jpar 2013: on the leakage-power modeling for optimal server operation
TRANSCRIPT
On the Leakage-Power Modeling for Optimal Server Operation
Patricia Arroba, Marina Zapater, José L. Ayala, José M. Moya, Katzalin Olcoz, Román Hermida
Universidad Politécnica de MadridUniversidad Complutense de Madrid
Contenidos
Contexto y motivaciónConsumo de computaciónConsumo de refrigeraciónMetodología experimentalResultadosConclusiones
Contenidos
Contexto y motivaciónConsumo de computaciónConsumo de refrigeraciónMetodología experimentalResultadosConclusiones
- Consumo energético
Data Center = 25.000 viviendas
- EE.UU. 80 millones MWh/año en 2011
1.5 x New York City
Contexto
1.3% Producción eléctrica mundial
70% Computación
30% Refrigeración○ Fiabilidad ○ Daños irreversibles
Contexto
Efectos del aumento de Tª de sala
- Leakage:
Tª Consumo de computación
(No está considerado para fijar la temperatura de sala)
- Refrigeración:
Tª Consumo del compresor
Motivación
Contenidos
Contexto y motivaciónConsumo de computaciónConsumo de refrigeraciónMetodología experimentalResultadosConclusiones
Contexto
- Históricamente consumo dominado por Potencia dinámica
- Mayor parte modelos de potencia actuales sólo tienen en cuenta la potencia dinámica
- Escalado de la tecnología por debajo de 100nm Consumo estático mucho más significativo (30-50%)
Leakage
- Consumo en lógica dinámica- El efecto se intensifica con la temperatura
source draingate
B define una constante que depende de los parámetros de fabricación del servidor
Modelo de Leakage_
Contenidos
Contexto y motivaciónConsumo de computaciónConsumo de refrigeraciónMetodología experimentalResultadosConclusiones
Contexto
Eficiencia del ciclo determinada por el Coefficient of Performance (COP)
- COP eficiencia
Según el teorema de Carnot
Coeficiente de rendimiento (COP)
Contenidos
Contexto y motivaciónConsumo de computaciónConsumo de refrigeraciónMetodología experimentalResultadosConclusiones
Objetivos
- Detección del comportamiento del leakage Temperatura de CPU Temperatura de sala
- Detección del consumo óptimoConsumo de computaciónConsumo de refrigeración
1. Modelado del comportamiento del leakage:Nivel de servidorCarga y temperatura controlablesPromediado del consumo de potencia
2. Validación del modelo:Carga de trabajo HPCEntorno de sala comercialRefrigeración controlable
Metodología experimental
- Servidor: Sunfire V20Z AMD Opteron
- Carga de trabajo: Lookbusy SintéticaControl de la utilización de CPUAislamiento del consumo de leakage
- Temperatura de la CPU: 45ºC - 70ºC
- Monitorización: Ipmitool + pinza amperimétricaAlineación con timestamp común
Caracterización del servidor
Validación del modelo
- Sunfire V20z: 8 servidores en un rack
- Sala refrigerada: Daikin FTXS30 Capacidad nominal de refrigeración 8.8kWConsumo nominal de potencia 2.8KW
- Configuración de temperatura: 18ºC - 24ºC
- Carga de trabajo: SPEC CPU20061 a 4 ejecuciones simultáneas por servidor
Contenidos
Contexto y motivaciónConsumo de computaciónConsumo de refrigeraciónMetodología experimentalResultadosConclusiones
Caracterización del servidor
Validación con carga real
- Leakage despreciable en el rango 18ºC - 24ºC
Tª de refrigeración: 18ºC 24ºC
COP: 2.95 3.47
Ahorro del 11.7% en la refrigeraciónSin penalización en computación
Resultados
Contenidos
Contexto y motivaciónConsumo de computaciónConsumo de refrigeraciónMetodología experimentalResultadosConclusiones
- Modelos tradicionales: no incorporan el impacto de la potencia de leakage con la Tª
- Detección de regiones de comportamiento:Optimizar la reducción de la potencia derefrigeración según el impacto del leakage
- Validación experimental:Sala con infraestructura comercial Ahorro en potencia del 11.7%
Conclusiones
Gracias por su atención
Patricia Arroba Departamento de ingeniería electrónica
[email protected] ETSI Telecomunicación UPM