到目前为止,几乎每个人都意识到能源问题的最高水平——我们的主要能源来源正在耗尽,而商业和家庭环境对能源的需求正在增加。此外,能源使用的副作用具有重要的全球环境考虑因素。二氧化碳等温室气体的排放
世界上最杰出的科学家和思想领袖或许最关注的是一个战略解决方案:如果我们最终要克服能源问题,就需要开发新的清洁和可再生能源。英国皇家学会(Royal Society)会长里斯勋爵(Lord Rees)在2008年的年度讲话中强调了这一问题的紧迫性。
然而,对新的可持续能源的实际期望至少还需要30年。在最近被任命为美国能源部长之前,曾任劳伦斯·伯克利国家实验室主任的朱棣文(Steve Chu)对这一情况作了如下描述:
“解决能源问题需要一个双重战略:(1)提高能源效率和减少能源消耗;(2)开发新的清洁能源。在未来几十年里,第一名仍将是最容易摘到的果实。”
计算机设备在能源需求中扮演什么角色?我们必须把重点放在哪些方面以减少消耗和提高能源效率?
2007年8月,美国环境保护署(EPA)向国会发布了一份关于服务器和数据中心能源效率的报告。 EPA报告的节选见附图和表格。数据中有两点特别值得注意。首先,站点基础设施消耗的能量与计算设备本身消耗的能量一样多。这一基础设施主要是指供暖、通风和空调(HVAC)设备,以及用于转换和传输电力并保持其连续性的设备(后者包括变压器和建筑物内的电源开关和传输设备,以及电源调节和持续设备,如不间断电源供应)。这个因素非常重要,但可能不是计算专业人员需要解决的最明显的领域。
然而,在计算设备本身内部是第二个有趣的点。在研究的五种类型的IT设备中,仅批量服务器就消耗了大部分(68%)的电力。假设批量服务器保持17%的复合年增长率(复合年增长率),这表明它们是服务器空间能耗削减的主要目标。这里显示的存储设备20%的增长率——最近的数据显示这个增长率正在加速——表明了另一个显著的趋势。
如果这项研究揭示的数据中心计算设备的指数级增长继续下去,预计到2011年,数据中心的电力需求将是2006年的大约两倍。这带来了明显的经济之外的挑战。例如,峰值瞬时需求预计将从2006年的7GW(千兆瓦)上升到2011年的12GW,需要10个新的基础水平发电厂来满足这样的需求。
电力可用性的物理限制已经成为某些地区数据中心的一个制约因素;摩根士丹利(Morgan Stanley) IT部门的一位常务董事最近注意到,该公司已经无法获得运行曼哈顿新数据中心所需的电力。情况很严重。诸如eBay、谷歌、Amazon、Microsoft和Yahoo等公司都在寻找合适的位置,在那里可以构建运行其同时代Web应用程序和服务所需的数据中心。 有一些证据表明 也许今天的计算机系统需要考虑的关键因素是,它们消耗的电量不能根据系统的做功量进行适当的调整。到目前为止,大多数通用计算机系统的主要设计目标一直是在给定的价格点上实现性能最大化,而很少考虑能源的使用。这种情况正在迅速改变,因为我们正在接近一个临界点,即获取计算设备的资本成本将超过运行计算设备的能源成本,即使是在相对较短的分期偿还期内(3- 5年),除非我们对节能系统设计给予一些关注。
尽管已经有了能量比例计算的例子 电源管理有两种基本模式:运行与挂起(不运行)方面,组件(或整个系统)可以在不使用时关闭(即当它变为空闲时),但在需要时再次打开;还有一个性能调整方面(在运行时),可以根据观察到的组件利用率水平或工作负载的其他需求,降低或提高组件的性能级别。
