[论文解读] Treehouse: A Case For Carbon-Aware Datacenter Software

Thomas Anderson, Adam Belay+3 more|arXiv (Cornell University)|Jan 6, 2022

Cloud Computing and Resource Management被引用 7

一句话总结

Treehouse 提出了一种以软件为中心的框架，通过将能源和碳排放视为首要资源，以减少数据中心的碳排放。该框架引入了能源来源追踪、支持SLA的性能-碳排放权衡接口，以及用于细粒度、高效资源分配的$μ$函数，适用于去耦合的计算与存储架构，通过智能调度和系统级优化显著降低碳足迹。

ABSTRACT

The end of Dennard scaling and the slowing of Moore's Law has put the energy use of datacenters on an unsustainable path. Datacenters are already a significant fraction of worldwide electricity use, with application demand scaling at a rapid rate. We argue that substantial reductions in the carbon intensity of datacenter computing are possible with a software-centric approach: by making energy and carbon visible to application developers on a fine-grained basis, by modifying system APIs to make it possible to make informed trade offs between performance and carbon emissions, and by raising the level of application programming to allow for flexible use of more energy efficient means of compute and storage. We also lay out a research agenda for systems software to reduce the carbon footprint of datacenter computing.

研究动机与目标

• 应对由于计算需求增长以及Dennard缩放结束而导致的数据中心碳足迹持续扩大问题。
• 使应用开发者能够理解并优化其软件决策对碳排放的影响。
• 提供系统级抽象，支持在性能与碳排放之间进行权衡。
• 通过细粒度、可互换的执行单元（$μ$函数）支持异构、去耦合的数据中心架构。
• 为云、边缘和本地环境中的系统软件制定减少数据中心碳排放的研究议程。

提出的方法

• 引入能源来源追踪，以在应用和函数级别追踪并归因能源与碳排放使用情况。
• 设计支持SLA的接口，暴露及时性约束，从而在系统调度中实现性能与碳排放的权衡。
• 提出$μ$函数作为细粒度、有状态的计算单元，可动态映射到可互换的计算与存储资源。
• 通过允许$μ$函数根据性能和能效特性，在多个计算节点和存储介质上调度，实现资源的可互换性。
• 采用基于多商品流的优化方法，协同优化计算与存储资源的部署，以最小化能源消耗，同时满足SLA要求。
• 在时间窗口内采用基于截止时间与利他主义的调度策略，以利用工作负载的时间灵活性，降低能源消耗。

Figure 1: Application demands for energy is growing faster than energy efficiency improvements we can achieve. Treehouse takes a software-centric approach to reduce this gap.

实验结果

研究问题

• RQ1 在共享的数据中心环境中，如何使应用和函数级别的能源与碳排放使用变得可见并可度量？
• RQ2 需要哪些系统抽象，才能使开发者和运维人员能够就性能与碳排放之间的权衡做出明智决策？
• RQ3 细粒度、可互换的执行单元（$μ$函数）如何提升去耦合数据中心中的硬件利用率并减少能源浪费？
• RQ4 哪些调度策略能够有效协同优化计算与存储资源分配，在满足应用SLA的同时最小化碳排放？
• RQ5 如何利用应用工作负载的时间灵活性，通过智能、能源感知的调度策略降低能源消耗？

主要发现

• 目前，应用开发者无法看到数据中心中的能源与碳排放使用情况，缺乏评估设计选择环境影响的工具。
• Dennard缩放的终结以及摩尔定律的放缓意味着能效提升不再自动实现，亟需新的软件驱动解决方案。
• 通过多商品流公式，可协同优化可互换的计算与内存资源，以最小化总能源消耗，同时满足SLA要求。
• 采用基于截止时间与利他主义的调度策略，在时间窗口内调度工作负载，可有效利用工作负载灵活性，降低能源与碳排放。
• $μ$函数抽象支持根据访问模式、及时性要求和能效特性，将工作负载动态映射到最优硬件资源。
• 能源感知调度可通过优先使用低碳能源，并将非紧急工作负载推迟到可再生能源供应更高的时段，实现显著的碳减排。

Figure 2: Treehouse focuses on reducing the carbon footprint for tasks with sub-second SLAs. Due to these latency constraints, the energy optimizations available are those within the same datacenter. Prior work has considered relocating batch jobs (e.g., analytics) to datacenters with greener source