云平台上基于预测的电力超额订阅
分布式、并行与集群计算
2020-10-30 v1
摘要
数据中心设计者依赖对 IT 设备功耗的保守估计来配置资源。这使得资源利用率不足，并需要建设更多数据中心。先前的工作已使用功率封顶来削平罕见的功率峰值，并向数据中心添加更多服务器，从而超额订阅其资源并降低资本成本。当工作负载及其服务器放置位置已知时，这种方法效果良好。遗憾的是，在公有云中这些因素未知，迫使提供商限制超额订阅以免性能受到影响。在本文中，我们认为提供商可以利用对工作负载性能关键性与虚拟机（VM）资源利用率的预测来提高超额订阅。这带来了诸多挑战，例如从黑盒 VM 中识别性能关键工作负载、创建对关键性感知的功耗管理支持，以及在限制封顶影响的同时提高超额订阅。我们针对 Microsoft Azure 的硬件与软件基础设施应对这些挑战。结果表明，我们实现了超额订阅 2 倍提升，同时对关键工作负载影响最小。
引用
@article{arxiv.2010.15388,
title = {Prediction-Based Power Oversubscription in Cloud Platforms},
author = {Alok Kumbhare and Reza Azimi and Ioannis Manousakis and Anand Bonde and Felipe Frujeri and Nithish Mahalingam and Pulkit Misra and Seyyed Ahmad Javadi and Bianca Schroeder and Marcus Fontoura and Ricardo Bianchini},
journal= {arXiv preprint arXiv:2010.15388},
year = {2020}
}