运行与不运行的选择通常称为组件(或系统)的选择<我>电源状态我>.虽然有一个状态来表示运行,但可能有多个挂起状态。后者允许逐步从与组件(或系统)相关联的更多硬件中删除电源,如果其实现有一些重要的与电源相关的结构。例如,cpu可以通过停止发出指令或关闭其时钟电路来暂停其执行。然而,“更深层”的电源状态可能会依次从处理器的缓存、tlb(转换后备缓冲区)、内存控制器等中删除电源。当一个组件的更多硬件被移除电源时,就会节省更多的能量,然后就会有更大的延迟来重新开始它的操作,或者需要额外的能量来保存和恢复硬件的内容并重新启动它,或者两者都需要。
运行时的性能调整选择最自然地被称为组件的选择<我>性能状态我>.一种广泛应用的调节性能的技术是改变元件的工作频率。当时钟速度减慢时,工作电压水平也可以降低,这两个因素通常称为DVFS(动态电压和频率缩放),结果是一个复合的电力节省。性能状态首先是为CPU引入的,因为处理器是硬件平台上最重要的电力消耗者之一(当前多核CPU的典型功耗范围是35W(瓦)到165W)。性能状态还可以用于控制活动缓存大小、内存和I/O互连的数量和/或运行率,等等。
最广泛实现的电源管理体系结构是高级配置和电源接口(ACPI)。它与英特尔架构一起发展,后者是基于最广泛使用的商用cpu和相关组件的硬件平台。尽管该规范有许多详细的方面,ACPI主要提供了实现刚才描述的两种电源管理模式所需的控制。它定义了电源状态:7个在整个系统级别,称为s状态(S0-S6);在每个设备级别上有四个称为d状态(D0-D3)。 尽管ACPI是一个重要的事实上的标准,得到了制造商相当广泛的支持,但它只提供了一种机制,通过这种机制可以控制系统的各个方面,从而影响他们的功耗。这实现了但没有明确提供能源效率。要利用这种机制或任何类似的机制,需要整个系统体系结构的高级方面。
节能计算与电源管理有何不同?您如何知道您已经解决了计算机系统的能源效率问题?这里有一个简单的愿景:<我>“该系统消耗的能量最小我>c一个>需要执行任何任务。”我> 换句话说,能源效率是一个优化问题。这样的系统必须动态地调整系统的硬件资源,以便只提供执行这些任务所需的资源(是否按时完成它们,或类似地,提供维持指定的服务水平所需的吞吐量),从而使所使用的总能量最小化。
传统上,系统的设计是为了实现工作负载的最大性能。在节能系统上,在某些情况下仍然需要某些任务(或整个工作负载)的最大性能,但是系统现在还必须最小化能源使用。重要的是要理解性能和能源效率不是相互排斥的。例如,即使在达到最大性能时,任何可以停用的资源,或者可以在不影响工作负载的最佳可能完成时间或吞吐量的情况下降低其单个性能的资源,都构成了能量优化。
实际上,很少(如果有的话)会利用任何系统上硬件资源的全部容量(即所有硬件都以其峰值性能水平运行)。在任何时候都努力实现最大性能的系统都是众所周知的过度供应(并相应地未充分利用)。然而,从事实际计算机系统设计的人可能会注意到,我们的科学在这方面是薄弱的。(这个区域可以称为“动态容量规划和动态供应”。)
能源优化显然受到一定的约束。一些例子。
有期限的任务必须按时完成。我>在一般情况下,为任务或工作负载指定截止日期。当指定的截止日期小于或等于系统使用任何或所有硬件资源所能达到的最优值时,这意味着性能达到了最大。这实际上是简并的情况。
任务或工作负载的最大性能提供了最佳截止日期的隐含规定,或“尽快”。 如果指定的截止日期晚于可实现的最佳截止日期,则计算可以在此截止日期之前花费任意长度的时间,并且系统可以为任务(或工作负载)寻找更全局的最小能量。截止日期可能被认为是“硬的”,在这种情况下,系统的能量优化资源分配器必须以某种方式保证满足它们(提出了困难的实现问题),或者是“软的”,在这种情况下,只能容忍最好的努力。
