دانلود ترجمه مقاله بررسی بازدهی انرژی و مجازی سازی سرور در مرکز داده ها

بخشی از ترجمه:

چکیده

با توجه به رشد نگرانی های مرتبط با مصرف قابل ملاحظه ی انرژی در دیتا سنتر ها، پژوهش هایی با هدف حرکت به سمت دیتا سنتر های سبز  و افزایش بهره وری انرژی در آنها صورت گرفته است. به طور خاص، مجازی سازی سرور   را می توان یک روش کارآمد برای یکپارچه سازی کاربرد هایی از چندین اپلیکیشن به یک سرور، و با هدف کاهش انرژی مصرفی دانست. اگرچه  یافته های کمی مرتبط با سربار مصرف انرژی و کاهش توان کاری برای سرور های مجازی در دیتا سنتر ها صورت گرفته است. در پژوهش حاضر، از روشی نوآور برای توصیف مصرف انرژی بر روی سرور های مجازی استفاده کرده ایم. یک روش تجربی نیز برای بررسی تأثیرات مجازی سازی سرور بر روی استفاده از انرژی در سرور های فیزیکی ارائه شده است. با جمع آوری و تحلیل داده ها، ما به یک ایجاد تعادل قابل ملاحظه ای بین کاهش انرژی و یکپارچه سازی سرور دست یافتیم و تأثیرات قطعی آنرا نیز مشاهده کردیم(مانند کاهش سربار انرژی و توان کاری). یک چنین توصیفی، بر مبنای اصول ریاضی برای یکپارچه سازی سرور در معماری دیتا سنتر های سبز می باشد.
۱٫مقدمه
با توجه با افزایش استفاده از محاسبات ابری، متأسفانه دیتاسنتر ها که یک نقشی اساسی را در محاسبات ابری بازی می کنند، انرژی زیادی مصرف می کنند. تخمین زده شده است که دیتاسنتر های ایالت متحده، ۶۴ میلیارد کیلووات ساعت انرژی الکتریسیته در سال ۲۰۰۶ مصرف کرده اند. این یک رشد دو برابری را در مقایسه با سال ۲۰۰ نشان می دهد و انتظار می رفت که تا انتهای سال ۲۰۱۲ نیز چنین مقداری ردش دوبرابری داشته باشد[۱۱]. از این رو، چگونگی مهار مصرف بیش از حد انرژی به عنوان یک چالش کلیدی برای دیتاسنتر های آینده مطرح شده است.

بخشی از مقاله انگلیسی:

I. INTRODUCTIONWith the accelerating adoption of cloud computing, datacenters, which serve a pivot role in cloud computing, areconsuming a significant amount of energy. It was estimateddata centers in the USA consumed 61 billion kWh electricityin 2006. This amount has doubled the consumption in 2000,and was expected to double again by the end of 2011 [1].Hence, how to tame the explosive power consumption has beenagreed as one of the key challenges for future data centers.Recently, server consolidation is touted as an effective wayto improve the energy efficiency for data centers. In thisapproach, applications running on multiple servers can beconsolidated into one server via virtualization. As a result, idleservers in data centers could be turned off to reduce energyusage by server virtualization. It has been demonstrated that,by optimizing the data center operations via virtualization, upto 20% of energy consumption can be saved in data centers[2]. However, virtualization would also lead to potential hazardeffects, such as a possible energy overhead or a possiblereduction in maximum throughput. These detrimental effects,if not well understood, could offset the benefits of servervirtualization. Therefore, clear understanding and precise mod-eling of server energy usage in data centers will provide afundamental basis for data center operational optimizations.In this paper, we investigate the impact of server virtual-ization on energy usage for data centers, with an objective toprovide insights to optimize data center operations. We adoptan empirical approach to measure the energy consumed byservers under different virtualization configurations, includinga benchmark case (i.e., physical machine) and two alternativehypervisors (i.e., Xen and KVM), in which a physical serveris virtualized into multiple virtual machines (VM). We obtainstatistics for CPU usage, task execution time, power andenergy consumption, under both local computing intensivetasks and networking intensive traffic, corresponding to twoimportant resources, computing and networking in cloud com-puting and data centers [3].Our in-depth analysis on empirical characterization gener-ates fundamental insights of server energy usage in the contextof server virtualization, including: A significant amount of power is consumed even whenthe server is idle, thus opening an opportunity for serverconsolidation in data centers for reducing energy cost. Virtualized servers consume more energy than physicalones, for both computing and networking intensive traffic.The energy overhead from virtualized servers increases asthe utilization of physical resources increases. The energy overhead resulted from server virtualizationhighly depends on the hypervisor used, which in turn isdetermined by the software architecture of the hypervisor. For a given traffic load, the energy cost can be minimizedby launching an optimal number of virtual machines. Physical servers, if a multi-core optimization mechanismis absent, could consume more energy than virtualizedservers, when running multi-process applications.These empirical insights further suggest a fundamentaltrade-off in data center virtualization. This trade-off lies be-tween the energy saving from shutting down idle serversand the detrimental effects (i.e., the energy overhead and thethroughput reduction from hypervisor) due to virtualization.The rest of this paper is structured as follows. Section IIshows the related work. Section III describes the virtualizationmodels. Section IV illustrates our detailed experimental setup.Section V presents the empirical results and the engineeringinsights. Section VI explains the fundamental trade-off inserver virtualization and its application to server consolidation.Section VII concludes this work.