１９２８

系统工程与电子技术

第３４卷

数据中心将１０个节点存放于一个机架上。５个机架构成一个区域，以区域为温控系统覆盖的最小控制单位。温控系统为每个区域设定的制冷量为８ｋＷ，制冷能效比Ｐｅｒ一３．２（即达到能源之星标准），制冷功耗即约为２．５ｋＷ。

实验将数据中心分为５个Ｓｅｃｔｉｏｎ。本实验对比了数据聚集前以及数据聚集后并运行一段时问后的数据中心的能耗情况，实验以２４ｈ为一个周期。表２是数据中心各个Ｓｅｃｔｉｏｎ的能耗情况，包含了节点的能耗及温控系统的能耗，合计为９６７．５１６ｋＷ ｈ。

表２数据聚集前系统能耗情况

ｋＷ ｈ

０

８４３１．５７５０

５８３１．８２２ｏ

８７３２．４８３Ｏ

０

７

３２．９１９蒡已蒡已蒡已蒡融

Ｏ

ｎ孙札弛弛∞佣阻ｎ％８娼姐ｎ弛弛∞姐曲够∞５

３２．２１１

表２中，Ｓｅｃｔｉｏｎ，中某一个机架的１０个节点的能耗情况如表３所示，一个周期的能耗共计２６．２６３ｋＷ ｈ。加上制冷能耗，Ｓｅｃｔｉｏｎ。的总能耗为１９３．３４３ｋＷ ｈ。

表３

Ｓｅｃｔｉｏｎｌ中某一机架ｌＯ个节点能耗情况ｋＷ ｈ

Ｎｏｄ即０

８Ｏ２０．３８７ＮＯｄ∞Ｏ

２Ｏ蛇ｕｌ０．３９８Ｎｏｄ∞Ｏ

３Ｏ

ｎ７

０．３４７ＮＯｄｏＯ５Ｏ

４０．５０２Ｎｏｄ鄂０

３Ｏ

２０．５２０ＮＯｄ郫０７Ｏ２０．４４ｌＮＯｄ创Ｏ

３０

４

０．３４１Ｎｏｄ部

０

９０Ｈ弘弘弱蝎３

０．４４６Ｏ

ｄ即

Ｏ

５

０．４４９０．４０２Ｎ№Ｈｍ州Ｏ

诣蛎帖钉姐踮盯娼驱鹕４

０．４３２

０．５４３

万方数据

进行数据聚集且运行一段时间后，并进行了节点聚集后的数据中心的能耗情况如表４所示，包含了节点的能耗及温控系统的能耗，合计为５５０．９２７ｋＷ ｈ。

表４数据聚集和节点聚集后系统能耗情况

ｋＷ ｈ

３．２性能分析

下面对本文提出的面向绿色云计算数据巾心的动态数据聚集算法及其应用性能进行分析：

（１）功耗与能耗

从上述实验结果可以看出，在数据聚集前由于节点上部署的数据的不规律导致访问热点的散乱，系统中的大量节点利用率较低。特别是部分节点甚至长时间处于待机状态，不能关闭，仍然有８４ｗ的功耗，并造成环境的热负荷，相应的温控系统仍然需要为其降温而造成能源浪费。系统的总能

耗为９６７．５１６ｋＷ ｈ，其中制冷能耗达到３００ｋＷ ｈ。

进行了数据聚集和节点聚集后，部分节点工作负荷明显增加，功耗也随之增加，在某些时段，部分Ｓｅｃｔｉｏｎ中节点的总功耗甚至接近峰值６．９ｋＷ，加上制冷消耗，总功耗约

为９．４ｋＷ；但是部分Ｓｅｃｔｉｏｎ则消除了服务器的待机空转

状态，仅有电源线等设备产生少量能耗，由此产生了很少的热负荷，温控设备也无需为该Ｓｅｃｔｉｏｎ制冷降温，从而节约了能源。对比发现进行数据、节点聚集后，在一个时间周期内，系统的总能耗仅为聚集前的５６．９４％，节约了４３．０６％

的能耗。

（２）资源利用率与服务质量

在相同的用户请求规模的前提下，应用数据聚集算法前后的数据中心的总资源利用率应该是差别不大的。然而

对于具体的节点而言，在进行数据聚集后，节点在开机运行时，将尽量处于高负载状态（＞５０％），由此提高了利用率。在波态运行的低谷时段时，节点处于０负载状态。

由于在波态运行的高峰时段，节点的负载增加，如采用普遍使用的时间片轮转调度算法，用户的响应时间将有可能被延长，但系统设置了节点访问量阈值口，因此对用户的使用体验影响有限。系统也不会发生因部分节点关闭而造成数据无法被访问的情况，这主要是得益于本文算法利用运行规律相反的节点进行互补以实现系统性能的进一步增强。