[论文解读] Energy and Performance-Can a Wimpy-Node Cluster Challenge a Brawny Server?

Daniel Schall, Theo Härder|arXiv (Cornell University)|Jul 1, 2014

Cloud Computing and Resource Management参考文献 16被引用 5

一句话总结

本文在OLTP和OLAP工作负载下，针对能源效率和性能，将一组轻量级（wimpy）节点集群——WattDB，与单台高性能（brawny）服务器进行了对比。该集群可根据工作负载需求动态调整节点数量，在低至中等利用率下，能源消耗最高可降低50%，尤其在低至中等利用率场景下表现优异，且在使用工作负载预测时，性能损失可接受。

ABSTRACT

Traditional DBMS servers are usually over-provisioned for most of their daily workloads and, because they do not show good energy proportionality, waste a lot of energy while underutilized. A cluster of small (wimpy) servers, where the number of nodes can dynamically adjust to the current workload, might offer better energy characteristics for these workloads. Yet, clusters suffer from "friction losses" and may not be able to quickly adapt to the workload, whereas a single, brawny server delivers performance instantaneously. In this paper, we compare a small cluster of lightweight nodes to a single server in terms of performance and energy efficiency. We run several benchmarks, consisting of OLTP and OLAP queries at variable utilization to test the system's ability to adjust to the workloads. To quantify possible energy saving and its conceivable drawback on query runtime, we evaluate our implementation on a cluster as well as on a single, brawny server and compare the results w.r.t. performance and energy consumption. Our findings confirm that - based on the workload - energy can be saved without sacrificing too much performance.

研究动机与目标

• 评估动态可扩展的轻量级节点集群是否能在保持可接受性能的前提下，优于单台高端服务器的能源效率。
• 研究分布式系统中网络通信与协调开销带来的“摩擦损耗”对查询性能的影响与能源节约之间的权衡。
• 评估工作负载可预测性与预测技术对集群能源效率和响应时间的影响。
• 在真实世界的OLTP和OLAP工作负载下，比较集群数据库管理系统（WattDB）与传统单体数据库管理系统在能源消耗和查询吞吐量方面的表现。
• 确定在何种工作负载条件下，尽管存在固有的“摩擦损耗”，基于集群的方案仍能提供更优的能源比例性。

提出的方法

• 实现了WattDB，一个运行在通用、Amdahl平衡的轻量级节点上的研究原型分布式弹性数据库管理系统，具备动态扩展能力。
• 使用TPC-C和TPC-H基准测试评估OLTP和OLAP工作负载在不同利用率水平下的表现，以模拟真实世界数据库工作负载。
• 采用工作负载预测技术，提前预判负载变化并主动扩展集群规模，从而减少响应时间惩罚。
• 在不同利用率水平下测量能源消耗与查询性能，并将集群与单台高性能服务器进行对比。
• 评估静态与基于预测的集群扩展策略，以分析主动资源分配对能源与性能的影响。
• 通过总能耗（Wh）、吞吐量（每秒查询数）和每查询平均能耗（mJ/查询）量化能源效率，并采用对数可视化方法进行对比。

实验结果

研究问题

• RQ1 在典型数据库工作负载下，轻量级节点集群是否能实现优于单台高性能服务器的能源效率？
• RQ2 与单体系统相比，分布式数据库管理系统中网络通信与协调开销带来的“摩擦损耗”对查询性能有何影响？
• RQ3 工作负载预测在多大程度上能提升动态扩展集群的性能与能源效率？
• RQ4 在何种工作负载条件下，集群的能源节约优势能够超过其相对于高性能服务器的性能劣势？
• RQ5 在低利用率水平下，能源比例性在集群与集中式系统中如何体现，尤其在低利用率场景？

主要发现

• 在低至中等利用率工作负载下，轻量级节点集群的功耗低于高性能服务器的一半，单位查询的能源消耗显著更低。
• 在OLAP工作负载下，由于协调开销极低，集群的能源效率优于单体服务器，尤其在低利用率时表现更优。
• 在OLTP工作负载下，由于同步与协调开销，集群性能最高比高性能服务器慢一个数量级，但工作负载预测显著缩小了这一差距。
• 在工作负载预测支持下，集群在更低能源消耗下实现了与高性能服务器相当的性能，尤其在高负载场景下表现突出。
• 在20%至50%利用率范围内，集群的能源效率显著优于单体服务器，而该范围正是许多真实世界数据库应用的典型利用率区间。
• 尽管预测准备阶段功耗较高，但整体能源效率仍因更优的负载匹配和更少的空闲能耗浪费而得到提升。