Applications that need to be processed on resources of shared server recently show various resource request forms (CPU speed oriented, memory band oriented, storage size oriented), request processing time is several seconds several seconds, several days several days, multiple times Interest in building and operating a large-scale computing infrastructure is exploding increasing as it is displayed on an inter-scale. As a result, management of the latest data centers, which possess hundreds to tens of thousands of high-performance computing servers, is one of the core technologies of the modern IT industry. Data Center has a market size of more than US$ 15 billion on 2016 basis. However, an explosive increase in the energy consumption cost due to the improvement of the computing capacity of the data center has emerged as a serious problem. The modern data center is the same as 25,000 households energy consumption of the level required. Based on the general o詮긟e environment, data centers are reported using the same area of up to 100-200 times more power. The energy consumption cost required for the data center is doubled every 5 years. In addition, the enormous energy consumption cost accompanying the increase in the amount of power usage is a major obstacle to the expansion of the scale of the data center and the improvement of the applied service quality.
In this dissertation, we classify the method for reducing the energy consumption cost of the data center into four major categories. Initially it is a method to adaptively control the amount of electric power to be supplied to the data center by forcibly setting a logical budget (power budget). In this method, Allocate center computing resources logically adjust the size of the computing server by mon-itoring and analyzing the usage patterns and power consumption of resources of the applications being received and processed. This method guarantees fine granularity, but for large data centers It is diffi-cult to exhibit a fast response speed. Secondly, the way to utilize feedback-based control techniques to achieve real-time power usage adjustment has received much attention. However, this method is based on multi-tenant based writing on virtualized resources. For business management, it is difficult to apply it all at once. The third method is to actively utilize renewable energy, generated from nature such as the sun, wind power, which is inexpensive to produce, to supply electricity from the data center. Renewable energy. . . etc, however, Supply quantity changes based on the geographical position of the center (on-site basis), and the supply pattern has a form of a graph oscillating along the flow of time. These supply instability and intermittency not only make it difficult to achieve reliable application service quality as-surance. The lifetime of the data center hardware infrastructure can also be adversely affected. The final approach is to use a polymorphic approach to differentiate the quality of service by providing different modes of operation based on the priority of the application assigned to the data center. This method has the advantage of efficiently reducing the energy consumption of the data center and being able to respond to the variable power budget and the application workload in real time. In this dissertation, we will focus on the last method and finally restrictive power budget provided a management framework that can achieve efficient energy consumption reduction of data centers owned.
In this dissertation, we propose power consumption control technology to ensure sophisticated real-time performance of large-scale cloud data center and explain the modeling method and algorithm accompanying this. The purpose of the method proposed in this dissertation is to give to the cloud data center the maximize utilization of the computing server while observing the constraints of power budget. In order to secure the service level agreement (SLA) required by the user of the cloud service, the proposed method uses a power budget, it can be efficiently distributed and extended to each server. In this dissertation, the main items that contributed technically are as follows.
• Hybrid cloud data center power management system
– Cloud data center power Balancing Manager, Power Distributor Manager (PDM): PDM mon-itors the size of the power budget, the performance of applications that are operated in the computing server that can be used in the dynamically changing data center Most It aims to derive the variance of enemy’s fighting resources. For this reason, the PDM periodically sees resource allocation of virtual machine instances (virtual machine instances) placed on the cloud server’s gen hypervisor (Xen-hypervisor)
– Cloud application performance - Cloud server power consumption converter, Resource To Power (RTP) converter: RTP converter converts the performance level of cloud service ap-plication of different metric and the power consumption of allocated server It plays a role of mapping. Through the mapping function defined in the RTP converter, the cloud data cen-ter administrator can elaborate estimate the power supply amount compared to the required application service quality.
• In case Dynamic Allocation of Power Transmission Path in Integrated Data Center Based on Adaptive Uninterruptable Power Supply (UPS) Switching.