服务必须以所需的吞吐量运行。我>对于在线服务,吞吐量的概念,为了描述所需的性能水平,可能比完成期限的概念更合适。由于服务在其实现中最终可以被分解为完成的单个任务,我们希望有一个技术上的类比(尽管指定其性能约束的最合适的方法可能不同)。
真正的工作负载不是静态的:为实现给定的性能级别所提供的工作量和所需的资源会随着运行而变化。动态响应是关系到服务水平的一个重要的实际考虑因素。
吞吐量(T)必须在延迟(L)内实现。我>指定激活预留硬件容量或提高其性能级别的最大延迟似乎是一个明确的要求,但这也必须与相关任务或工作负载的性能需求相关。
吞吐量取决于任务的类型。诸如TPS(每秒事务数)这样的度量可能与数据库系统操作、图像生成子系统的呈现组件的每秒三角数或文件服务、I/O互连或网络接口的相应度量相关。交互使用要求有实时响应标准,媒体传输也一样:计算、存储和I/O容量,以满足所需的音频和视频传输速率。这里建议了一种在实践中可能处理这种不同吞吐量需求的方法。
瞬时功率绝对不能超过功率极限(P)。我>可以指定最大功率限制,以尊重电力可用性的实际限制(无论是对单个系统还是对整个数据中心)。在某些情况下,可能允许短暂超过此限制。
这些约束的组合意味着在某些情况下一定会出现过度约束,因此还需要一种放松约束的策略。可以选择严格的约束优先级,或者在它们之间进行更复杂的权衡。
考虑到节能计算的概念,如何构建这样一个系统呢?你期望一个节能系统如何运作?
一个系统有三个主要方面可以解决这个问题:
第一个方面的构造相对简单。第三种方法当然是可以立即实现的,特别是当优化技术是基于启发式方法时。第二个考虑是最令人畏惧的。它代表了节能计算的一个重要破坏性后果,可能需要一个更正式的(程序化的)基础来向系统传递工作负载的需求。对工作负载的基本供应需求的描述,以及指示其性能需求和当前性能的方法,似乎是最基本的。
一种预先表明其对各种系统资源供应变化的预期敏感性的方法也可能是有用的。幸运的是,在第二类所期望的发展所实现的改进之前,有许多实际的能源效率方法可以追求。
为了对系统的硬件进行节能管理,本系统 一旦系统有了这样一个由所有电源管理硬件组成的电源模型,它就有了优化能源运行的基本基础。重要的是,它了解哪些组件消耗的电能最多,哪些组件的响应速度最快,可以用来影响电能的使用。
为了限制活动硬件的数量并降低其性能以最小化能源消耗,系统如何知道正在运行的任务是否仍然能够获得足够的吞吐量来维持适当的服务水平或实现它们的截止日期?
吞吐量的评估取决于所讨论的任务或应用程序。操作系统可以观察到它的各种资源已经和正在被使用的程度,它可以使用这些观察结果作为预测未来资源需求的最佳基础,从而缩小或扩大可用的资源。对于确定工作负载需要什么,尤其是预测其动态响应敏感性,这是一个相对薄弱的基础。因此,系统将不得不对其可用资源或其性能水平的减少采取更加保守的态度。很明显,如果应用程序根据其服务级别需求或完成期限来评估自己的吞吐量,并且能够通过接口将该信息传递给操作系统,那么最好的结果将会实现。然后,系统可以利用这些信息进行潜在的更积极的资源调整,并相应地实现改进的整体能源优化解决方案。
这里有一个关键的二分法:系统负责解决受其分配的资源限制的能量优化问题,而应用程序负责监视其自身的性能水平并通知系统,以便提供适当的资源来满足它们。
一旦提供了硬件的功率特性,以及应用程序级软件可能提供的关于其约束的描述信息,操作系统必须开始调整硬件的性能和可用性级别的动态过程,以控制功率消耗并提高系统范围的能源使用。操作系统如何做出这样的决定?
