![P O L I T E CNI CO DI MI L A NO
DI PA RT I ME NTO DI E L E T T RO NI CA
E D I NFO RMA ZI O NE
SOA e risparmio energetico
nei data center: approcci e tendenze
Cinzia Cappiello, Pierluigi Plebani
Dipartimento di Elettronica ed Informazione
Politecnico di Milano
[cappiello,plebani]@elet.polimi.it
SMAU 2011 - 20/10/2011 1](https://image.slidesharecdn.com/smau2011-111024024829-phpapp02/85/Smau2011-1-320.jpg)
![Il paradosso di Jevons
I miglioramenti
tecnologici che
aumentano
l'efficienza con cui
una risorsa 竪 usata
possono fare
aumentare il
consumo totale di
quella risorsa, invece
di diminuire
[Wikipedia]
SMAU 2011 - 20/10/2011 4](https://image.slidesharecdn.com/smau2011-111024024829-phpapp02/85/Smau2011-4-320.jpg)
More Related Content
Viewers also liked (12)
Similar to Smau2011 (20)
Smau2011
- 1. P O L I T E CNI CO DI MI L A NO DI PA RT I ME NTO DI E L E T T RO NI CA E D I NFO RMA ZI O NE SOA e risparmio energetico nei data center: approcci e tendenze Cinzia Cappiello, Pierluigi Plebani Dipartimento di Elettronica ed Informazione Politecnico di Milano [cappiello,plebani]@elet.polimi.it SMAU 2011 - 20/10/2011 1
- 2. Green & ICT Green IT ICT 4 green SMAU 2011 - 20/10/2011 2
- 3. Perch辿 i data center? I data center costituiscono, al momento il 1.3% del consumo energetico globale (il 2% negli US)1 Nel 2000 era lo 0.5% (US 0.8%) Nel 2005 era l 1% (US 1.5%) Il concetto di Cloud Computing si sta espandendo sempre di pi湛 Vantaggio: invece di avere tanti server sparsi e poco utilizzati si consolidano in diversi punti ottimizzati 1 Koomey, Jonathan. 2011. Growth in Data center electricity use 2005 to 2010. Oakland, CA: Analytics Press. Aug, 1. SMAU 2011 - 20/10/2011 3
- 4. Il paradosso di Jevons I miglioramenti tecnologici che aumentano l'efficienza con cui una risorsa 竪 usata possono fare aumentare il consumo totale di quella risorsa, invece di diminuire [Wikipedia] SMAU 2011 - 20/10/2011 4
- 5. Perch辿 si 竪 arrivati fin qui Lo spazio costa Si 竪 ridotto lo spazio Si 竪 aumentata la densit La densit scalda Il caldo richiede aria condizionata Aria condizionata consuma molto La bolletta energetica si alza SMAU 2011 - 20/10/2011 5
- 6. Questione di equilibrio KPI GPI SMAU 2011 - 20/10/2011 6
- 7. PUE e DCiE Benchmark DCiE PUE Platinum > 0.8 <1.25 Gold 0.7-0.8 1.25-1.43 Silver 0.6-0.7 1.43-1.67 Bronze 0.5-0.6 1.67-2.0 Recognised 0.4-0.5 2.0-2.5 Not < 0.4 > 2.5 Recognised SMAU 2011 - 20/10/2011 7
- 8. Data Center compute Efficiency Server Compute Efficiency (ScE) % di tempo che un server esegue un processo primario (non backup, deframmentazione, ecc) Quando ho uno 0% vuol dire che posso decommisionarlo DCcE considera gli ScE di tutti i server in un data center Non 竪 una misura di produttivit: misura quanto lavora non se 竪 utile quello che fa SMAU 2011 - 20/10/2011 8
- 9. Data Center energy Productivity (DCeP) Si parla di energia Fattore tempo 竪 determinante Assessment window SMAU 2011 - 20/10/2011 9
- 10. Maturity Model Il consorzio The Green Grid ha proposto recentemente un maturity Model DCMM: Data Center Maturity Model http://www.thegreengrid.org/~/media/Tools/DataCenterMaturityModelv1_0.ashx?lang=en SMAU 2011 - 20/10/2011 10
- 11. Dimensioni di analisi SMAU 2011 - 20/10/2011 11
