ThermoSim：基于深度学习的云计算环境热感知资源管理建模与仿真框架
分布式、并行与集群计算
2020-05-11 v2
摘要
当前的云计算框架托管了数百万台以不同虚拟机（VM）形式利用云计算资源的物理服务器。云数据中心（CDC）基础设施需要大量能源来提供大规模计算服务。计算节点产生大量热量，进而需要冷却单元来消除这些热量的影响。因此，CDC 的总体能耗在服务器与冷却单元上都急剧增加。然而，当前的工作负载分配策略未考虑对温度的影响，且仿真 CDC 的热行为具有挑战性。亟需一个热感知框架来仿真和建模节点行为，并衡量可能受其温度影响的重要性能参数。在本文中，我们提出一个轻量级框架 ThermoSim，用于云计算环境热感知资源管理的建模与仿真。本工作提出了一种基于循环神经网络的 CDC 深度学习温度预测器，ThermoSim 利用它在受限云环境中进行轻量级资源管理。ThermoSim 扩展了 CloudSim 工具包，有助于分析在执行工作负载的云资源管理过程中各类关键参数（如能耗、SLA 违例率、VM 迁移次数与温度）的性能。此外，使用所提出的 ThermoSim 框架测试了不同的能耗感知与热感知资源管理技术，以针对现有框架进行验证。实验结果表明，所提框架能够建模与仿真 CDC 的热行为，且 ThermoSim 框架在能耗、成本、时间、内存使用与预测精度方面优于 Thas。
引用
@article{arxiv.2004.08131,
title = {ThermoSim: Deep Learning based Framework for Modeling and Simulation of Thermal-aware Resource Management for Cloud Computing Environments},
author = {Sukhpal Singh Gill and Shreshth Tuli and Adel Nadjaran Toosi and Felix Cuadrado and Peter Garraghan and Rami Bahsoon and Hanan Lutfiyya and Rizos Sakellariou and Omer Rana and Schahram Dustdar and Rajkumar Buyya},
journal= {arXiv preprint arXiv:2004.08131},
year = {2020}
}
备注
Accepted in Journal of Systems and Software