互联网数据中心的低谷地理填充

为降低数据中心能耗与成本，当前实践已考虑按需比例资源配置方案，即根据请求负载开启或关闭服务器。现有工作大多仅考虑即时（互联网）请求，并显式或隐式地假定这些请求对延迟敏感。另一方面，数据中心中存在大量延迟容忍型作业，如后台/维护作业。本文明确区分延迟敏感型作业与延迟容忍型作业，并聚焦于利用延迟容忍型作业填充数据中心额外容量的问题，即所谓的低谷/谷底填充。在赋予延迟敏感型作业更高优先级的前提下，我们的方案是对现有大多数按需比例资源配置方案的补充。我们的目标是设计既能效高又能实现良好延迟性能的智能低谷填充机制。具体而言，我们提出两种联合动态速度调节与流量转移方案：一种基于次梯度，另一种基于队列。我们的方案仅需极少的系统统计信息，而这类信息在实践中通常难以获取。两种方案均通过动态速度调节、统计复用、电价差异和服务效率差异实现能源成本节约。此外，基于队列的方案通过基于队列状况的负载转移与容量分配实现了良好的延迟性能。本文考虑了数据中心网络中可能出现的实际问题，包括容量与带宽约束、服务敏捷性约束以及负载转移成本。我们使用人工与真实数据中心轨迹对所提方案进行了评估。