Título
Modelo de energía basado en la concentración de tareas heterogéneas y diseño de estrategias de consolidación en cómputo en la nube
Heterogeneous Jobs Concentration Energy Model and Consolidation Strategies in Cloud Computing
Autor
FERMIN ALBERTO ARMENTA CANO
Colaborador
ANDREY CHERNYKH (Asesor de tesis)
Nivel de Acceso
Acceso Abierto
Materias
Eficiencia energética, Modelo de energía, Tipos de aplicaciones, Contención de recursos, Medición de energía, Planificación de tareas - (AUTOR) Energy Efficiency, Energy model, Type of applications, Contention, Energy measurement, Scheduling - (AUTOR) INGENIERÍA Y TECNOLOGÍA - (CTI) CIENCIAS TECNOLÓGICAS - (CTI) TECNOLOGÍA DE LOS ORDENADORES - (CTI) HEURÍSTICA - (CTI) HEURÍSTICA - (CTI)
Resumen o descripción
La ejecución de tareas que comparten recursos de hardware en un mismo servidor, puede crear contención en el uso compartido de CPU, memoria, disco o red. Lo cual conduce a la degradación del desempeño del sistema e incrementan el consumo energético. En esta tesis, presentamos un modelo de energía novedoso analizando el consumo de energía de un servidor al ejecutar diferentes clases de aplicaciones. Definimos el modelo de energía en un escenario realístico al ejecutar cargas de trabajo heterogéneas. Consideramos aplicaciones intensivas en CPU y memoria. El modelo de energía propuesto considera el consumo energético durante la ejecución de cada tipo de tarea, así como el consumo energético al ejecutar combinaciones entre los diferentes tipos de tareas. Cada tipo de tarea requiere diferentes partes del hardware contribuyendo de forma diferente al consumo de energía total del sistema. En este trabajo, se considera el consumo de energía en función de la utilización del CPU y la concentración de diferentes clases de tareas. Analizamos múltiples algoritmos de planificación de tareas los cuales requieren diferente tipo y cantidad de información. Diseñamos estrategias de calendarización novedosas que consideran el agrupamiento de trabajos heterogéneos. Validamos la calidad de cada estrategia realizando un análisis detallado utilizando cargas de trabajo reales en diferentes escenarios con ayuda del simulador Cloudsim. El modelo de estimación de energía propuesto se basa en mediciones del consumo de energía a nivel del procesador con la herramienta likwid-powermeter y a nivel del servidor con la unidad especializada de distribución de energía (PDU). Finalmente, en este trabajo se demuestra que las estrategias propuestas mejoran la eficiencia energética con respecto a estrategias clásicas de la literatura. Las principales aportaciones de esta tesis son las siguientes: Construimos el perfil energético de diferentes tipos de trabajo y sus combinaciones. Detectamos una reducción en el consumo de energía del servidor cuando se considera el equilibrio de concentración de aplicaciones en el procesador. Identificamos cómo la degradación del rendimiento afecta el consumo de energía cuando se produce contención de recursos. Diseñamos estrategias que asignan trabajos en servidores para minimizar la contención de recursos. Finalmente, evaluamos el rendimiento de 10 estrategias de asignación de recursos por medio de experimentación.
An execution of similar jobs in shared infrastructure could create a resource contention either in CPU, memory, disk and network. It causes degradation of the system performance and increased energy consumption. In this paper, we analyze a server energy consumption, when it executes CPU-intensive and memory-intensive applications. We define a power consumption model for realistic scenarios of heterogeneous workload. Our model takes into account power consumption of individual jobs and their combinations. Different types of applications exploit different hardware and contribute differently to the total power consumption. We consider power consumption as a function of CPU utilization and job concentration. We analyze several scheduling algorithms depending on the type and amount of information they require. We propose novel heterogeneous job consolidation policies and validate them by a comprehensive evaluation analysis on real data in different scenarios using CloudSim toolkit. The energy consumption is measured at processor level with likwid-powermeter and at the server level with a specialized power distribution unit. We demonstrate that our solutions outperform known state-of-the-art strategies. The key contributions of this thesis are the following. We construct the energy profile of different job types and their combinations. We propose an energy model that consider the job concentration. We detect a reduction in a server energy consumption when the balance of concentration of applications in the same processor is considered. We identify how performance degradation affects the energy consumption when contention occurs. We design strategies that allocate jobs on servers to minimize resource contention and finally, we evaluate the performance of 10 resource allocation strategies using experimentation.
Editor
CICESE
Fecha de publicación
2018
Tipo de publicación
Tesis de doctorado
Recurso de información
Formato
application/pdf
Idioma
Español
Sugerencia de citación
Armenta Cano, F.A. 2018. Modelo de energía basado en la concentración de tareas heterogéneas y diseño de estrategias de consolidación en cómputo en la nube. Tesis de Doctorado en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 87 pp.
Repositorio Orígen
Repositorio Institucional CICESE
Descargas
998