基于云计算的多CPU能效和度量的改进

罗 超 ，彭玉涛 ，彭 硕

（1井冈山大学网络信息中心 江西 吉安 343009）

（2井冈山大学电子与信息工程学院 江西 吉安 343009）

基于云计算的多CPU能效和度量的改进

罗 超1，彭玉涛1，彭 硕2

（1井冈山大学网络信息中心 江西 吉安 343009）

（2井冈山大学电子与信息工程学院 江西 吉安 343009）

提出一种云计算环境下得到能效输出的最大值的必要条件；从简化能效计算步骤提高计算效率出发，对计算机功率和CPU工作频率状态间关系的数学表达进行了改进，通过CPU高发率和频率来计算云环境下能效，达到简化能效测量步骤的目的，从而能够对云系统的能效进行高效准确的评估，并为云环境下的多CPU能效测量和优化工作奠定扎实的基础。

云计算；CPU架构；能效度量

1 引言

云计算本身非常缺乏或者是根本没有对降低能耗的专门方案和设计，现有研究中只有对软件性能进行评价的模型，且一般有两个指标进行关联，而本文拟确立的模型将从运算和能耗这两个角度来衡量软件的性能；建立了有效的能效评估模型，对云计算的能量消耗就可以更准确、有效地评估能耗，从而进一步控制成本，最终为能耗评价研究领域提供有效的方法和技术[1]。

云计算的运行功率无法在系统中所有节点中大量存在，而无法适应的节点又会让过多的系统能源产生更多无谓消耗。同时，复杂的节点设计方案又会导致不能对所有阶段进行硬件安装和软件测量，实际功耗的测量就无法进行。如果测量结果误差过大，模型输出结果会有更大误差，同时系统间的数据和时钟同步同样是需要解决的一个难题。

本文尝试提出一中计算测量能效的模型，通过对云系统中各个阶段进行测量后，输入CPU工作状态，建立一个云计算系统的能效消耗的规律，通过编程模型的建立，对云系统运算时产生的CPU集成型归纳总结出云系统运行时的能耗规律，最后得出了能效模型和测量方法是有效且可行的。

2 能效模型

通常用每秒所执行的浮点运算次数(简称FLOPS)来描述计算机的标准执行效率，单字长定点指令平均执行速度用来描述单位时间内CPU的执行速度，瓦特来描述电路元器件在单位时间内发出或者吸收的电能。因此，一般用FLOPS/Watt来描述单位时间内电路系统消耗的能效，它标书一定时间内的能耗浮点运算次数[2，3]。

用T时间内系统处理的任务L(T)(单位U)和能耗E(T)(单位焦耳)分别替换FLOPS和Watt，我们定义T时刻内能效(T)为

运行中的计算机云计算系统时，硬件所消耗的功率是不变即时额定的，中央处理器的频率同样是不变即额定的，当中央处理器以最大的功率进行满负荷运行，那么可以认为计算机云系统运行时能效消耗的理论值为系统的额定功率和中央处理器主频的相除比值。但是在实际的运行过程中，中央处理器的全额运行功率和使用率很大程度上取决于系统全速运行时的算法规则，计算系统的能量动态发生调整时，中央处理器的主频也会实时变化。因此，云计算实际的消耗值需要根据实际运行的测量值来计算[5]。

3 测量计算方法

能效测量分测量L(T)和测量E(T)。由公式（2）可知，对fc(t)上积分得到L(T)。f(t)任务量大小和操作系统的Scaling算法。CPU可以工作在5种模式下。而ωc(t)取决于算法本身，密集型算法时CPU的使用率会接近100%；而执行I/O密集型算法时，CPU由于要等候I/O，因此使用率较低。所以，fc(t)和ωc(t)的函数表达无法准确找到，但L(T)可以由测量后得出结果。

如果Δt足够小，公式(5)的结果就是L(T)的值。其中，f(Δt.j)和ω(Δt.j)都能够通过监控代理测量获得。有规律的采集CPU频率及使用率。最后汇总运算节点的测量值，可得到云系统的负载。

测量方法有多种。但所有的方法都需要计算机云计算系统的输入输出功率是额定的，但在实际使用时，输出和输入的功率却是随着使用频率实时动态调整的，在公式计算式，每隔一段时间就可以对计算机系统的节点整理出一次正在运行的功率的采集，如公式（5）。

