Managing Server Clusters on Renewable Energy Mix
Managing Server Clusters on Renewable Energy Mix
复制标题
管理可再生能源组合的服务器集群
DOI：
10.1145/2845085
复制
发表时间：
2016-04
影响因子：
2.7
通讯作者：
Li Tao
中科院分区：
文献类型：
--
作者：
Li Chao;Wang Rui;Qian Depei;Li Tao
随着气候变化成为全球关注的问题，服务器能源需求持续飙升，许多IT公司已经开始探索使用各种可再生能源的服务器集群。现有的绿色数据中心设计通常会产生次优性能，因为它们只考虑某种特定类型的能源。本文探讨了由混合可再生能源系统供电的数据中心。我们提出了GreenWorks，这是一个运行在可再生能源组合上的HPC数据中心框架。具体而言，GreenWorks具有跨层电源管理方案，可针对不同能源的时序行为和容量限制进行定制。使用现实的工作负载跟踪和可再生能源数据，我们表明，GreenWorks可以提供一个接近最佳的工作负载性能（在3%的差异）平均。与最先进的设计相比，它还可以将最坏情况下的性能下降降低43%。此外，性能改进基于碳中和操作，并且不会以显著的效率降低和电池寿命缩短为代价。当服务器变得更节能时，我们的技术变得更高效，并且可以有效地处理绿色数据中心中不断增加的可再生能源渗透深度。
As climate change has become a global concern and server energy demand continues to soar, many IT companies have started to explore server clusters running on various renewable energy sources. Existing green data center designs often yield suboptimal performance as they only look at a certain specific type of energy source. This article explores data centers powered by hybrid renewable energy systems. We propose GreenWorks, a framework for HPC data centers running on a renewable energy mix. Specifically, GreenWorks features a cross-layer power management scheme tailored to the timing behaviors and capacity constraints of different energy sources. Using realistic workload traces and renewable energy data, we show that GreenWorks could provide a near-optimal workload performance (within 3% difference) on average. It can also reduce the worst-case performance degradation by 43% compared to the state-of-the-art design. Moreover, the performance improvements are based on carbon-neutral operations and are not at the cost of significant efficiency degradation and reduced battery lifecycle. Our technique becomes more efficient when servers become more energy proportional and can effectively handle the ever-increasing depth of renewable power penetration in green data centers.
登录
查看更多内容
DOI：
10.1145/1736020.1736047
发表时间：
2010-03
期刊：
--
影响因子：
--
作者：
Steven Pelley;David Meisner;Pooya Zandevakili;T. Wenisch;Jack Underwood
通讯作者：
Steven Pelley;David Meisner;Pooya Zandevakili;T. Wenisch;Jack Underwood
影响因子：
4.5
作者：
Chao Li;Rui Wang;Tao Li;D. Qian;Jingling Yuan
通讯作者：
Chao Li;Rui Wang;Tao Li;D. Qian;Jingling Yuan
DOI：
--
发表时间：
2005
期刊：
--
影响因子：
--
作者：
H. Bindner;T. Cronin;Per Lundsager;J. Manwell;U. Abdulwahid
通讯作者：
H. Bindner;T. Cronin;Per Lundsager;J. Manwell;U. Abdulwahid
DOI：
10.1145/2751205.2751215
发表时间：
2015-06
期刊：
Proceedings of the 29th ACM on International Conference on Supercomputing
影响因子：
--
作者：
Yiqing Hua;Chao Li;W. Tang;Li Jiang;Xiaoyao Liang
通讯作者：
Yiqing Hua;Chao Li;W. Tang;Li Jiang;Xiaoyao Liang
DOI：
10.1109/rtss.2007.48
发表时间：
2007-12
期刊：
28th IEEE International Real-Time Systems Symposium (RTSS 2007)
影响因子：
--
作者：
Jin Heo;D. Henriksson;Xue Liu;T. Abdelzaher
通讯作者：
Jin Heo;D. Henriksson;Xue Liu;T. Abdelzaher