- 12. Alcuni esempi Cooling PUE contribution Compute Utilization Level 0: Level 0: Not measured Annual average 1 Level 1: Level 1: Measure avg monthly and peak utilization Annual average 0.5 Level 2: Level 2: Avg monthly > 20% Annual average 0.35 Level 3: Avg monthly > 35% Level 3: Level 4: Annual average 0.2 Avg monthly > 50% Clearly understand applications use of Level 4: compute power Annual average 0.1 Level 5: Avg monthly > 60% Level 5: Manage spare compute capacity to Annual average 0.05 maintain utilization target (e.g. selling spare capacity) SMAU 2011 - 20/10/2011 12
- 13. Assessment tool SMAU 2011 - 20/10/2011 13
- 14. Una proposta SMAU 2011 - 20/10/2011 14
- 15. Analisi del carico SMAU 2011 - 20/10/2011 15
- 16. Il progetto GAMES Green Active Management of Energy in IT Service centres SMAU 2011 - 20/10/2011 16
- 17. Lobiettivo di GAMES: efficienza energetica dei service center ..sotto la guida delle applicazioni e dei loro requisiti Applicazioni Infrastruttura annotazioni SMAU 2011 - 20/10/2011 17
- 18. Efficienza energetica dei Service Center : come 竪 possibile migliorarla? I servers sono utilizzati in modo efficiente? Accendere/spegnere/mettere in stand by server quando opportuno Allocazione dinamica del workload (sulla base del contesto/consumo energetico) La CPU (o altre risorse) sono poco utilizzate? Virtualizzazione e Consolidamento, migrazione E in particolare per lo storage? Accendere/spegnere/mettere in stand by dischi Migrazione Rallentare laccesso ai dischi SMAU 2011 - 20/10/2011 18
- 19. ma si pu嘆 intervenire anche sulle applicazioni Le applicazioni possono essere riprogettate per migliorare la loro efficienza energetica: Funzionamento differente a seconda dei requisiti di utilizzo Annotazioni Ri-negoziazione requisiti Sostituzione di servizi SMAU 2011 - 20/10/2011 19
- 20. GAMES: concetti chiave Energy efficiency Green Performance Indicators (GPIs) Monitoraggio Contesto Adaptation & azioni di miglioramento energetico SMAU 2011 - 20/10/2011 20
- 21. Adaptation Monitoraggio e acquisizione dati Valutazione GPIs Controllo e adattamento Evoluzione SMAU 2011 - 20/10/2011 21
- 22. Architettura GAMES Design- me Tool Enviroment Knowledge GAMES-enabled Applica on Base Applica on layer Run- me Adapta on Controllers Applica on Container Middleware layer Monitoring Data tools Mining T5.1T6.1 Infrastructure Access Module Tools IT Infrastructure Data Storage Facili es Sensors (Cooling, Hea ng, ) Infrastructure layer SMAU 2011 - 20/10/2011 22
- 23. Metodologia di progettazione delle applicazioni
- 24. Passi metodologici 2 1 Definizione Valutazione delle Policy preliminare generali 3 6 Definizione GPI/KPI Validazione 4 5 Annotazione Esecuzione SMAU 2011 - 20/10/2011 24
- 25. 1 Valutazione preliminare: raccolta dati Sensore NAGIOS Sensore (esteso per il progetto) Sensore Dati monitorati 25 SMAU 2011 - 20/10/2011
- 26. 3 Classificazione GPI/KPI Gli indicatori (GPI/KPI) sono classificati in base allimpatto Organizational GPIs Indicatori che considerano gli obiettivi strategici dellimpresa Energy impact GPIs Indicatori che misurano limpatto del service center sullambiente Application lifecycle KPIs Indicatori definiti per misurare le prestazioni delle applicazioni IT Resource Usage GPIs Si focalizzano su dati grezzi di consumo dei diversi componenti del data storage SMAU 2011 - 20/10/2011 26