– Switching Techniques UPS providing recognizes the current state of idle servers (idle server) and the activation server for each server racks allocated (server rack) (active server), dynam-ically distributed UPS connection Reconstruct. For this reason, the technique derives the optimal connection or release policy of the circuit of the DC / AC converter located inside each UPS distributed via the central controller Automatic Transfer Switch (ATS).
• Cloud server power management
– Provide a server power consumption model based on the performance of heterogeneous com-puting servers in the cloud data center and the size of the computing resources allocated to each virtual machine instance. For this reason, we define the CPU as an important component of the power consumption of the server Based on the high CPU frequency level (frequency level), elaborate power consumption.
– Provide a local power controller, Local Power Controller (LPC) in conjunction with PDM and UPS which is the central controller. This controller proposes Gain scheduling based on the technology of the high level feedback control theory and assigns to each server Thereby making it possible to set an appropriate physical resource corresponding to the specified logically usable power resource.
– Provide vCPU Tuner which can adjust the performance component of virtual CPU. For each instance of each virtual machine, determine the virtual CPU core frequency level and the CPU credit level at the same time to obtain the target power consumption To be derived. For this reason, we provide Multi Input Single Output (MISO) based power modeling with frequency and credit variables as input values and output size of power consumption.
The scope of this dissertation is to improve the power consumption efficiency of the data center under the constraint of the power budget. Aim for energy center efficient data center in cloud environment. The publication position is based on the power management level of the data center, that is, the size of the data center and the individual server I put emphasis. For example, we used a hybrid data center power management system with two levels of control system to handle data center level power efficiency. Here, the PDM operates at the microscopic level of operation of the data center, and UPS integration contact Gun Bop manages the data center active and shutdown UPS module via the dynamic power allocation path of the integrated data center based on adaptive UPS switching. On the other hand, we use two main components, power and control at the server level Model possibilities. There are MISOSPM and LPCFreqSchd for each power modeling and power control. We use Resource To Power (RTP) converters, which are used to convert the virtual machine’s resource requirements to the typical amount of power shown in the power demand Is defined. The biggest advantage of this RTP converter is that the computing requirements of the virtual machine are recognized as the amount of power used to distribute power between servers in the data center.
최근 공유 서버 자원 위에서 처리되어야 하는 응용들이 다양한 자원 요구 형태(CPU 속도 지향, 메모리 대역 지향, 스토리지 크기 지향) 를 보이고, 요구 처리 시간이 수 초(few seconds) 에서 수 일(several days) 까지 다중 시간 스케일로 나타남에 따라 대규모 컴퓨팅 인프라 구축 및 운영에 대한 관심이 폭발적으로 증가하고 있다. 결과적으로 수백대에서 수만대 이상의 고성능 컴퓨팅 서버를 보유한 최신 데이터 센터에 대한 관리는 현대 IT 산업의 핵심 기술 중 하나가 되었으며, 2016 년 기준으로 152억불 이상의 시장 규모를 가진다 [ref]. 그러나 데이터 센터의 컴퓨팅 능력 향상에 의한 폭발적인 에너지 소비 비용 증가가 심각한 문제로 부상하고 있다. 현대의 데이터센터는 25,000 가구와 동일한 수준의 에너지 소비량을 요구한다. 일반적인 오피스 환경을 기준으로 데이터 센터는 동일 면적에 대해 최고 100-200 배 이상의 전력을 사용하는 것으로 보고된다 [ref]. 데이터 센터에 필요한 에너지 소비 비용은 매 5년마다 2배씩 증가하고 있다. 전력 사용량 증가에 따른 막대한 에너지 소비 비용은 데이터 센터 규모 확장 및 응용 서비스 품질 향상에 큰 걸림돌이 되고 있다.
