面向網(wǎng)絡(luò)服務(wù)器集群的節(jié)能機(jī)制研究

【摘要】：隨著科技的發(fā)展,計(jì)算機(jī)在各行業(yè)的應(yīng)用日益廣泛,很多行業(yè)對計(jì)算機(jī)性能要求日益增加。大規(guī)模服務(wù)器集群在為科研、工作、生活帶來便利的同時(shí),也帶來一個(gè)嚴(yán)峻的問題——巨大的能耗。能耗問題對于服務(wù)器集群來說是個(gè)重大的問題,因?yàn)樗粌H是一臺(tái)或是一群服務(wù)器消耗能源的問題,還直接影響到系統(tǒng)的冷卻需求、備用設(shè)備的冷卻需求,以及備用發(fā)電設(shè)備的需求。盡管很多地方投入大量資金用于解決供電問題,但是基本上所有的發(fā)電技術(shù)都對環(huán)境有巨大的副作用。無論從互聯(lián)網(wǎng)的角度,還是從整個(gè)社會(huì)的角度,集群的節(jié)能問題都已經(jīng)成為一個(gè)非?，F(xiàn)實(shí)、嚴(yán)峻的問題。 對于系統(tǒng)級(jí)的節(jié)能調(diào)度算法有比較成熟的策略,如動(dòng)態(tài)電源管理策略(DPM)、動(dòng)態(tài)電壓和頻率調(diào)整策略(DVFS)、動(dòng)態(tài)電壓調(diào)整策略(DVS)等。這幾種策略在系統(tǒng)級(jí)節(jié)能層次上應(yīng)用的很成功,但并不適合用在服務(wù)器集群層次上。適用于集群層面的節(jié)能策略是目前業(yè)界研究的熱點(diǎn)問題,出現(xiàn)的比較早的策略是比例積分微分反饋控制策略(PID)和負(fù)載集中策略(LC)等。隨著集群系統(tǒng)構(gòu)造的復(fù)雜化、集群提供業(yè)務(wù)的多樣化,這兩種節(jié)能策略的有效性在降低。動(dòng)態(tài)集群配置是根據(jù)網(wǎng)絡(luò)中負(fù)載情況動(dòng)態(tài)地調(diào)整服務(wù)器規(guī)模,在最小系統(tǒng)功耗下實(shí)現(xiàn)最優(yōu)的服務(wù)性能。本文提出了基于預(yù)測的動(dòng)態(tài)集群配置策略,該方法根據(jù)網(wǎng)絡(luò)中服務(wù)請求的歷史信息,運(yùn)用最小均方誤差(LMS)和遞歸最小二乘(RLS)預(yù)測未來時(shí)刻服務(wù)請求情況,根據(jù)負(fù)載請求與集群處理能力來決策服務(wù)器規(guī)模的增減,動(dòng)態(tài)地調(diào)節(jié)服務(wù)器集群中計(jì)算機(jī)的開啟與關(guān)斷。 另外,文中對于計(jì)算密集型服務(wù)器集群提出了特殊的集群配置策略。根據(jù)超負(fù)率提供有QoS保證的服務(wù),我們將節(jié)能問題抽象為約束最優(yōu)化問題,即在保持超負(fù)率低于某個(gè)期望閾值的情況下,最小化激活的服務(wù)節(jié)點(diǎn)數(shù)目。估計(jì)超負(fù)率采用的數(shù)學(xué)工具是大偏差理論,通過這個(gè)算法來決策集群中服務(wù)節(jié)點(diǎn)的開啟/關(guān)閉狀態(tài)?；诖笃钏惴ǖ臎Q策方法只需要關(guān)注當(dāng)前集群中的負(fù)載情況即可,而無需關(guān)心負(fù)載業(yè)務(wù)的歷史統(tǒng)計(jì)信息。本策略的另一個(gè)優(yōu)勢是,通過迭代的方法調(diào)整工作態(tài)的服務(wù)器,而不是直接確定工作態(tài)服務(wù)節(jié)點(diǎn)的數(shù)目。 實(shí)驗(yàn)仿真中,我們使用了Hebrew University of Jerusalem的Parallel Workloads系統(tǒng)的用戶trace數(shù)據(jù),用真實(shí)的網(wǎng)絡(luò)集群用戶訪問數(shù)據(jù)檢驗(yàn)調(diào)度策略的可行性和優(yōu)越性。 【關(guān)鍵詞】：服務(wù)器集群 節(jié)能 負(fù)載在線預(yù)測 RLS算法 LMS算法
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：TP393.05
