[论文解读] Energy-Efficient Scheduling of HPC Applications in Cloud Computing Environments

Saurabh Garg, Chee Shin Yeo+2 more|ArXiv.org|Sep 7, 2009

Cloud Computing and Resource Management参考文献 32被引用 61

一句话总结

本文提出了一种针对地理分布式云数据中心中HPC工作负载的近似最优、多目标调度策略，利用动态电压调节（DVS）以及在能源成本、碳排放和CPU效率方面的异质性。该方法在保持高利润的同时，实现了高达30%的节能效果并减少了碳排放，通过启发式元调度策略（如MCE-MCE和MP-MP）优于仅关注利润或仅关注能效的策略。

ABSTRACT

The use of High Performance Computing (HPC) in commercial and consumer IT applications is becoming popular. They need the ability to gain rapid and scalable access to high-end computing capabilities. Cloud computing promises to deliver such a computing infrastructure using data centers so that HPC users can access applications and data from a Cloud anywhere in the world on demand and pay based on what they use. However, the growing demand drastically increases the energy consumption of data centers, which has become a critical issue. High energy consumption not only translates to high energy cost, which will reduce the profit margin of Cloud providers, but also high carbon emissions which is not environmentally sustainable. Hence, energy-efficient solutions are required that can address the high increase in the energy consumption from the perspective of not only Cloud provider but also from the environment. To address this issue we propose near-optimal scheduling policies that exploits heterogeneity across multiple data centers for a Cloud provider. We consider a number of energy efficiency factors such as energy cost, carbon emission rate, workload, and CPU power efficiency which changes across different data center depending on their location, architectural design, and management system. Our carbon/energy based scheduling policies are able to achieve on average up to 30% of energy savings in comparison to profit based scheduling policies leading to higher profit and less carbon emissions.

研究动机与目标

• 解决托管HPC工作负载的云数据中心日益增长的能耗与碳排放问题。
• 开发能够平衡经济（利润）与环境（碳排放）可持续性的调度策略，适用于异构且全球分布的数据中心。
• 通过考虑各地区动态因素（如能源成本、碳排放率、工作负载和CPU功耗效率）优化资源分配。
• 在不损害云HPC环境中作业截止时间或盈利能力的前提下，降低总体能耗和碳排放。

提出的方法

• 将多数据中心调度问题建模为以利润和能效/碳效率为核心的双目标优化问题。
• 提出启发式元调度策略，如GMCE、MCE-MCE、MP-MP和MCE-MP，每种策略优先考虑成本、排放和性能的不同组合。
• 应用动态电压调节（DVS）以降低CPU电压和频率，从而减少能耗，同时确保作业满足截止时间要求。
• 在MCE-MCE和MP-MP等策略中采用两阶段贪心方法，以平衡作业紧迫性、能耗成本和碳排放约束。
• 通过与利润和能效效率的理论下限和上限进行对比，验证策略性能。
• 将真实世界中数据中心特性的可变性——如与地理位置相关的能源价格、碳强度和冷却效率——整合进调度逻辑中。

实验结果

研究问题

• RQ1 如何在多个地理分布的数据中心中提升云HPC工作负载的能效？
• RQ2 哪些调度策略能够同时降低能耗和碳排放，同时为云服务提供商维持高利润？
• RQ3 动态电压调节（DVS）的集成如何影响异构数据中心中的节能效果和作业截止时间合规性？
• RQ4 在能源成本、碳排放率和工作负载紧迫性变化的条件下，哪种元调度策略表现最佳？
• RQ5 与仅关注利润或仅关注能效的策略相比，多目标调度在多大程度上可减少总体能耗和排放？

主要发现

• 所提出的基于DVS的调度策略相较于基于利润的调度策略，平均实现30%的节能效果，显著降低了能耗和碳排放。
• MCE-MCE策略在能源成本变化较小且工作负载紧迫性适中的场景下，能有效降低碳排放，同时保持高利润水平。
• 在电价波动较大的情况下，MP-MP策略表现最佳，展现出在动态市场条件下的卓越成本效率。
• GMCE策略在数据中心能效变化较大的环境中表现最优，展现出强大的适应能力。
• 表现最佳的启发式策略在利润方面接近理论最优上界（误差小于1%），表明在复杂真实场景中具有近乎最优的性能。
• 动态电压调节（DVS）平均可将能耗成本降低33%，即使在CPU频率降低的情况下，作业仍能按时完成。