摘要:近年来,随着云计算技术及其应用的迅速发展,云数据中心的数量和规模都大幅度增加。与此同时,云数据中心的高...近年来,随着云计算技术及其应用的迅速发展,云数据中心的数量和规模都大幅度增加。与此同时,云数据中心的高能耗问题也愈发的严重。因此,数据中心的能耗管理逐渐成为云计算领域的热点研究方向。其中能耗建模方法和相应的能耗测算机制是最基础的研究工作。本文首先对面向服务器、组件和虚拟机三种粒度对象的能耗测算方法和能耗模型做了调研和分析,通过调研和分析指出了现有能耗模型的特点和不足。针对现有数据中心的异构性、高扩展性和能耗监控部署成本高的特点,阐述了面向数据中心能耗建模的三个建模目标:高扩展性、高适应性和高准确性。受到现有模型的不足和建模目标的启发,本文提出了一种基于利用率的幂指函数CPU能耗模型,该模型仅使用利用率和一个常量参数来描述CPU能耗随利用率的变化情况。该模型在拥有较好的准确率的同时,降低了模型训练难度和简化了监控系统部署。本文还进一步探究磁盘能耗与性能的关系,提出一种基于状态划分的磁盘能耗模型。通过几个关键阈值区分磁盘顺序读写和随机读写状态,使得磁盘能耗测算更为准确。基于以上研究和分析,同时针对现有云数据中心能耗测算系统研究的不足,本文设计和实现了一种基于多部件的面向异构云环境的服务器分布式能耗测算系统Distributed Energy Meter(简称DEM)。DEM使用了基于硬件感知的CPU能耗模型选择计算方法,同时支持模型参数动态可调,使得能耗测算更为准确。DEM还采用了基于周期性推送和事件触发推送相结合的通信模式,使得DEM分布式通信架构轻量且高效。同时DEM实现多粒度对象的能耗测算,包括物理服务器、虚拟机、容器和进程四种粒度对象。最后本文不仅使用PC Mark和Sysbench中的综合负载测试对提出的DEM进行了CPU能耗模型/磁盘能耗模型和集群能耗测试,也使用自定义的负载脚本对虚拟机和容器能耗模型进行了验证。实验结果表明提出的DEM系统不仅可以实现异构云环境下的云服务器的能耗测算,且具有良好的能耗测算精度。更多还原显示全部