본 논문은 데이터 센터의 에너지 소비 비용을 절감하기 위한 방법을 크게 4 가지로 분류한다. 첫째는 논리적인 값인 전력 예산(power budget)을 강제하여 데이터 센터에 공급하는 전력량을 적응적으로 제어하는 기법이다. 이 방법은 데이터 센터의 컴퓨팅 자원을 할당받아 처리되는 응용들의 자원 사용 패턴 및 전력 소비량을 모니터링 및 분석하여 컴퓨팅 서버 규모를 논리적으로 조정한다. 이 방법은 높은 미립도(fine granularity)를 보장하지만 대규모 데이터 센터에 대해서는 빠른 응답 속도를 보이기 어렵다는 단점이 있다. 두번째로는 실시간 전력 사용량 조정을 달성하기 위해서 피드백 기반 제어 기법을 활용하는 방법론이 큰 주목을 받고 있다. 그러나 이 방법은 가상화 된 자원 위에서 멀티 테넌트 기반의 서비스 관리에 대해서는 일괄적으로 적용하기 어려운 문제점을 가지고 있다. 세 번째 방법은 태양열이나 풍력과 같이 생산 비용이 저렴한 신재생 에너지를 적극적으로 활용하여 데이터 센터 전력을 공급하는 것이다. 그러나 신재생 에너지는 데이터 센터의 지리적 위치에 따라 공급량이 달라지고 (on-site 기준), 또한 공급 패턴은 시간의 흐름에 따라 진동하는 그래프 형태를 가진다. 이러한 공급 불안정성 및 간헐성은 신뢰성있는 응용 서비스 품질 보장을 달성하기 어렵게 만들 뿐 아니라 데이터 센터 하드웨어 인프라의 수명에도 악영향을 끼칠 수 있다. 마지막 방법은 다형성 접근 방식으로서 데이터 센터에 할당된 응용들의 우선 순위(priority)에 따라 이종의 동작모드를 제공하여 서비스 품질을 차별화하는 것이다. 이 방법은 데이터 센터의 에너지 소비량을 효율적으로 절감함과 동시에, 가변적인 전력 예산 및 응용 워크로드에 대해서도 실시간으로 대응할수 있다는 장점을 가진다. 본 논문에서는 마지막 방법에 초점을 맞추며, 궁극적으로 제한적인 전력 예산을 가지는 데이터센터에 대해 효과적으로 에너지 소비량 절감을 달성할 수 있는 관리 프레임워크를 제안한다.
본 논문에서는 대규모 클라우드 데이터 센터에 대해 정교하면서도 실시간성을 보장하는 전력 소비량 제어 기법을 제안하며 이에 수반하는 모델링 기법 및 알고리즘을 설명한다. 본 논문에서 제안하는 기법의 목표는 클라우드 데이터 센터에 주어진 전력 예산 제약을 준수하면서도 컴퓨팅 서버의 이용률(utilization)을 최대화하는 것에 있다. 제안하는 기법은 클라우드 서비스 사용자가 요구하는 서비스 협약 수준(service level agreement;SLA)을 보장하기 위해 전력 예산을 각 서버로 효율적으로 분산 및 확장할 수 있다. 본 논문에서 기술적으로 기여한 주요 항목은 다음과 같다.
• 하이브리드 클라우드 데이터 센터 전원 관리 시스템
- 클라우드 데이터 센터를 위한 전력 분산 관리자, Power Distributor Manager (PDM): PDM 은 동적으로 변하는 데이터 센터 가용 전력 예산 크기 및 각 컴퓨팅 서버에서 운용되는 응용들의 성능을 모니터링하여 최적의 전력 자원 분산을 도출하는 것을 목표로 한다. 이를 위해 PDM 은 클라우드 서버의 젠 하이퍼바이저 (Xen-hypervisor) 위에 배치된 가상 머신 인스턴스(virtual machine instance)의 자원 할당량을 주기적으로 보고 받는다.
- 클라우드 응용 성능 - 클라우드 서버 전력 소비량 변환기, Resource To Power (RTP) converter: RTP converter 는 서로 다른 metric 인 클라우드 서비스 응용 성능 수준과 할당된 서버의 전력 소비량을 매핑해주는 역할을 수행한다. RTP converter 에서 정의된 매핑 함수를 통하여 클라우드 데이터 센터 관리자는 요구되는 응용 서비스 품질 대비 전력 공급량을 정교하게 추정할 수 있다.
