面向云计算数据中心的能耗建模

陈卓+蔡宁

摘 要：云计算数据中心中的能耗建模，是了解计算机能耗的重要形式，同时也是预测能耗需求的手段。文章以此为前提，重点分析了面向云计算数据中心的能耗模型建立，希望能够为广大从业人员提供参考。

关键词：云计算数据中心；能耗；建模；计算机

所谓能耗模型，即云数据中心的构成要素.云数据中心是不断运转的，在这样强大的运转下，用户以及管理人员必须要对计算机能耗进行了解，如此才能采取针对性的方式对其进行调节，进而实现能效优化的目的。为了更加有效的实现计算机能耗问题的解决，需要对能耗模型特点进行了解，以此完成能耗建模。为此，文章对其进行了分析。

一、节点能耗建模

1.计数器性能方面

其实对于数据计算而言，Intel处理器早就利用特殊数据模块对数据计数器进行了引入，这些引进的计数器在数据中心运行时会自动进行选择性计算，通过指令、缓存以及页表缓存等环节实现数据的计算指令方面，可以利用能耗以及监视事件的对比了解到，指令出现周期一般都是能耗受到比较大的影响，一旦处理器执行某一指令时，便会同时运行多个计算单元，进而形成非常大的能耗。

缓存方面，数据中心内部的缓存指令一般会被分为几个阶段，也就是缓存指令与缓存数据信息、缓存指令以及数据共享形式、数据信息以及处理器信息共享。

页表方面，所谓页表缓存，与普通的缓存指令不同，主要是为了更改网络虚拟地址运转回率，并且提升用户访问内存信息速度，通过这一部分计算机能耗。

通过相关资料可知，在能耗模型原则的基础上，数据中心节点能耗模型公式为

这一公式中，C0是正常运算数列，P1是为收集数列，C1是i计算事件影响因素，其中C0与C1能够利用线性回归计算获得。

2.收集线性能力计数器相关数据

深入分析当前所使用技术，可以发现数据收集过程中能够运用的工具有很多，十分常见的主要有Oprofile和Pert，数据收集时对这些工具加以运用，能够保证数据收集的全面性。且这些相关工具除了能够发现处理器性能中的不足，也能够运用收集所得数据和信息实现对比，对處理器运转问题进行预测。

二、使用率能耗建模

通过上文分析可知，Inetl处理器在运转流程中引进计数器，这并非是当前所有处理器都能够满足的要求，且处理器的型号不同，其差异也比较大。另外，其中一些较为特殊的应用程序依然处在为运行的状态下，如此便无法有效获得信息。所以，如此不能顺利的在性能计数器对应用程序扩散领域进行预测。

在这以前，因为线性模型的质量较好，且操作也十分简单，对资源使用率以及能耗等进行分析时，这种模型的运用率会比较大。一旦建模因子为独立状态，那么线性回归模型则是最为合适的模型，然而在使用率方面的效果却相对较差，且体现出非常强的依赖性。在处理器升级的影响下，能耗和资源使用率二者的关系也出现了变化，已经逐渐脱离了原来单一的线性关系。如此一来，证明以往线性模型的预测也会存在偏差，并且对预测质量造成影响。

数据采样时，必然会收集到多样化的系统负载信息，一般这些信息都储存于处理器和网络硬盘中。因为采样主要是为了进行更为高效率能耗模型的建立，所以，采集数据信息时，只需要相对应的数据文件，将系统中剩余部分当作常量，按照以往的研究和其他资料，了解处理器和内心占据能耗。

1.CPU使用率

在整个计算机系统内部，CPU既是使用率最高的部分，也是耗能最大的计算机元件，然而由于CPU本身具备调节功能，所以为CPU在系统其他部件的竞争中体现了优势。所以，利用对CPU工作状态的了解，对中心能耗问题进行控制，以此实现节能，是诸多方法中最为有效的方式。且传统能耗模型中，部分能耗模型与CPU运行状态之间关联较大。由此，便可以按照以下两种CPU使用率能耗模型公式进行建模：

2.内存

通过对当前相关研究资料的分析发现，内存是计算机中耗能也比较大的计算机元件，在其运行时占据总耗能的 ，然而就实际情况分析，内存并非是计算机中最为耗能的部件。通过实验可知，内存部件频率为1323、4G的内存，Gbit的功率是4W，然而因为CUP运用的是多核心技术，加之其中各个核心都要以2倍或是超过2倍的内存作为支撑，才可以维持云数据中心内部虚拟机的有效运行，在这之后便会提升整体的耗电力。现在使用频率最大的内存以交替储存形式为主，一旦内存空间空闲，那么便会按照内存情况使其进入待机，若一段时间之后依然无反应，那么内存便会关闭。所以，各个单独能耗量虽然在减少，但是影响时间却实现了递增。通过实际观察可知，内存能耗和CPU能耗为正比关系，也就是一旦CPU使用率得到提升，那么内存能耗也就会不断提高，这样一来就会将CPU使用率降低，从而降低内存运转过程中产生的能耗。以下即内存能耗的线性公式。

三、结语

综上所述，通过能耗模型的建立，能够详细的了解计算机能耗，并且对计算机能耗进行预测，从而实现计算机的平稳运行。

参考文献：

[1]魏振春，朱赛，卫星，韩江洪.基于服务模式切换的数据中心能耗最小化问题研究[J].合肥工业大学学报（自然科学版），2015，06：752-758.

[2]李翔，姜晓红，吴朝晖，叶可江.绿色数据中心的热量管理方法研究[J].计算机学报，2015，10：1976-1996.

[3]林闯.云计算中虚拟数据中心的服务质量的优化控制[J].科技创新导报，2016，01：172-173.endprint