系统消耗执行任何任务所需的最小能量。我> 启发式方法。我>在某些情况下,提供最大吞吐量可以优化能源。这是“[最大]性能是绿色的”的猜想,反映在“竞赛到空闲”或“竞赛到睡眠”的思想中。 在主动系统上广泛使用的能量改进启发式方法是根据当前利用率动态调整硬件的性能水平:低利用率时向下调整,高利用率时向上调整(利用率在一段时间内低于或高于某个阈值)。这可能是一种有效的技术,但仅限于使状态改变的延迟和能量都很低以致于无关紧要的情况。
基于约束的优化方法。我>在某些情况下,可以将问题简化到提供完整的分析解决方案的程度。例如,如果我们只考虑单个CPU上的单个任务,并且很好地理解了功耗/性能的权衡,那么完全指定一个时间表是相对简单的,其中任务将以最小的总能量满足截止日期;也可能得到更一般的形式结果。 为了使基于优化的方法普遍适用,需要使用一系列技术。在最简单的情况下,自主设备级操作是可能的;例如,在硬件层面,GPU可以完全基于对其利用率水平的瞬时评估,主动关闭未使用的硬件管道,因为当它们变得必要时,恢复这些管道的延迟是无关紧要的。类似的实践似乎也适用于CPU p状态(CPU性能和基于电压和频率缩放的能量成本调整)的使用,因为状态转换能量和延迟都非常低。
硬件状态改变会影响功率,但会产生更大的延迟和/或更大的能量,从而使状态改变需要不同的处理。一个明显的例子是旋转硬盘,考虑到使其恢复运行需要很长时间,但重新激活延迟并不是唯一需要考虑的问题。在半导体存储器系统中,如果不需要,总物理存储器的一部分可能会被关闭,而且开机延迟可能接近于零,因此仍然会有相应的转换能量,因为可能需要大量的内存事务来将工作集收集到那些将保持活动的物理页中。 一些常见的优化技术可能基于状态变化的延迟,它们的能量需求,等等,这类技术的分类可能由此产生,一些形式的或分析的,一些基于更多的数值或启发式方法。
必须修订系统,以注意其能源的使用;一直在运行的操作系统本身,在其自身的能源使用方面还没有得到优化。我> 虽然我们预计,针对不同硬件资源或子系统的能量优化的具体技术会有所不同,但根据所涉及硬件资源的特性,我们希望所有这些资源的能量效率优化器的组成将累积起来,形成整个系统的效率方案。 在全系统范围内对能源效率作出让步的愿景不可能一蹴而就。今天的系统软件并没有按照所描述的方式配置,应用程序也没有按照能够利用该功能的方式编写。从务实的角度讲,我们期望如何实现这一成果?我们已经采取了哪些步骤?
首先要考虑的是,必须修订系统,以注意其能源的使用;一直在运行的操作系统本身,在其自身的能源使用方面还没有得到优化。到目前为止,几乎所有软件,包括系统软件,都已经针对性能、健壮性和可伸缩性进行了优化,而不考虑能耗。因此,最初的步骤是重新设计和实施操作系统,使其操作节能。这是一项重大的工作,其全部影响尚未得到充分理解。
目前尚不清楚修改现有的操作系统,将能源作为一级约束是否可行,尽管这肯定是更好的选择。系统安全性方面的经验表明,试图在事后引入这些基本考虑因素是充满复杂性的。我们当然可以预见系统软件中基本的新结构,甚至可能由于能源效率的压力而出现新的操作系统。
至少,操作系统内的资源管理设施必须适应能源意识,然后进行能源优化。
处理器。我>考虑到当代计算平台上很大一部分的功率都来自cpu(因此很早就在cpu上引入了电源管理特性),操作系统调度器/线程调度器已经取得了很大的进展。当没有有用的工作要做时,必须消除不小心激活硬件。操作系统内(或应用程序内)的轮询是一个明显的例子,但是使用高频时钟计时中断作为计时器事件、时间保持和线程调度的基础同样可能存在问题。目标是在需要之前保持硬件静默。“无痒痒”的内核项目 对于具有多个插座的多处理器系统,现代处理器scmt(芯片多线程)、CMP(芯片多处理器)和NUMA(非均匀内存访问)上的特性的融合需要大量的新工作来实现最优位置的线程调度程序。 存储。我>与cpu相比,磁盘驱动器消耗的能量似乎不是特别大。一个典型的3.5 -。