结合系统指标与机器学习的虚拟服务器数据驱动能耗估计
机器学习
2025-09-15 v1
摘要
本文提出了一种基于机器学习的方法,用于在无法访问物理功率测量接口的情况下估计虚拟服务器的能耗。利用从客户虚拟机收集的资源利用率指标,我们训练了一个梯度提升回归器来预测通过主机上的 RAPL 测量的能耗。我们首次通过在不同工作负载上的实验,证明了在无需特权主机访问的情况下,仅基于客户机资源的能耗估计是可行的,实现了高预测准确度和解释方差(),表明了客户机侧能耗估计的可行性。这种方法可以实现虚拟化环境中的能耗感知调度、成本优化以及独立于物理主机的能耗估计。我们的方法解决了虚拟化环境(如云)中无法直接测量能耗的关键空白。
引用
@article{arxiv.2509.09991,
title = {Data-Driven Energy Estimation for Virtual Servers Using Combined System Metrics and Machine Learning},
author = {Amandip Sangha},
journal= {arXiv preprint arXiv:2509.09991},
year = {2025}
}