ZCCloud: Exploring Wasted Green Power for High-Performance Computing
ZCCloud: Exploring Wasted Green Power for High-Performance Computing
复制标题
ZCCloud：探索浪费的绿色电力以实现高性能计算
DOI：
--
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
A. Chien
中科院分区：
文献类型：
--
作者：
Fan Yang;A. Chien
在超级计算机中心，可用的电力、冷却或碳足迹通常会限制超级计算机的性能。我们提出了一种继续扩展的新方法，可以避免许多这些限制，用另一种仅使用“浪费”的可再生能源（即搁浅电力）的系统来增强传统系统。这种多余的电力无法通过电网经济地分配，并且只能间歇性地提供。我们将这种方法称为零碳云（ZCCloud）。我们使用简单的定期模型探索不可靠资源与 DOE HPC 生产工作负载的潜在好处，并确定最受益的作业类型（能力作业和准时作业）。效益随任务系数和资源数量而变化。接下来，为了创建“搁浅电力”的现实模型，我们研究了 28 个月的中部大陆独立系统运营商 (MISO) 电力市场历史（1,259 台发电机，7700 万台，每 5 分钟一次）。我们发现机会各不相同，但最好的单个风场可以提供 80% 的占空比和 20MW 的平均滞留功率。合并站点进一步提高占空比。通过 MISO 研究中的资源波动性模型，我们模拟了 DOE HPC 生产工作负载，发现搁浅的 HPC、ZCCloud 可以提供显着的优势，将平均作业等待时间减少 50%。
In supercomputer centers, available power, cooling, or carbon footprint often limits supercomputer performance. We propose a new approach to continue scaling that avoids many of these limits, augmenting a traditional system with another that employs only "wasted" renewable power, stranded power. This excess power cannot be economically distributed through grid, and is only intermittently available. We call this approach Zero-carbon Cloud (ZCCloud). We explore the potential benefits of unreliable resources with production DOE HPC workloads using a simple periodic model, and identify job types that benefit most (capability jobs and on-time jobs). The benefits scale with duty factor and resource quantity. Next, to create realistic models of "stranded power" we study 28 months of Mid-continent Independent System Operator (MISO) power market history (1,259 generators, 77 million 5-minute intervals). We find that opportunity varies, but the best single wind site can provide 80% duty factor, and 20MW average stranded power. Combining sites further improves duty factor. With resource volatility models from the MISO study, we simulate production DOE HPC workloads and find that stranded power HPC, ZCCloud, can provide significant benefit, decreasing average job-wait time by 50%.
DOI：
10.1177/1094342010391989
发表时间：
2011-02-01
影响因子：
3.1
作者：
Dongarra, Jack;Beckman, Pete;Yelick, Kathy
通讯作者：
Yelick, Kathy