当输出结果小于某一个阈值时，公式(6)的值就是计算机云计算系统需要得到的值。但是在实际使用当中，许多硬件设备和软件系统并没有对实时功率的测量提供必要的接口，这就加大了测量的难度。可考虑为云系统内的所有网络计算机节点都安装功率检测测量器，但是这样的话就需要大量的传感器布置，成本太高，且难以做到数据实时同步和汇总，解决方案也较为复杂。那么可以利用以下公式（7）～公式（9）来进行计算获取：

由前面内容介绍的测量方法可以测得输入阈值和输出的阈值)的值，同时可以得出单位时间内系统运行的额定功率消耗能量和效能。

4 实验分析

在独立的节点运行环境中，硬件和软件的运行都可以采用强制性单线程执行休眠，并定时唤醒的方法，中央处理器可以在额定功率下按照按照正弦曲线规律进行波动运行，最终，得到计算机云系统子节点输出大量值域连续的模型输出值，这些输出值可以用来测量计算机云系统每个子节点的运行总功率。

接下来，系统测量可以采用圆周率蒙特卡罗算法[24]务，该算法在对系统效率曲线进行计算有很大的优势。使用时，首先调整改算法在线程数目上的初始设置，我们以中央处理器的初始使用功率来设置，图1展示了在实验条件下实时能效的计算结果。可以看出，无论中央处理器在何种频率下运行工作，能效发生的峰值始终发生在特定的时刻，这与理论推导是相吻合。

图1 不同频率下 CPU 使用率和实时能效之间的关系

由实验结果可得出以下结论：

（1）对于运算节点，CPU在高频使用时WordCount最多，Sort次之，MRBench最少，

（2）实验中某一节点在调度室可以同时对其他节点进行影响，并在空闲节点对计算机云系统的整体能效发生重要作用。

（3）CPU使用率和频率是正向倾斜居多。结合前文推导的能效最优条件，可认为，负向倾斜中CPU的高频居多时可进行能效优化。

[1] Elnozahy EN,Kistler M,Rajamony R.Energy-Efficient server clusters.In:Falsafi B,Vijaykumar TN,eds.Proc.of the 2nd Int’l Workshop on Power-Aware Computer Systems(PACS 2002).Cambridge:Springer-Verlag,2003,179-197.[doi:10.1007/3-540-36612-1_12]

[2] Younge AJ,von Laszewski G,Wang LZ,Lopez-Alarcon S,Carithers W.Efficient management for computing envents.In:Proc.of the Int’l Green Computing Conf.Chicago:IEEE,2010,357-364.[doi:10.1109/GREENCOMP.2010.5598294]

[3] Lee YC.Energy scheduling for distred comting systems under difent operating conditions.on Parallel and Systems,2011,22(8):1374-1381.[doi:10.1109/TPDS.2010.208][4] DFSIO program.Hadoop source distribution:src/test/org/apache/hadoop/fs/TestDFSIO.

[5] Rivoire S,Shah MA,Ranganathan P,Kozyrakis C.JouleSort:A balanced energy-efficiency benchmark.In: Chan CY,Qoi BC,Zhou A,eds.Proc.of the ACM SIGMOD Int’l Conf.on Management of Data.Beijing: ACM Press,2007.365-376.[doi:10.1145/1247480.1247522]

Improvement of Multi-CPU Energy Efficiency and Measurement based on Cloud Computing

Luo Chao1, Peng Yutao1, Peng Shuo2
1. Network Information Center, Jinggangshan University,Ji’an Jiangxi, 343009; 2. School of Electronics and Information Engineering, Jinggangshan University, Ji’an Jiangxi, 343009

This paper proposes an essential condition for producing a maximal energy efficiency output under acloud computing environment. Energy efficiency computing procedures are simplified to increase computing efficiency, and improvement is made to the mathematical expressions of the relationship between computer power and the CPU operatingfrequency. The energy efficiency is computed under cloud environment by using the high CPU usage and frequency. In this way, energy efficiency of the cloud system can be evaluated in an efficient and accurate manner, thereby laying a solidfoundation for multi-CPU energy efficiency measurement and optimization under cloud environment.

Cloud computing;CPU architecture;Energy efficiency measurement

TP316 【文献标识码】A 【文章编号】1009-5624（2018）01-0001-02

江西省教育厅科技计划项目（GJJ160742）

罗超（1978-）,男,江西吉安人,硕士,高级实验师,主要从事人工智能、数据挖掘和算法分析方面的研究。