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第1章 緒論10-14
• 1.1 研究背景10-11
• 1.2 本課題的現(xiàn)實(shí)意義11-12
• 1.3 國內(nèi)外研究概況12
• 1.4 研究方法與目標(biāo)12-13
• 1.5 本文內(nèi)容安排13-14
• 第2章 相關(guān)節(jié)能技術(shù)14-18
• 2.1 引言14
• 2.2 DPM 算法14-15
• 2.2.1 基于閾值的算法14-15
• 2.2.2 基于預(yù)測的算法15
• 2.2.3 基于隨機(jī)控制的算法15
• 2.3 DVFS 算法15-16
• 2.4 DVS 算法16
• 2.5 PID 算法16-17
• 2.6 LC 算法17-18
• 第3章 負(fù)載在線預(yù)測技術(shù)18-36
• 3.1 引言18
• 3.2 負(fù)載預(yù)測的特點(diǎn)18-19
• 3.2.1 負(fù)載預(yù)測的不準(zhǔn)確性19
• 3.2.2 負(fù)載預(yù)測的條件性19
• 3.3 負(fù)載預(yù)測的基本原理19-20
• 3.4 負(fù)載預(yù)測算法概述20-22
• 3.4.1 ARMA 算法20
• 3.4.2 基于神經(jīng)網(wǎng)絡(luò)算法20-21
• 3.4.3 基于卡爾曼濾波算法21-22
• 3.4.4 基于小波分析算法22
• 3.5 LMS 算法預(yù)測22-27
• 3.5.1 LMS 應(yīng)用場景22-23
• 3.5.2 LMS 基本原理23-27
• 3.5.3 LMS 基本步驟27
• 3.6 RLS 算法預(yù)測27-31
• 3.6.1 RLS 應(yīng)用場景27-28
• 3.6.2 RLS 基本原理28-30
• 3.6.3 RLS 基本步驟30-31
• 3.7 LMS、RLS 預(yù)測負(fù)載31-36
• 3.7.1 LMS 預(yù)測負(fù)載31-32
• 3.7.2 RLS 預(yù)測負(fù)載32-36
• 第4章 動(dòng)態(tài)集群節(jié)能配置36-52
• 4.1 服務(wù)器集群模型36-38
• 4.1.1 集群節(jié)能機(jī)制架構(gòu)36-37
• 4.1.2 集群功能層次37
• 4.1.3 服務(wù)節(jié)點(diǎn)運(yùn)行狀態(tài)37-38
• 4.2 服務(wù)遷移策略38-41
• 4.2.1 服務(wù)遷移簡介38-41
• 4.2.2 集群節(jié)能中的服務(wù)遷移41
• 4.3 負(fù)載業(yè)務(wù)調(diào)度策略41-47
• 4.3.1 集群規(guī)模調(diào)整模型41-43
• 4.3.2 業(yè)務(wù)調(diào)度策略43-44
• 4.3.3 定時(shí)器設(shè)定44
• 4.3.4 服務(wù)節(jié)點(diǎn)增加策略44-46
• 4.3.5 服務(wù)節(jié)點(diǎn)減少策略46-47
• 4.4 算法仿真分析47-52
• 4.4.1 仿真數(shù)據(jù)47-49
• 4.4.2 LMS 算法仿真49-50
• 4.4.3 RLS 算法仿真50-52
• 第5章 計(jì)算密集型集群節(jié)能配置52-72
• 5.1 引言52
• 5.2 系統(tǒng)模型52-54
• 5.3 超負(fù)率估算54-58
• 5.3.1 超負(fù)率的概念54
• 5.3.2 超負(fù)率預(yù)測模型54-56
• 5.3.3 超負(fù)率預(yù)測方法56-58
• 5.4 集群配置58-72
• 5.4.1 集群配置算法58-60
• 5.4.2 服務(wù)器調(diào)度策略60-61
• 5.4.3 模型的實(shí)現(xiàn)61-63
• 5.4.4 算法性能分析63-65
• 5.4.5 實(shí)驗(yàn)結(jié)果分析65-70
• 5.4.6 結(jié)論70-72
• 第6章 結(jié)束語72-74
• 6.1 論文總結(jié)72
• 6.2 研究展望72-74
• 參考文獻(xiàn)74-78
• 致謝78-80
• 攻讀碩士期間發(fā)表的論文及其它成果80

