Remidi Grid Computing (awang Prayogo 15.0504.0074).docx

Remidi Grid Computing Dosen : Setiya Nugroho, M.Eng. Nama : Awang Prayogo Npm : 15.0504.0074 Alokasi Mesin Virtual Sadar Biaya untuk Off-Grid Pusat Data Hijau I.

PENDAHULUAN

Pusat data telah banyak digunakan di banyak pervasive aplikasi komputasi. Saat ini, industri pusat data adalah a industri multi-miliar dolar yang menyediakan layanan kepada yang lain sektor ekonomi. Karena penggunaan listrik adalah bagian terbesar dari biaya operasional pusat data [14], konsumsi energi dan efisiensi energi adalah dua masalah utama untuk merancang dan membangun pusat data. Sistem daya off-grid adalah sistem daya yang berdiri sendiri tidak terhubung ke jaringan listrik utama atau nasional. Di luar jaringan sistem daya telah banyak digunakan untuk menyediakan listrik komunitas terpencil, pulau, kapal pesiar dan kapal besar lainnya. Misalnya, ada lebih dari 150 sistem daya off-grid untuk komunitas utara pedesaan di Kanada [12]. Dengan semakin tersedianya sumber energi terbarukan seperti tenaga surya dan angin, ada peningkatan jumlah pusat data didukung oleh sistem daya off-grid yang terdiri dari sumber energi terbarukan dan / atau generator bahan bakar fosil. Untuk contoh, Penelitian dan Pengembangan Energi Negara Bagian New York Otoritas (NYSERDA), Universitas Clarkson, AMD dan HP memprakarsai sebuah proyek pada tahun 2012 yang melibatkan sistem listrik off-grid sepenuhnya dengan generator energi matahari dan angin untuk menyediakan 100% catu daya ke pusat data [11]. Dalam tulisan ini, kami merujuk pada pusat data yang menggunakan sistem daya off-grid sebagian atau sepenuhnya dengan sumber energi terbarukan sebagai data hijau di luar jaringan pusat. Gambar 1 mengilustrasikan pusat data hijau off-grid tipikal berbagai sumber energi yang menyediakan pusat data catu daya terus menerus, tidak terputus dan stabil. Dalam Gambar 1, sistem grid tie (GTS) mengintegrasikan daya dari yang berbeda sumber energi, dan sistem catu daya yang tidak pernah terputus (UPS) dengan baterai yang dapat diisi ulang atau super kapasitor memastikan catu daya tidak terputus ke pusat data. Utama tujuan sistem UPS adalah untuk menyediakan cadangan jangka pendek catu daya [9]. Karena generator surya dan angin mungkin tidak mampu menghasilkan catu daya yang memadai setiap saat, itu adalah generator bahan bakar fosil yang menyediakan daya cadangan utama untuk waktu lama periode waktu.

Gambar 1. Contoh pusat data hijau off-grid Aplikasi komputasi meresap yang berbeda didukung oleh pusat data sering kali memiliki kualitas layanan yang berbeda (QoS) Persyaratan. Misalnya, aplikasi streaming video sudah persyaratan QoS berbeda dari aplikasi e-commerce. Perjanjian tingkat layanan (SLA) telah digunakan oleh pusat data untuk menentukan persyaratan QoS dari berbagai aplikasi [6-8, 14]. SLA adalah kontrak antara pusat data dan pelanggan untuk persyaratan QoS yang diharapkan. Biasanya digunakan Persyaratan QoS mencakup waktu respons maksimum (mis., The tenggat waktu yang sulit), waktu respons rata-rata (mis., soft tenggat waktu), dan throughput [3] Hampir semua pusat data modern menggunakan virtualisasi teknologi [1, 10, 13]. Teknologi virtualisasi memungkinkan beberapa mesin virtual yang berjalan di server fisik yang sama. Setiap mesin virtual individu mengalokasikan yang diperlukan sumber daya komputasi untuk menangani tugas tertentu dari TI aplikasi sambil memastikan persyaratan QoS yang ditentukan dalam SLA. Menggunakan mesin virtual, pusat data dapat meminimalkan Jumlah server fisik dan dengan demikian meningkatkan energi efisiensi. Masalah alokasi mesin virtual adalah salah satu kuncinya tantangan pusat data [6]. Dalam tulisan ini, kami mengusulkan serakah algoritma untuk alokasi mesin virtual sadar biaya untuk off-grid pusat data hijau. Diasumsikan bahwa biaya investasi pusat data hijau diperbaiki, dan tingkat penyusutan peralatan adalah diperbaiki untuk semua peralatan. Algoritma serakah yang diusulkan upaya untuk meminimalkan biaya energi bahan bakar fosil. Kami hasil simulasi menunjukkan bahwa algoritma yang diajukan sensitive dengan perubahan harga bahan bakar fosil, dan mampu mencapainya kinerja terukur. Sisa dari makalah ini disusun sebagai berikut. Bagian 2 merumuskan masalah, dan Bagian 3 menyajikan yang diusulkan algoritma serakah. Bagian 4 berisi evaluasi simulasi algoritma yang diusulkan. Bagian 5 menjelaskan pekerjaan terkait. Bagian 6 menyajikan kesimpulan.

