中心的延遲。根據(jù)FORTE部署數(shù)據(jù)的策略,一個(gè)數(shù)據(jù)可能會(huì)被部署多份,如果數(shù)據(jù)足夠大,那么它將被部署到數(shù)據(jù)中心。也就是說(shuō),數(shù)據(jù)的大小應(yīng)該在最大的一些數(shù)據(jù)流內(nèi);FORTE定義了一個(gè)閾值用來(lái)表示數(shù)據(jù)是否足夠大。為了保證每個(gè)數(shù)據(jù)都能被部署在某個(gè)數(shù)據(jù)中心,可將FORTE中的比例閾值設(shè)為0。
本文考慮4種情況:① 情形1(case1),只考慮目標(biāo)函數(shù)中延遲子目標(biāo)(即λ2=λ3=0);② 情形2(case2),只考慮目標(biāo)函數(shù)中數(shù)據(jù)中心服務(wù)器能耗子目標(biāo)(即λ1=λ3=0),忽略延遲和網(wǎng)絡(luò)傳輸中能耗子目標(biāo);③ 情形3(case3),考慮延遲和數(shù)據(jù)中心服務(wù)器能耗(即λ3=0);④ 情形4(case4),考慮延遲、數(shù)據(jù)中心服務(wù)器能耗和網(wǎng)絡(luò)傳輸過(guò)程中的能耗3個(gè)因素。
假定用戶(hù)數(shù)是1 000,延遲/距離性能如圖2所示。從圖2可以看出,隨著數(shù)據(jù)量的增加,用戶(hù)到數(shù)據(jù)中心的平均距離也會(huì)增加;FORTE算法的延遲比GLDD小,因?yàn)镕ORTE算法將數(shù)據(jù)部署在多個(gè)數(shù)據(jù)中心中,使每個(gè)用戶(hù)能從最近的擁有該數(shù)據(jù)的數(shù)據(jù)中心訪(fǎng)問(wèn)該數(shù)據(jù)。GLDD在case1下能夠獲取最好的距離性能,因?yàn)樵赾ase1下距離是影響數(shù)據(jù)部署決策的唯一因素。由于case2只考慮數(shù)據(jù)中心的服務(wù)器部分能耗,忽略了距離因素,因此產(chǎn)生了最大的訪(fǎng)問(wèn)距離。GLDD在case4下的距離比case3下的距離小,因?yàn)閏ase4考慮了距離、數(shù)據(jù)中心服務(wù)器能耗和網(wǎng)絡(luò)傳輸過(guò)程中能耗3個(gè)因素,而延遲和網(wǎng)絡(luò)傳輸中的能耗都受到用戶(hù)到數(shù)據(jù)中心距離的影響。
圖2 延遲/距離性能
數(shù)據(jù)中心服務(wù)器能耗如圖3所示。
圖3 數(shù)據(jù)中心服務(wù)器能耗
由圖3可知,數(shù)據(jù)中心的能耗隨著數(shù)據(jù)量的增加而增加,因?yàn)樾枰嗟姆?wù)器來(lái)部署增加的數(shù)據(jù)。由于FORTE算法中,每個(gè)數(shù)據(jù)可能被部署在多個(gè)數(shù)據(jù)中心,而GLDD算法中每個(gè)數(shù)據(jù)僅被部署在一個(gè)數(shù)據(jù)中心,所以FORTE算法消耗的數(shù)據(jù)中心服務(wù)器能耗比GLDD的多。GLDD在case1和case2下的數(shù)據(jù)中心服務(wù)器能耗結(jié)果一樣,因?yàn)榇藭r(shí)數(shù)據(jù)中心的服務(wù)器狀態(tài)不影響數(shù)據(jù)部署代價(jià)的計(jì)算。在4種情況中,GLDD在case2下數(shù)據(jù)中心的服務(wù)器能耗最小,因?yàn)榇藭r(shí)數(shù)據(jù)中心的服務(wù)器能耗是數(shù)據(jù)部署過(guò)程中影響部署策略的唯一因素。在case1下,由于只考慮距離因素,數(shù)據(jù)會(huì)被部署到離用戶(hù)比較近的數(shù)據(jù)中心,而較近的數(shù)據(jù)中心的PUE比較大或者會(huì)消耗更多的服務(wù)器能耗。對(duì)于數(shù)據(jù)中心服務(wù)器能耗,GLDD在case3下的性能比case4好,因?yàn)閏ase3考慮了距離和數(shù)據(jù)中心服務(wù)器能耗2個(gè)因素,而case4需要考慮距離、數(shù)據(jù)中心服務(wù)器能耗和網(wǎng)絡(luò)傳輸能耗3個(gè)因素。
距離和數(shù)據(jù)中心能耗的代價(jià)和比較如圖4所示。調(diào)整λ1和λ2的值使得(3)式中第1部分和第2部分處于同一數(shù)量級(jí)范圍內(nèi),從而距離和數(shù)據(jù)中心能耗都能夠合理地影響數(shù)據(jù)部署策略。λ1和λ2分別被設(shè)置為0.000 01 和0.004 00。GLDD在4種情況下的距離和數(shù)據(jù)中心能耗總代價(jià)比FORTE少。在FORTE算法中,數(shù)據(jù)可能會(huì)被部署多份,以消耗更多數(shù)據(jù)中心能耗來(lái)?yè)Q取用戶(hù)訪(fǎng)問(wèn)數(shù)據(jù)中心距離的減少。