,7200RPM commodity disk consumes about 7W to 8Wonly about 10% of what a typical multicore CPU consumes. Although higher-performance 10,000RPM spindles consume about 14W, and 15,000RPM drives perhaps use around 20W, what is the worry? The alarming relative rate of growth in storage, mentioned earlier, could quickly change the percentage of total power that storage devices account for. Performance and reliability factors have already resulted in the common application of multiple spindles, even on desktop systems (to implement a simple RAID solution). In the data center, storage solutions are scaling up much faster. 低端的卷服务器盒现在通常可以容纳12个或更多的驱动器,一个来自Sun的4U机架式存储阵列产品可以容纳46个3.5英寸。驱动器。后者的单个实例,如果它使用10,000RPM或15,000RPM的工业驱动器,可能因此占1088 w到1.6kW,这是一个更重要的能源消耗图。
存储子系统现在显然在能源关注的雷达上。至少可以立即采取两个步骤来帮助提高存储设备的能源消耗。首先是直接关注传统基于磁盘的存储的能源使用。其中一些工作是由磁盘硬件供应商开始的,他们开始引入磁盘驱动器电源状态,而另一些工作是由从事当代文件系统(如ZFS)和存储资源管理的操作系统开发人员开始的。第二种是对内存/存储层次结构的更全面的审视,尤其是源自最近推出的大型廉价闪存设备。闪存填补了主内存设备和磁盘之间的重要性能/容量差距, 内存。我>由于主存的功耗要求相对较低(例如,每个内存2W),乍一看似乎比磁盘更不受关注。然而,在当代硬件平台上,它的平均尺寸可能会增长得更快。由于硬件系统制造商主要关注性能级别(以跟上多核cpu的相应性能需求),因此保持完整的cpu到内存带宽是至关重要的。其结果就是从单通道到双通道,再到现在的三通道内存以及相应的DDR、DDR2和DDR3 SDRAM技术的发展。尽管处理器特性尺寸的减小(DDR3现在采用的是50纳米技术)已经使时钟频率提高,每个DIMM的功耗有所下降,但通过增加每个内存通道的内存数量来实现更大性能的愿望仍然在增加内存系统的总功耗。
例如,当前的4插槽服务器系统(基于8核Sun Niagara2 CPU)使用DDR2双通道内存技术,每个插槽有16个dimm,总共有64个dimm。如果它更快的后继者使用DDR3三通道内存,则每个插槽将增加到24个dimm(总共96个)。一个代表性的DDR2内存消耗1.65W(或3.3W /一对),而目前DDR3内存的最低功率版本消耗1.3W(或3.9W /三个)。结果在我们的例子中,从100W到120W的总功耗只增加了20%。
然而,考虑到下一代CPU每个套接字的内核数量也将是现在的两倍,可能的情况是每个套接字的内存集数量也将是现在的两倍(总共可能是192个dimm),以平衡整体内存系统性能。因此,结果可能是从100W增加到240W(整个内存系统的功耗增加了140%)!这种趋势甚至可以在桌面级计算机上观察到,当然规模要小得多,因为已经出现了包含四核超线程cpu的系统(如英特尔的Nehalem)。
如果要启用和禁用可用的物理内存,并在动态调整系统的处理能力时相应地重新配置,则操作系统的内存管理子系统将需要一些新的功能。面向未来的虚拟内存系统的设计是一个开放的问题,该系统能够感知能源并能够在运行时调整物理内存资源。
I / O。我>硬件平台上的I/O系统的能源方面也可能变得更加重要。举个简单的例子,现在的局域网互连和子系统在两个重要方面发生了变化:链路聚合越来越多地用于提高网络带宽和可靠性;个人互联速度从1GB提高到10GB,即将达到40GB。现在,一个10GB网络接口卡的收发器在全速运行时可能需要14W的功率,当其链路速度降低到1GB或更低时(1GB时约为3W, 100MB时约为1W),功率将相应降低。其他高速互连,如InfiniBand,可以预期对整个系统有类似的能源考虑。从片上到广域网络,在各种不同的架构表现中,很少有人注意到通信互连对能源的影响。