II FORMULASI MASALAH Kami menetapkan permintaan dan pasokan daya berikut untuk pusat data hijau offgrid: • D (t) = Total permintaan daya dari pusat data pada waktu t. • R (t) = Total catu daya dari energi terbarukan generator (matahari dan angin) pada waktu . • F (t) = Total pasokan daya dari generator bahan bakar fosil pada waktu t. Permintaan daya dari pusat data, D (t), sesuai dengan konsumsi daya keseluruhan dari sumber daya komputasi di pusat data. Catu daya dari energi terbarukan sumber, R (t), tergantung pada banyak faktor alami dan sulit untuk meramalkan. Ketika biaya investasi pusat data hijau adalah tetap dan tingkat penyusutan peralatan tetap untuk semua peralatan, energi terbarukan dapat diperlakukan secara gratis komoditi. Bahan bakar fosil hanya akan digunakan saat listrik permintaan melebihi catu daya dari energi terbarukan sumber. Jika kita mengabaikan efek dari sistem UPS yang mana hanya menyediakan cadangan jangka pendek untuk memastikan tidak terganggu catu daya, hubungan yang disederhanakan antara daya permintaan dan catu daya dapat dinyatakan sebagai

Misalkan P (t) menunjukkan harga bahan bakar fosil pada waktu t. Biaya energi bahan bakar fosil, E, selama periode waktu U dapat dinyatakan sebagai.

Pertimbangkan pusat data hijau off-grid dengan seperangkat N server fisik identik S = {S1, S2, ..., SN}. Misalkan kapasitas pemrosesan komputasi maksimum dari setiap server adalah identik dan C. Misalkan V = {V1, V2, ..., VM} menunjukkan seperangkat M mesin virtual mungkin untuk digunakan. Ketika sebuah tugas a aplikasi IT tertentu tiba di pusat data, itu akan segera ditugaskan ke mesin virtual untuk diproses. Setelah itu tugas selesai, mesin virtual yang sesuai akan tersedia untuk memproses tugas lain. Kami mengklasifikasikan semua tugas ke dalam Kelas X, di mana semua tugas di kelas yang sama memiliki SLA yang sama. Misalkan mesin virtual membutuhkan komputasi kapasitas pemrosesan Qx untuk setiap tugas di kelas x, 1 ≤ x ≤ X, dalam untuk memastikan persyaratan QoS yang ditentukan dalam SLA tugas-tugas kelas x. Masalah alokasi mesin virtual adalah untuk menetapkan virtual mesin ke server fisik berdasarkan optimasi tertentu objektif. Tujuan pengoptimalan populer termasuk minimalisasi jumlah server fisik [4], yang meminimalkan konsumsi daya keseluruhan data center [15], maksimalisasi keuntungan dari pusat data [5]. Dalam tulisan ini, kami fokus pada meminimalkan E, biaya energi bahan bakar fosil didefinisikan dalam Persamaan (1). Untuk mesin virtual ‫ ∋ܸ ݒ‬dan server fisik ‫ݏ‬, ܸ ∋ kami mendefinisikan variabel follow yang sesuai dengan alokasi mesin virtual:

Pemanfaatan

server

fisik

kemudian

dapat

dihitung

sebagai

Biarkan Didle menunjukkan konsumsi daya server fisik ketika idle (mis., pemanfaatannya adalah 0%), dan biarkan Dpeak menunjukkan konsumsi daya server fisik ketika 100% sibuk (mis. pemanfaatannya 100%). Telah diamati itu ada hubungan yang hampir linier antara pemanfaatan dan konsumsi daya rata-rata server pusat data [2, 3, 7]. Oleh karena itu, permintaan daya keseluruhan pusat data pada waktu t dapat diperkirakan sebagai

Dari Persamaan. (3), dapat dilihat bahwa satu server dengan 100% pemanfaatan mengkonsumsi daya kurang dari dua server masing-masing dengan Pemanfaatan 50% bahkan jika mantan menyelesaikan jumlah yang sama tugas sebagai yang terakhir. Teorema 1. Ketika R (t) = 0, meminimalkan E setara dengan

Oleh karena itu, masalah alokasi mesin virtual yang meminimalkan biaya energi bahan bakar fosil adalah untuk menemukan yang optimal nilai ‫ܪ‬௦,௩,௫ dalam Persamaan. (4)

II.