圖4 距離和數(shù)據(jù)中心能耗的代價(jià)和
距離、數(shù)據(jù)中心能耗和網(wǎng)絡(luò)傳輸能耗的總代價(jià)比較如圖5所示。λ1、λ2和λ3分別被設(shè)置為0.000 01、0.004 00和 0.000 000 1。與圖4結(jié)果類(lèi)似,在case3和case4下,GLDD的總代價(jià)比FORTE少,但在case1和case2下,FORTE獲得了更好的性能,因?yàn)镚LDD只會(huì)考慮距離和數(shù)據(jù)中心能耗中的一個(gè)因素,并且數(shù)據(jù)僅會(huì)被部署一份,從而增加了用戶(hù)訪(fǎng)問(wèn)數(shù)據(jù)的距離或網(wǎng)絡(luò)傳輸能耗。
圖5 距離、數(shù)據(jù)中心能耗和網(wǎng)絡(luò)傳輸能耗的總代價(jià)
4結(jié)束語(yǔ)
大規(guī)模的網(wǎng)絡(luò)應(yīng)用使用分布在不同地理位置的數(shù)據(jù)中心為世界各地的用戶(hù)提供服務(wù)。本文在解決節(jié)能數(shù)據(jù)中心的數(shù)據(jù)部署問(wèn)題時(shí),綜合考慮了用戶(hù)到數(shù)據(jù)中心的訪(fǎng)問(wèn)延遲、數(shù)據(jù)中心的能耗和網(wǎng)絡(luò)傳輸能耗3個(gè)因素,提出了一種請(qǐng)求路由方法GLDD,允許網(wǎng)絡(luò)管理和應(yīng)用者在部署數(shù)據(jù)時(shí)可以靈活地調(diào)節(jié)上述3個(gè)因素的影響。實(shí)驗(yàn)結(jié)果表明,GLDD能夠有效地減少數(shù)據(jù)中心能耗,并能在數(shù)據(jù)中心能耗、網(wǎng)絡(luò)傳輸能耗和網(wǎng)絡(luò)傳輸延遲三者之間獲得良好的平衡。
[參考文獻(xiàn)]
[1]羅軍舟,金嘉暉,宋愛(ài)波. 云計(jì)算:體系架構(gòu)與關(guān)鍵技術(shù)[J]. 通信學(xué)報(bào),2011,32(7):3-21.
[2]Koomey J. Growth in data center electricity use 2005 to 2010[M].Analytical Press,2011.
[3]Pickavet M,Vereecken W,Demeyer S,et al. Worldwide energy needs for ICT: the rise of power-aware networking[C]//International Symposium on Advanced Networks and Telecommunication Systems. IEEE,2008:1-3.
[4]Van Heddeghem W,De Groote M,Vereecken W,et al. Energy-efficiency in telecommunications networks: link-by-link versus end-to-end grooming[C]// 14th Conference on Optical Network Design and Modeling.IEEE,2010:1-6.
[5]Aleksic S. Analysis of power consumption in future high-capacity network nodes[J]. Journal of Optical Communications and Networking,2009,1(3):245-258.
[6]Gupta M,Singh S. Greening of the Internet[J]. ACM Sigcomm,2003,33(4):19-26.
[7]Christensen K,Nordman B,Brown R. Power management in networked devices[J].Computer,2004,37(8):91 - 93.
[8]Sarood O,Miller P,Totoni E,et al. “Cool” load balancing for high performance computing data centers[J]. IEEE Transactions on Computers,2012,61(12):1752-1764.