节能计算最具战略意义的方面将是应用软件的发展,以促进全系统的能源效率。虽然我们可以肯定地期望新的应用程序接口到系统软件,以支持新的节能应用程序的开发,但历史和现在应用程序的过渡代表了一个长期的演变。在此期间,我们将如何解决剩余设施提高能源效率的问题?显然,它不会是所有现有应用程序实现中一个独特时代的结果。
解决现有应用程序的能源不可知性的一种可能性是对其运行时行为进行外部分析。可以收集有关应用程序性能的程度的经验数据 不可避免的,我们期望技术的组合是需要的:显式的,应用程序本身通知系统它的吞吐量和资源供应需求;和隐式的,其中静态和动态分析用于建模资源需求相对于性能和能源消耗。
我们仍然处于能源意识计算的初始阶段,业界的大量注意力都集中在单个硬件组件的电源管理机制和控制的引入和使用上,而不是更广泛的能源效率问题:在系统上运行计算工作负载所需的总能量的最小化。本文提出了计算系统中提高能源效率的总体方法。它提出在系统软件中实现能量优化机制,配备系统硬件的功率模型,并由建议资源配置调整的应用程序通知,以便它们能够达到所需的吞吐量水平和/或完成期限。
在近期内,许多旨在减少与最高功率组件(如cpu)相关的最明显的能源浪费的启发式技术可能仍然是实用的。从长远来看,为了实现更有效的总能量优化,我们相信能够针对系统硬件配置(以及其能耗)建模性能的技术,以及对工作负载的更好理解和一些预测知识,将变得越来越重要。
相关文章 低功耗软件 利用非对称多核系统最大化电力效率 电源关闭 1.80 plus.org。供电效率的最新标准;<一个href="http://www.80plus.org">http://www.80plus.org一个>.
2.Barroso, L.和Holzle, U.能量比例计算的案例。<我>IEEE计算机我>(2007年12月),3337年。
3.能源问题和劳伦斯伯克利国家实验室。在加州空气资源委员会的演讲(2008年2月)。
4.美国能源部能源信息管理局。居民能源消费调查(2001年);<一个href="http://www.eia.doe.gov/emeu/recs/recs2001/enduse2001/enduse2001.html">http://www.eia.doe.gov/emeu/recs/recs2001/enduse2001/enduse2001.html一个>.
5.环境保护署。EPA向国会提交的关于服务器和数据中心能效的报告(2007年8月);<一个href="https://www.energystar.gov/ia/partners/prod_development/downloads/EPA_Datacenter_Report_Congress_Final1.pdf">http://www.energystar.gov/ia/partners/prod_development/downloads/EPA_Datacenter_Report_Congress_Final1.pdf一个>.
6.用于芯片多线程处理器的操作系统调度。博士论文。哈佛大学(2006年9月)。
7.Fedorova, A., Saez, J. C., Shelepov, D.和Prieto, M.利用非对称多核系统最大化每瓦性能。<我>ACM队列我>(11月/ 12月。2009);<一个href="http://queue.acm.org/detail.cfm?id=1658422">http://queue.acm.org/detail.cfm?id=1658422一个>.
8.加勒特,m,关机。<我>ACM队列我>(11月/ 12月。2007)。
9.卡茨,r。h。科技巨头的繁荣。<我>IEEE频谱我>(2009年2月);<一个href="http://www.spectrum.ieee.org/green-tech/buildings/">http://www.spectrum.ieee.org/green-tech/buildings/一个>.
10.Leventhal, A.闪存。<我>ACM队列6我>4(7 / 8月。2008年),2530年,2530年;<一个href="http://queue.acm.org">http://queue.acm.org一个>.
