Data centers have become a popular computing platform for various applications, and they account for nearly 2% of total US energy consumption. Therefore, it has become important to optimize data center power, and reduce their energy footprint. Most existing work optimizes power in servers and networks independently and does not address them together in a holistic fashion that has the potential to achieve greater power savings. In this article, we present PopcornsPro, a cooperative server network framework for energy optimization. We present a comprehensive power model for heterogeneous data center switches along with low power mode designs in combination with the server power model. We design job scheduling algorithms that place tasks onto servers in a power-aware manner, such that servers and network switches can take effective advantage of low power state and available network link capacities. Our experimental results show that we are able to achieve significantly higher savings up to 80% compared to the previously well-known server and network power optimization policies.


翻译:数据中心已成为各种应用的流行计算平台,它们占美国能源消耗总量的近2%。 因此,优化数据中心电力和减少能源足迹已经变得非常重要。 大部分现有工作是独立优化服务器和网络的电力,而不是以有可能实现更大节能的全面方式共同应对这些电力。 在本篇文章中,我们介绍了PoplorcesPro,一个能源优化合作服务器网络框架。我们为多种数据中心开关提供了一个综合电力模型,同时与服务器动力模型相结合的低电模式设计。我们设计了工作时间安排算法,以意识到电力的方式将任务放置在服务器上,这样服务器和网络开关就能有效地利用低电状态和网络连接能力。我们的实验结果表明,我们能够实现比以前众所周知的服务器和网络电力优化政策高出80 % 。

0
下载
关闭预览

相关内容

深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
60+阅读 · 2019年12月21日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
【电子书推荐】Data Science with Python and Dask
专知会员服务
43+阅读 · 2019年6月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
生物探索
3+阅读 · 2018年2月10日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2022年1月28日
Arxiv
6+阅读 · 2020年10月8日
Learning Recommender Systems from Multi-Behavior Data
Arxiv
7+阅读 · 2018年11月29日
Arxiv
4+阅读 · 2018年4月26日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
生物探索
3+阅读 · 2018年2月10日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员