Gestión autonómica de energía basada en métricas de Calidad de Servicio

Gestión autonómica de energía Gestión autonómica de energía basada en métricas de Calidad basada en métricas de Calidad

de Serviciode Servicio

Abril 2011

Ramón Medrano LlamasDaniel F. García – Joaquín Entrialgo

Contenido

1. Introducción2. Gestión autonómica de energía3. Modelado de QoS y energía4. Algoritmo de gestión energética5. Parametrización y optimización6. Pruebas y validación7. Resultados y conclusiones

Gijón, Abril 2011Área de Arquitectura y Tecnología

de Computadores2

Introducción


de Computadores3

La administración de un gran clúster es complicada

La administración es un problema multi-objetivo:

Asegurar la Calidad de Servicio (QoS)1

Minimizar el consumo energético2

Maximizar la disponibilidad y fiabilidad del servicio3

Para simplificar esta administración · · ·

- Aplicación de técnicas de gestión autonómica

- El clúster es tratado y modelado como una caja negra

Clientes

Distribuidor

Nodos

Clúster

KWh/usuario

Fallos

90-percentilTpo. respuesta

SLA

- Maximizar la simplicidad & Minimizar el consumo

Gestión autonómica de energía


de Computadores4

DISTRIBUIDOR

Nodo 1

CLÚSTER

Nodo N· · ·

CLIENTES

GESTOR DEENERGÍA

Políticas degestión

Sensor

Actuador

Garantía del SLAMínimo consumo

Carga ▲ Encender nodosCarga ▼ Apagar nodo

Sesiones: Apertura/CierreTransacciones: Tpo. Respuesta

Encendido nodos: Wake-on-LANApagado nodos: ACPI

Begin Session Transaction · · · TransactionFinish Session

Modelado de QoS y energía


de Computadores5

R1 R2 R3

N1 N2 N3

1

3

4

2

1

3

4

2

1

3

4

2

• Los modelos relacionan carga y calidad de servicio:– Número de usuarios concurrentes– 90-percentil del tiempo de respuesta

• Mediciones experimentales utilizando un inyector de carga• Ajustadas mediante un modelo polinómico• El mismo procedimiento se aplica al modelado energético:

– Los modelos reales distan de los teóricos

NNLS

Utilización de los modelos

Ri

Ni

1

3

4

2

Mi

SLA (2 s)

Acciones de gestiónCuando la carga aumenta… Cuando la carga disminuye…


de Computadores6

El administrador debe proporcionar

Estados energéticos


de Computadores7

OFF

ON

BROKEN

TURNING_ON

Decisión encendidoPaquete WoL

REPARARTransición

manual

OFF_LOADING

Decisiónapagado

TURNING_OFF

Apagadofísico

Parametrización y optimización (I)


de Computadores8

¿Cómo de crítica es la restricción de garantía del SLA?

Bajo (0.9) Bajas probabilidades derechazos en períodos transitorios

Alto (1.0) Alta probabilidad derechazo en períodos transitorios.

Con carga estacionaria ···10% capacidad desperdiciada

Con carga estacionaria ···TODA la capacidad utilizada

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Nod

e U

tiliz

ation

Cluster UtilizationNodes: 1 2 3 4 5 6 7 8 Nodes: 1 2 3 4 5 6 7 8

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Nod

e U

tiliz

ation


Parametrización y optimización (II)


de Computadores9

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Nod

e U

tiliz

ation


El Umbral de ApagadoVaría con el número de nodos

Umin es el nivel de utilización por debajo del cual todos los nodosdeben operar para que el Gestor decida apagar uno de ellos

Depende del número de nodos que estén operando:

3 nodos Umin = 0.6

2 nodos Umin = 0.45

Pero ··· La U de los nodos que quedan operandoSIEMPRE es igual 0.9 en este caso

Dos tipos de umbral de apagado Pre-apagado (variable)Post-apagado (fijo)

Parametrización y optimización (y III)


de Computadores10

Ciclo infinito de apagado/encendido(rebotes)

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Nod

e U

tiliz

ation


0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Nod

e U

tiliz

ation


Más salto Rebotes ▼Capacidad perdida ▲

Entornos de experimentación


de Computadores11

Nodos homogéneos

Inyector

Nodos heterogéneos

Distribuidor

AMDAMD

AMD AMD

IntelAMD

Intel

IntelIntel

Pruebas y validación


de Computadores12

Conclusiones

• Aportación principal: modelado del clúster como caja negra:– Garantía de cumplimiento del SLA– Sencillez–Modelos empíricos directamente

estimables– Reducido número de parámetros

(umbrales)

• Modelo de fácil integración• Investigación publicada en 3 papersGijón, Abril 2011

Área de Arquitectura y Tecnología de Computadores

13

Self-Adjustment Strategy for Models used in Autonomic Transactional Systems.García, D.F. and Valledor, P. and Entrialgo, J. and Medrano, R., et al.Proceedings of the 9th WSEAS International Conference on Applied Informatics and Communications (AIC). 2009.

A self-managing strategy for balancing response time and power consumption in heterogeneous server clusters.Garcia, D.F. and Entrialgo, J. and Garcia, J. and Garcia, M.Proceedings of the International Conference On Electronics and Information Engineering (ICEIE). 2010.

Technique for Self-Optimizing the Power Consumption of Scalable Clusters Guaranteeing Response Times.Garcia, D.F. and Medrano, R. and Entrialgo, J.Proceedings of Multi Conference on Computer Science and Information Systems (IADIS). 2011.

Trabajo futuro

• Limitaciones en el hardware disponible:– Incremento de escenarios de prueba–Múltiples tipos de servicios sintéticos

• Generación dinámica de modelos:– Reducción del tiempo de modelado inicial– Adaptación en línea

• Estados intermedios y rescate avanzado:– Ampliación del grafo de estados


de Computadores14

Gestión autonómica de energía Gestión autonómica de energía basada en métricas de Calidad basada en métricas de Calidad

de Serviciode Servicio

Gestión autonómica de energía basada en métricas de Calidad de Servicio

Documents

Transcript of Gestión autonómica de energía basada en métricas de Calidad de Servicio