11.莫卧儿,J.,阿哥洛,E.,沙阿,M.和法拉博希,P.对NVM+DRAM混合主存的操作系统支持。在<我>Usenix HotOS会议记录12我>(2009年5月)。
12.能源意识计算形式技术的能源成本最小化(即将发表的论文)。
14.罗斯,K. W.和麦肯尼,K.美国居民消费电子产品的能源消耗。TIAX LLC, Cambridge, MA(2007年1月)。
15.谢勒波夫,D., Saez, J. C.,杰弗里,S.,费多洛娃,A.,佩雷斯,N.,黄,中夫,S.布拉戈杜罗夫,和库马尔,V. 2009。HASS:异构多核系统的调度程序。<我>ACM操作系统综述我>, 2(2009), 6675。
16.悉达,s,从挠痒痒中获得最大里程。在<我>Linux研讨会论文集我>(渥太华,安大略,2007年6月),201208。
17.Yao, F., Demers, A.和Shenker, S.减少CPU能量的调度模型。在<我>第36届计算机科学基础年会论文集我>(1995), 374382。
a.美国能源情报署(<一个href="http://www.eia.doe.gov">www.eia.doe.gov一个>)的数据显示,2001年美国家庭的个人电脑和打印机每年消耗23.1太瓦小时。 b.特殊地,cpu的电源状态称为c状态(C0-C3)。在任何情况下,每个非运行电源状态的语义都是特定于相关设备(或设备类)的。
c.能量是功率的时间积分,当功率恒定时,能量=功率×时间。功率和能量是不同的概念,不应该混淆。
d. deadline的所有值:<我>D我>=<我>t我>我我>小于可达到的最短期限:to相当于设置<我>D我>=<我>t我>o我>(即:{<我mg src="https://dl.acm.org/cms/attachment/fdbbffad-78d8-49a9-8f48-ee2289918f0a/forall.gif" border="0" hspace="2" alt="forall.gifgydF4y2Ba">t t我>我我><<我>t我>o我>,(<我>D我>=<我>t我>我我>]<我mg src="https://dl.acm.org/cms/attachment/f85dcfd0-e052-4833-b44e-dd56fc1a7ecf/ap.gif" border="0" hspace="2" alt="ap.gifgydF4y2Ba">[<我>D我>=<我>t我>o我>})。因此,我们可以用以下方法表示最大性能<我>D我>= 0。
e。这里的“系统”最自然地指的是操作系统,尽管很明显,这必须包括用于虚拟化系统的管理程序。可以合理地预期,这个概念将需要扩展,以包括固件的某些方面,甚至硬件组件(在低端)和重要的运行时,如Java虚拟机,它们负责和/或特别了解资源分配。
f.考虑一下传统的启发式方法,如旨在优化内存层次结构以提高性能的五分钟规则,是否可能在能量优化方面有类似之处,这是很有趣的。
我们认识到,如果不同子系统分配的资源之间存在相互作用,那么这种简化论可能过于乐观,在“每一焦耳都很重要”的系统中,可能需要一种更全面的方法(如大型动态规划方法)。
h.这里的异构指的是一个多核CPU,在这个多核CPU中,不同性能级别(不同的CPU微架构)的内核放在同一个多核包中,因此其功耗结果是非常不同的。
i.这假设人们可以定义一些客观的外部绩效指标,这可能是有问题的。
DOI: http://doi.acm.org/10.1145/1666420.1666438
©2010 acm 0001-0782/10/0300 $10.00 允许为个人或课堂使用本作品的全部或部分制作数字或硬拷贝,但不得为盈利或商业利益而复制或分发,且副本在首页上附有本通知和完整的引用。以其他方式复制、重新发布、在服务器上发布或重新分发到列表,需要事先获得特定的许可和/或付费。
数字图书馆是由计算机协会出版的。版权所有©2010 ACM, Inc。
没有发现记录
当今计算机系统中的电源及其管理
电源管理
ACPI
计算的能源效益
必须保持所需的性能水平
系统必须响应不断变化的需求
接近一个解决方案
能力模型
工作量限制和绩效评估
系统的能量优化
到达那里
应用软件的发展
结论
埃里克·萨克斯我>
http://queue.acm.org/detail.cfm?id=1698225一个>
亚历山德拉·费多洛娃,胡安·卡洛斯·赛斯,丹尼尔·谢勒波夫,曼纽尔·普列托我>
http://queue.acm.org/detail.cfm?id=1658422一个>
马修·加勒特我>
http://queue.acm.org/detail.cfm?id=1331293一个>参考文献
脚注