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

基于相關(guān)函數(shù)的遞推最小二乘算法及其在回波消除中的應(yīng)用    高鷹,謝勝利

基于TMS320C6201的RLS算法在波束形成中的應(yīng)用    花東來,王華斌,姚萌

基于思維進(jìn)化的集群作業(yè)調(diào)度方法研究    薛正華;劉偉哲;董小社;伍衛(wèi)國;

華碩:用科技推動(dòng)科技    

WSSUS衰落信道下的跟蹤算法研究    師小琳;

DEC的目標(biāo):帶寬和集群    

基于遞推最小二乘濾波器的語音增強(qiáng)    陳嘉偉,胡光銳

升級(jí)集群——IBM發(fā)布高性能運(yùn)算增強(qiáng)工具    一揚(yáng);

負(fù)載均衡技術(shù)在WAP網(wǎng)關(guān)中的應(yīng)用    沙波;劉杰;

單機(jī)容錯(cuò)為CIO解心疾    馮磊;

肌電信號(hào)中心電噪聲的自適應(yīng)濾波    路國華;楊芳;

一種針對循環(huán)平穩(wěn)信號(hào)的變遺忘因子RLS算法    李蕊;史小衛(wèi);王新懷;

基于RLS算法的非最小相位自適應(yīng)逆控制    吳言鳳;吳正國;李華;

容錯(cuò)技術(shù)在寶鋼過程控制系統(tǒng)的應(yīng)用    黃福明;

基于噪聲對消原理的畸變電流檢測    劉瑋;徐殿國;

一種新的服務(wù)器集群系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)    李波;潘清;

RLS算法在CDMA系統(tǒng)中的應(yīng)用    宋昕;汪晉寬;韓英華;

一種基于RLS算法的自適應(yīng)數(shù)字預(yù)失真器    杜春慧;夏威;何子述;

風(fēng)機(jī)系統(tǒng)基于PLS法的神經(jīng)網(wǎng)絡(luò)辨識(shí)模型辨識(shí)與仿真    姜志順;郭慶鼎;

醫(yī)院信息系統(tǒng)的集成管理    魯秀明;

中低端市場爭奪升級(jí)    賽迪顧問計(jì)算機(jī)產(chǎn)業(yè)研究中心

刀片服務(wù)器邁向主流    劉波

競爭壓力增大 UNIX市場呈下滑趨勢    溫越嶺

不中用的集群    宋家雨

SMB也可擁抱刀片服務(wù)器    本報(bào)記者 祁金華

省錢的服務(wù)器集群    清水

服務(wù)器集群技術(shù)助力網(wǎng)絡(luò)游戲    劉芳

在服務(wù)器集群上輕裝奔跑    

警惕服務(wù)器虛擬化的陷阱    清水譯

IA服務(wù)器變身“找油尖兵”    

流媒體集群系統(tǒng)復(fù)制存儲(chǔ)策略研究    衛(wèi)星

混沌時(shí)間序列分析方法研究及其應(yīng)用    李天舒

自調(diào)度集群網(wǎng)絡(luò)服務(wù)的研究與實(shí)現(xiàn)    王曉川

流媒體服務(wù)系統(tǒng)中接入控制與緩存策略的研究    李靖

分布式數(shù)據(jù)流處理的算子調(diào)度與負(fù)載平衡研究    鄧華鋒

iSCSI OSD存儲(chǔ)系統(tǒng)端到端服務(wù)質(zhì)量支持策略研究    蘇勇

基于新型分布式視頻點(diǎn)播架構(gòu)的流媒體調(diào)度技術(shù)研究    智英建

多輸出神經(jīng)元模型的多層前向神經(jīng)網(wǎng)絡(luò)及其應(yīng)用    沈艷軍

空間信息網(wǎng)絡(luò)訪問模式——G/S模式研究    俞曉

云計(jì)算數(shù)據(jù)中心結(jié)構(gòu)及其調(diào)度機(jī)制研究    劉曉茜

合作式Web集群緩存系統(tǒng)的研究與實(shí)現(xiàn)    王昭

服務(wù)器集群系統(tǒng)高可用性研究及管理軟件的實(shí)現(xiàn)    鄭偉

基于LINUX平臺(tái)的服務(wù)器集群的架構(gòu)和實(shí)現(xiàn)性研究    呂其元

基于Linux集群的可伸縮電子郵件系統(tǒng)的研究    胡軍

面向網(wǎng)絡(luò)服務(wù)器集群的節(jié)能機(jī)制研究    劉斌

利用文件優(yōu)化分配實(shí)現(xiàn)Web服務(wù)器集群負(fù)載均衡的研究    李定鎖

基于隨機(jī)Petri網(wǎng)的Web服務(wù)器集群動(dòng)態(tài)負(fù)載均衡算法研究    梁彪

企業(yè)即時(shí)通訊系統(tǒng)服務(wù)器的設(shè)計(jì)與實(shí)現(xiàn)    杜松波

基于隨機(jī)高級(jí)Petri網(wǎng)模型的服務(wù)器均衡集群研究    劉兆明

服務(wù)器集群負(fù)載平衡技術(shù)的研究    閔娟娟