RARE：数据中心中可再生能源感知的资源管理

对数字服务需求的指数级增长导致了数据中心巨大的能源消耗和负面的环境影响。推动针对紧迫的能源和数字基础设施挑战的可持续解决方案至关重要。几家超大规模云提供商已宣布计划使用可再生能源为其数据中心供电。然而，将可再生能源整合以为数据中心供电具有挑战性，因为发电是间歇性的，需要采取方法来应对电力供应的波动。在这种复杂的动态绿色数据中心环境中，手工设计基于特定领域启发式的调度器以满足特定目标函数既耗时、昂贵，又需要领域专家进行大量调优。绿色数据中心需要智能系统和系统软件，通过智能地使计算适应可再生能源发电来利用多种可再生能源（风能和太阳能）。我们提出了 RARE（可再生能源感知资源管理，Renewable energy Aware REsource management），这是一种深度强化学习（DRL）作业调度器，它能够自动学习有效的作业调度策略，同时持续适应数据中心复杂的动态环境。所得的 DRL 调度器在不同工作负载下优于启发式调度策略，并能适应可再生能源的间歇性电力供应。我们展示了 DRL 调度器系统设计参数，当正确调优时，可产生更好的性能。最后，我们证明了 DRL 调度器可以使用离线学习从现有启发式策略中学习并加以改进。