[9]Nathuji R,Schwan K. VirtualPower: coordinated power management in virtualized enterprise systems[C]//ACM Symposium on Operating Systems Principles.ACM,2007:265-278.
[10]Berl A,Gelenbe E,Girolamo M D,et al. Energy-efficient cloud computing[J]. Computer Journal,2010,53(7):1045-1051.
[11]Gunaratne C,Christensen K,Nordman B. Managing energy consumption costs in desktop PCs and LAN switches with proxying,split TCP connections,and scaling of link speed[J]. International Journal of Network Management,2005,15(5):297-310.
[12]Gunaratne C,Christensen K,Nordman B,et al. Reducing the energy consumption of Ethernet with adaptive link rate (ALR)[J].IEEE Transactions on Computers,2007,57(4):448-461.
[13]Nedevschi S,Popa L,Iannaccone G,et al. Reducing network energy consumption via sleeping and rate-adaptation[C]//Proceedings of the 5th USENIX Symposium on Networked Systems Design and Implementation. USENIX Association,2008:323-336.
[14]Yetginer E,Rouskas G N.Power efficient traffic grooming in optical WDM networks[C]//Proc GLOBECOM 2009,2009:1838-1843.
[15]Chabarek J,Sommers J,Barford P,et al. Power awareness in network design and routing[C]//The 27th Conference on Computer Communications. IEEE,2008:457-465.
[16]Lee M,Goldberg S,Kompella R R,et al. Fine-grained latency and loss measurements in the presence of reordering[C]//Proceedings of the 2011 ACM SIGMETRICS International Conference on Measurement and Modeling of Computer Systems. ACM,2011: 329-340.
[17]Yao Y,Huang L,Sharma A,et al. Power cost reduction in distributed data centers: a two-time-scale approach for delay tolerant workloads[J].IEEE Transactions on Parallel and Distributed Systems ,2014,25(1):200-211.
[18]Ren K. Optimal load balancing and energy cost management for Internet data centers in deregulated electricity markets[J]. IEEE Transactions on Parallel and Distributed Systems,2014,25(10):2659-2669.
[19]Google Data Center.Google’s data center efficiency[EB/OL].[2015-05-30].http://www.google.com/about/datacenters/efficiency/internal/index.html.
[20]EPA.EPA report to congress on server and data center energy efficiency[R].U. S. Environmental Protection Agency,2007.
[21]Baliga J,Ayre R W A,Hinton K,et al. Green cloud computing: balancing energy in processing,storage,and transport[J]. Proceedings of the IEEE,2011,99(1):149-167.
[22]Gao P X,Curtis A R,Wong B,et al.It’s not easy being green[C]//Conference on Applications,Technologies,Architectures and Protocols for Computer Communication.ACM,2012:211-222.
(責(zé)任編輯胡亞敏)
A green latency-aware data deployment algorithm in data centers
WU Jia-jia1,FAN Yu-qi2
(1.School of Educational Science,Guizhou Normal University,Guiyang 550001,China;2.School of Computer and Information,Hefei University of Technology,Hefei 230009,China)
Abstract:Large-scale Internet applications provide service to end users by routing service requests to geographically distributed servers,which may be located at different data centers. Two concerns exist in service providing by data centers. One is that users require experiencing low latency while accessing data from the data centers. The other is to reduce the power consumed by network transport and servers in the data centers. In this paper,the problem of green data deployment in the data centers is studied by taking into account the three factors of latency,energy consumption of the data centers and energy consumption of the network transport. A request-routing scheme,that is,the green latency-aware data deployment(GLDD),is proposed to allow operators to tune the three factors above during data deployment. The simulation results show that the proposed algorithm GLDD is effective in terms of the reduction of data center power consumption,as well as the trade-off among the latency of data access,the power consumption of the network transport and the data centers.
Key words:energy saving;latency awareness;energy consumption in server;energy consumption in network;data deployment
收稿日期:2015-05-26;修回日期:2015-07-01
基金項(xiàng)目:貴州省科學(xué)技術(shù)基金資助項(xiàng)目(黔科合J字LKS[2012]40號(hào))
作者簡(jiǎn)介:吳嘉佳(1980-),女,湖南辰溪人,貴州師范大學(xué)講師; 樊玉琦(1976-),男,安徽合肥人,博士,合肥工業(yè)大學(xué)副教授,碩士生導(dǎo)師.
doi:10.3969/j.issn.1003-5060.2016.06.011
中圖分類(lèi)號(hào):TP393
文獻(xiàn)標(biāo)識(shí)碼:A
文章編號(hào):1003-5060(2016)06-0772-06