• 적응형 Uninterruptable Power Supply (UPS) 스위칭에 기반한 통합 데이터 센터의 전원 전달 경로의 동적 할당.
- 제안하는 UPS 스위칭 기법은 할당된 각 서버 랙(server rack)의 유휴 서버(idel server)와 활성화 서버(active server)현황을 인지하여 분산된 UPS connection 을 동적으로 재구성한다. 이를 위해 제안한 기법은 중앙 컨트롤러인 Automatic Transfer Switch (ATS) 를 통해 분산된 각 UPS 의 내부에 위치한 DC/AC converter 의 circuit 에 대한 최적의 연결 혹은 해제 정책을 도출한다.
• 클라우드 서버 전원 관리
- 클라우드 데이터 센터의 이종의 컴퓨팅 서버 성능 및 각 가상 머신 인스턴스에 할당된 컴퓨팅 자원 크기를 기반으로 하는 서버 전력 소비 모델링을 제안한다. 이를 위해 서버 전력 소비량의 핵심 컴포넌트로서 CPU 를 정의하고 CPU 주파수 수준(frequency level)을 기반으로 전력 소비량을 정교하게 도출한다.
- 중앙 컨트롤러인 PDM 및 UPS 와 연동된 로컬 전원 컨트롤러, Local Power Controller(LPC)를 제안한다. 본 컨트롤러는 하이레벨 피드백 제어 이론 기술을 기반으로 하는 Gain 스케쥴링을 제안하여 개별 서버에게 주어진 논리적인 가용 전력 자원에 대응하는 적절한 물리적 자원 세팅을 수행할 수 있도록 한다.
- 가상 CPU 의 성능 구성 요소를 조정할 수 있는 vCPU Tuner 를 제안한다. 각 가상 머신 인스턴스에 대해 가상 CPU 코어 주파수 수준과 CPU 크레디트(credit) 수준을 동시에 결정하여 목적으로 하는 전력 소비량을 도출할 수 있도록 한다. 이를 위해 주파수와 크레디트 변수를 입력값으로 전력 소비 크기를 출력값으로 하는 Multi Input Single Output (MISO) 기반 전력 모델링을 제안한다.
이 논문의 범위는 전력 예산 제약 하에서 데이터 센터의 전력 소비 효율을 향상시키는 것이다. 에너지 효율적인 클라우드 환경 데이터 센터를 지향한다. 논문 게재 위치는 데이터 센터의 전력 관리 수준, 즉 데이터 센터 규모 및 개별 서버에 중점을 둔다. 예를 들어, 데이터 센터 수준의 전력 효율을 처리하기 위해 두 가지 수준의 제어 시스템을 갖춘 하이브리드 데이터 센터 전력 관리 시스템을 사용했다. 여기서 PDM은 데이터 센터 운영의 미시적 레벨에서 작동하며 UPS 통합 접근법은 어댑티브 UPS 스위칭을 기반으로하는 통합 데이터 센터의 동적 전력 배분 경로를 통해 데이터 센터의 액티브 및 셧다운 UPS 모듈을 관리한다. 반면에 우리는 두 가지 주요 구성 요소를 사용하여 서버 수준에서 전력 소비 및 제어 가능성을 모델링한다. 각각 전력 모델링 및 전력 제어를위한 MISOspm 및 LPCfreqschd이다. 우리는 가상 머신의 리소스 요구 사항을 전력 수요로 표시된 대표적인 전력량으로 변환하는 데 사용되는 RTP (Resource To Power) 컨버터를 정의한다. 이 RTP 변환기의 가장 큰 장점은 가상 컴퓨터의 컴퓨팅 요구 사항이 데이터 센터의 서버 간 전원 분배에 사용되는 전력량으로 인식된다는 것이다.
