面向云计算平台的系统使用率的能耗模型分析

王文娟

摘 要：为了对云计算系统的能耗进行优化，文章提出了一种基于系统使用率的云计算平台能耗模型，并对其具体构建与设计进行了分析，测试结果表明该能耗模型可以有效降低系统能耗。

关键词：云计算；系统使用率；能耗模型

如何提高云计算系统的能耗测量和管理水平，是当前的云计算技术领域中的研究热点，基于系统使用率的云计算平台能耗模型具有较好的优化节能效果，值得推广和应用。

1 云计算平台系统能耗模型介绍

为了保证云计算平台系统能耗模型科学性及合理性，在构建模型时需要遵循相应的原则。首先，应该保证能耗模型测量数据的全面性和完整性，覆盖到整个云计算系统。其次，设计合理的能耗优化算法，确保能耗模型测量的精准性。同时，能耗模型要能够适用于不同类型的云计算系统中，并且可以根据当前采集到的数据对云计算系统的能耗进行预测。最后，能耗模型中的数学模型要具备较强的灵活性，可以随云计算系统的变化做出相应的调整，并且要尽量简单化，方面进行计算[1]。

2 基于系统使用率的云计算平台能耗模型

2.1 系统CPU使用率能耗模型

CPU使用率在云计算系统能耗中占有很大比例，加强对CPU使用率的控制，是降低云计算系统能耗的一种有效手段。如果用线性关系式表示云计算系统CPU使用率能耗模型，则存在公式P=M+i*Ncpu，其中M和I分别表示云计算系统的网络能耗数据以及CPU使用率能耗数据的经验数值。但是随着云计算技术的不断发展以及相关研究的不断深入，发现CPU使用率能耗与系统能耗之间的关系，已经不能用线性关系式来表示，所以对原有能耗模型公式进行了改进，将其调整为非线性关系，即P=M+i*NCPU+j*NCPU，其中j和N分别是不同的影响因子。

2.2 系统内存使用率能耗模型

内存使用率也是影响云计算系统能耗的主要因素之一，主要体现在系统硬件能耗方面，因内存使用率所造成了能耗最高可以占到系统总能耗的70%左右。内存本身的能耗较低，但是由于CPU处理器的运行方式为多核技术，需要耗费更多的内存才能保证虚拟机的正常运行，所以，便会造成内存使用率能耗的增加[2]。因为内存使用率与CPU处理器有关，所以两者之间的能耗呈正比关系，即内存使用率能耗会随着CPU使用率能耗的升高而变大，如果用数学模型来表示两者之间的关系，则存在公式P=M+i*NCPU+j*NMEMORY。

2.3 系统存储使用率能耗模型

在特定情况下，由存储使用率所造成的能耗最高可以达到系统总能耗的65%。在一个云计算系统中往往会存在多个存储磁阵，并且每个存储磁阵都可以随系统升级而进行扩展，虽然可以提高云计算系统的并行能力、增加数据吞吐量，但是系统的存储使用率耗能也会随之升高。并且，多个存储磁阵的运行方式为同轴共转，再加上云计算系统自身的安全保护技术，都会使存储使用率能耗增加。当前，一般使用不同调节功能的磁盘降低系统存储使用率能耗，闪存技术也是一种比较常用的存储节能方式。在构建存储使用能耗模型的时候，如果将存储磁阵作为主要影响因素，则存储使用率与云计算系统的能耗存在线性关系式为P=M+i*NCPU+j*NDISK。

在得到云计算系统的CPU、内存及存储使用率能耗的非线性关系之后，便可以对能耗变量与资源使用率进行回归分析，最终得到的非线性目标函数为f（x）=W·？准（x）+b，其中x表示资源使用率。如果通过该函数将一组试验数据映射到高维线性特征空间，并在数学关系式中引入弹性因子，则可以得到云计算系统的最优化能耗模型为：

3 基于系统使用率的云计算平台能耗模型设计及测试

在得到云计算系统使用率与能耗之间的非线性模型之后，便需要设计科学的模型构建方法，然后对能耗模型进行测试，验证能耗模型是否可以实现减耗节能效果。

3.1 基于系统使用率的云计算平台能耗模型设计

在对云计算系统能耗模型进行设计的时候，以Linux内核处理器为例，因为CPU处理器的使用率与內核中的全局变量jiffies有关，jiffies所表示的时钟节拍数便是CPU的具体使用率，所以可以通过采样法，利用变量jiffies得到CPU在某一段时间内的使用率。在得到CPU使用率之后，可以利用process/information文件中的数据及参数，对云计算系统的内存使用率及存储使用率进行计算，完成能耗模型数据采集。然后对采集到的范围从0-1的400多组数据进行回归分析，包括Lasso回归分析、变量多元指数Lasso回归分析以及支持向量机回归分析，将主要影响因子代入到回归方程中，可以得到最终的云计算系统能耗公式为

3.2 基于系统使用率的云计算平台能耗模型测试

在对云计算系统能耗模型进行测试的时候，使用的主控芯片为64位四核处理器Athlon，其中处理器的内置芯片有六组，包括两组64×2的内置芯片以及四组64×4的内置芯片，处理器的主内存为48G，操作系统版本为2.6.36-260ELsmp，编译环境为gcc-4.4.6。

在对云计算系统能耗模型的精准性进行判断的时候，所使用的指标为相对误差率Q误差，可以用公式Q误差=表示，其中Q估计和Q电表分别代表能耗模型预测值和电表实际测量值，在得到能耗相对误差之后，便可以根据数值的大小判断能耗模型的精准度，能耗误差值越小，能耗模型的预测值与接近实际测量值，表明能耗模型的精准度越高。

对400多组数据分别进行线性回归分析和非线性回归分析，发现线性模型的能耗误差达到了30%左右，与三种非线性模型的能耗误差相比误差值比较大。Lasso回归模型和变量多元指数Lasso回归模型的能耗误差在±10%范围内波动，并且CPU和内存使用率的指数函数ex不会对计算结果造成影响。支持向量机回归模型的能耗误差为±6%，在所有的能耗模型中，误差值是最小的，表明该能耗模型具有较高的预测精准度，如果仅考虑系统使用率，在进行能耗预测时可以达到94%的精准度。

4 结束语

能耗模型是优化云计算系统能耗的主要手段，同时也是判断云计算资源调度是否科学的重要方式，在保证云计算系统高效低耗运行时起到了关键作用。通过对云计算系统的CPU、内存以及存储使用率进行分析，构建相应的能耗模型，经过科学设计及非线性回归计算之后，可以发现面向云计算平台的系统使用率的能耗模型具有较高的精准度，能够有效降低云计算系统能耗。

参考文献

[1]罗亮，吴文峻，张飞.面向云计算数据中心的能耗建模方法[J].软件学报，2014（7）：1371-1387.

[2]卢彪，李悦，张万礼.基于云计算系统使用率的能耗模型的研究与设计[J].绥化学院学报，2016（9）：148-151.

[3]赵洲.面向云计算服务的能耗采集与预测方法[D].华东师范大学，2016.