With more and more workloads in the cloud data center, the power consumed by computing resources is rapidly increasing in cloud data center. As the cost of consumed power increases, it is necessary to efficiently manage the power consumption due to the computing resources in data center. However, it becomes difficult to manage computing resources energy efficiently because the performance of each computing resource varies according to the hardware specification and its energy consumption may be different. In order to predict the performance (application execution time) and energy consumption of computing resources, many variable relationships must be considered. Therefore, it is impossible to select a server within a time limit. To overcome these limitations, existing Power Efficiency Rank-based heuristic algorithms measure the performance and energy consumption of all computing resources according to various applications. Therefore, it is difficult to manage a lot of computing resources in data center. To overcome these problems, we propose a power consumption-adaptive resource group control scheme to manage cloud resources energy efficiently. Each server is represented by a performance index and a power index, and then servers having similar performance index or power index are grouped. In order to derive information on performance (application execution time) and power consumption of each group, a group profiling process is performed, and a genetic algorithm is applied based on the preliminary information to allocate the requested applications to the server. Our proposed scheme measures and analyzes the performance (task execution time) and power consumption for various operation patterns such as CPU and IO compared to the existing schemes. By reducing the time spent on the pre-profiling process for obtaining information of each server, it showed that the cloud resources can be managed energy-efficiently.
클라우드 데이터 센터에 점점 더 많은 워크로드가 발생하면서 데이터 센터 내부의 컴퓨팅 자원들로 인해 소모되는 전력이 급격히 증가하고 있다. 소모되는 전력에 대한 비용이 증가함에 따라 데이터 센터 내의 컴퓨팅 자원으로 인한 전력 소비를 효율적으로 관리할 필요가 있다. 하지만 각 컴퓨팅 자원의 성능이 하드웨어 스펙에 따라 다르게 되고, 그 에너지 소비량 또한 다를 수 있기 때문에 컴퓨팅 자원을 에너지 효율적으로 관리하는 것이 어렵게 된다. 또한 컴퓨팅 자원의 성능(응용 실행 시간) 및 에너지 소비량을 예측하기 위해서는 많은 변수 관계를 고려해야 되기 때문에 제한 시간 내에 서버를 선정하지 못하는 NP-난해 문제가 될 수 있다. 이러한 한계를 극복하기 위한 기존의 Power Efficiency Rank 기반 휴리스틱 알고리즘은 여러 응용에 따른 모든 컴퓨팅 자원의 성능 및 에너지 소모를 측정하기 때문에 많은 컴퓨팅 자원을 보유하고 있는 실제 데이터 센터의 경우에는 해당 알고리즘을 적용하는 것에 어려움이 따른다. 이러한 문제점들을 극복하면서 에너지 효율적으로 클라우드 자원을 관리하기 위한 전력 소비 적응적 자원 그룹 제어 기법을 제안하였다. 각 서버를 성능 지표와 전력 지표로 나타낸 후, 성능 지표 또는 전력 지표가 비슷한 서버들을 한 그룹으로 묶는다. 각 그룹 별 성능(응용 실행 시간) 및 전력 소비에 대한 정보를 도출하기 위해 그룹 프로파일링 과정을 거친 후, 이 사전 정보를 기반으로 유전 알고리즘을 적용하여 요청된 응용들을 서버에 할당하였다. 제안하는 기법은 CPU 뿐만 아니라 IO 등 다양한 작업 패턴에 대해서 기존 기법과 비교하여 에너지 및 작업 수행 시간 관점에서 성능을 측정 및 분석 하였고, 각 서버에 대한 사전 정보를 얻기 위한 프로파일링 과정에 소모되는 시간을 줄임으로써 에너지 효율적인 클라우드 자원 관리를 이룰 수 있음을 보였다.