- 27. Definizione GPI/KPI: dipendenze Definiamo una mappa di collegamenti tra indicatori che mettono in luce: Dipendenze funzionali Dipendenze qualitative SMAU 2011 - 20/10/2011 27
- 28. Esempio di mappa di indicatori SMAU 2011 - 20/10/2011 28
- 29. 4 Annotazione dei processi Descrizione Vincoli su risorse indicatori utilizzate Metadati per la descrizione Descrizione del flusso di dati utilizzati processo SMAU 2011 - 20/10/2011 29
- 30. 5 Esecuzione Stima energia Valutazione dellenergia Energy-aware consumata effettivamente adaptation dal processo consumata E-BP= f(struttura del La valutazione dellenergia processo, ambiente consumata pu嘆 essere virtuale, dispositivi ottenuta dai sensori installati fisici) sui sensori fisici ts1 ts3 ts3 ts1 ts2 ts3 P P ts1 ts2 ts3 SMAU 2011 - 20/10/2011 30
- 31. Energy-aware Adaptation: controli globali e locali Annotated Process Controllo globale Service Center Controllo locale SMAU 2011 - 20/10/2011 31
- 32. 6 Validazione Verifica dellesattezza delle relazioni tra indicatori Analisi di scenari diversi quali: High Performance Computing (HPC) Applicazioni Web (approccio a servizi) Analizzare gli effetti delle azioni di adaptation (breve termine e lungo termine) SMAU 2011 - 20/10/2011 32
- 33. Per maggiori informazioni http://www.green-datacenters.eu/ Cinzia CAPPIELLO - cappiello@elet.polimi.it Pierluigi PLEBANI - plebani@elet.polimi.it Dipartimento di Elettronica ed Informazione Politecnico di Milano Via Ponzio 34/5 20133 Milano SMAU 2011 - 20/10/2011 33
Editor's Notes
- #4: Qui indicarecheil cloud computing richiede data center diversi da quelliclassici in housing e hosting
- #8: Il PUEmiglioriviaggianoattorno a 1.07 e 1.2Google 竪passato in qualchecaso da PUE di 2.4 a pue di 1.5 con pochemosseENI ne staaprendouno in provincia di Pavia chepunto a diventare 1.2
- #10: DIFFICILE DA CALCOLAREU 竪LUTILIT DI UN TASK COME LO DEFINISCO? SOGGETTIVO
- #25: Preliminary assessment:Based on the questionnaireAiming at collecting information about the IT Service Centre elementsHW/SW ComponentsFacilitiesthe IT energy consumptionGeneral Policies: High level objective about energy consumptionThey can be expressed in terms of strategic GPIs
- #26: Most GPIs are at facility and lower compute node levelAt application level only Application Performance Indicator as Energy Impact GPI is defined. Correlation and linking between high level GPIs and low level GPIs may have an narrowing impact. KPIs are only defined at application levelCompute node => Application Performance Indicator depends on its CPU Usage and how effectively energy is being used by a CPU or processor; the Memory Usage and how much energy is consumed for transferring specific amounts of data in the according main memory; I/O device Usage and how effectively energy is being used to perform I/O transaction; Storage Usage and energy consumed by the storage facilityApplication => Facility level: DC-EEP Index is calculated by multiplying two independent but interrelated ratios SI-EER and Application Performance Indicator.SI-EER, PUE/DCiE and SI-POM present similar energy consumption properties and can be consolidated.CADE is calculated by multiplying CPU Usage and the Facility capacity.CPE is the ratio between DCiE and IT Equipment Utilization ( DH-UR )