THE COST-AWARE VIRTUAL MACHINE ALLOCATION ALGORITHM

Bahkan jika harga bahan bakar fosil P (t) tetap konstan dan semuanya tugas diketahui sebelumnya, masalah optimasi terkait dengan Persamaan. (4) adalah masalah pemrograman bilangan bulat yang dikenal sebagai NP-hard. Dalam kehidupan nyata, harga fosil bahan bakar dapat berfluktuasi dari waktu ke waktu, dan tugas akan sampai pada data pusat dengan cara yang tidak terduga. Setelah tugas tiba di pusat data, itu akan segera ditugaskan ke mesin virtual dan kemudian mesin virtual akan mulai berjalan pada yang dipilih server fisik. Karena tidak ada algoritma cepat untuk menyelesaikan ini masalah optimasi, kami mengusulkan algoritma serakah untuk alokasi mesin virtual costaware secara real time Setelah tugas tiba di pusat data, algoritma serakah akan segera mengalokasikan mesin virtual yang sesuai ke server fisik tertentu yang meminimalkan Persamaan. (4) Secara intuitif, ketika harga bahan bakar fosil tetap sebagai konstanta, algoritma akan mengalokasikan mesin virtual ke server fisik tersibuk yang bisa mengakomodasi tugas. Seperti yang disiratkan oleh Persamaan. (3) di Bagian 2, meningkatkan pemanfaatan fisik tersibuk Server umumnya menghasilkan hanya peningkatan kecil dari keseluruhan permintaan daya. Algoritma juga memperhitungkan fosil harga bahan bakar untuk meminimalkan biaya energi bahan bakar fosil. Kami juga mengukur total waktu pelaksanaan yang diusulkan algoritma untuk 2000 percobaan simulasi yang dihasilkan secara acak. Itu total waktu eksekusi adalah 1,86 CPU detik pada komputer dengan CPU AMD A8-5500B APU (3,20 GHz) dan memori 2GB menjalankan sistem operasi 32-bit. Ini menyiratkan bahwa algoritma yang diusulkan cepat dan praktis untuk kehidupan nyata aplikasi. Kami menyimpulkan bahwa algoritma yang diusulkan sensitif terhadap perubahan harga bahan bakar fosil, dan mampu mencapainya kinerja terukur.

Gambar 2. Jumlah Rata-rata Server Fisik Aktif vs. Jumlah Tugas

Gambar 3. Rata-rata Pemanfaatan Server Fisik Aktif vs. Jumlah Tugas

Gambar 4. Jumlah Rata-rata Server Fisik Aktif vs. Jumlah Kelas

Gambar 5. Jumlah Rata-rata Server Fisik Aktif vs. Jumlah Kelas

V. PEKERJAAN TERKAIT Masalah alokasi mesin virtual adalah salah satu kuncinya tantangan pusat data. Satu kelompok penelitian sebelumnya berfokus pada alokasi mesin virtual untuk jaringan datam pusat didistribusikan di lokasi geografis yang berbeda [1, 4, 10, 11, 16]. Tujuan utama dari studi ini adalah untuk meminimalkan lalu lintas jaringan dan / atau latensi sistem. Kelompok lain dari penelitian sebelumnya berfokus pada virtual alokasi mesin pusat data untuk meminimalkan operasional biaya atau untuk memaksimalkan laba [5, 7, 8, 13, 15]. Beberapa penelitian menjelajahi fitur periode peringatan sebelum kekuatan tiba-tiba perubahan, yang disebut sebagai buffering energi [13]. Lainnya berfokus pada metode optimisasi untuk memaksimalkan laba [7, 8], atau untuk meminimalkan biaya daya keseluruhan [5], atau untuk meminimalkan konsumsi daya keseluruhan [15]. Semua penelitian sebelumnya berhubungan dengan pusat data tradisional / hijau dengan catu daya yang terhubung jaringan. Makalah ini adalah yang pertama dari jenis yang berhubungan dengan pusat data hijau off-grid.