Análise de Estratégias de Green Computing em Grades Oportunistas.

Apresentação em tema: "Análise de Estratégias de Green Computing em Grades Oportunistas."— Transcrição da apresentação:

1 Análise de Estratégias de Green Computing em Grades Oportunistas

2 Apresentação Sistemas Distribuídos 2009.2 Alunos Jaindson Santana Lesandro Ponciano Marcus Carvalho Matheus Gaudencio Professor Francisco Brasileiro

3 Sumário Introdução Projeto dos Experimentos Apresentação dos Resultados Conclusão Referências

4 Introdução Contexto "Eficiência computacional a qualquer custo" Eficiência computacional vs consumo de energia Aumento dos custos finaceiros com energia Maior preocupação com impactos ambientais Green computing Eficiência Energética

5 Introdução Estratégias de Green Computing Standby (Sleep) Hibernate

6 Introdução Problema Como as estratégias de green computing impactam na economia de energia e no makespan dos jobs em uma grade oportunista? Objetivo Analisar estratégias de redução de consumo de energia e seus impactos no makespan dos jobs

7 Projeto dos Experimentos Uso de simulação para realizar a análise sobre o impacto do makespan e consumo de energia utilizando estratégias de green computing (Standby, Hibernate) Simulador Simula a atividade de uma grade computacional Codificado em Java Escalonador global simples FCFS, sem prioridade

8 Simulador - Entradas e saídas Entradas: Workload Histórico de disponibilidade Número de máquinas Estratégia Green Saídas: Log da execução das tarefas Log do estado de cada recurso Log do estado da grade

9 Estratégia Green Estratégia definida por uma tupla (tempo, consumo) Tempo para entrar/sair de um estado Consumo de energia durante cada estado Estratégias Idle (sem estratégia): (0 s, 34.17 w) Standby: (5 s, 3.33 w) Hibernate: (110 s, 1.54 w) Uso da estratégia no recurso: Quando o recurso está ocioso -> Go green Quando uma máquina precisa ser usada -> Wake Durante uma transição para um estado green, há o consumo de 200 w

10 Workload Baseado no NorduGrid Retirado janelas de 5000 jobs Atender a restrição do simulador Cada janela é um cenário de simulação As janelas são classificadas em baixa/alta demanda: Baseando-se na tempo entre chegadas dos 5000 jobs Menor tempo entre chegadas -> Maior demanda

11 Workload Informação presente no workload: Tempo de submissão Tempo necessário para execução Exemplo: 1046680270218 10502088921107 1050211992723

12 Disponibilidade Traces de disponibilidade do DEUG Período máximo contínuo: 7 dias # Máquinas: 80 Formato do trace: V4-linux10611049048001636 V3-linux17811049048003611 V3-linux22311049048003666

13 Cenários Demanda = [Baixa, alta] Estratégias Green = [Standby, Hibernate] Não ter estratégia é manter em Idle Número de máquinas = 200 Gera cenários de baixa e alta conteção de acordo com as entradas Disponibilidade de cada máquina é escolhida aleatoriamente dos 80 traces Considera checkpoint das tarefas Métricas analisadas: Consumo de energia do tempo ocioso Makespan dos jobs

14 Apresentação dos Resultados

15

16

17

18 Redução de consumo em relação a Idle, 95% de confiança Standby Baixa Conteção: 85%, erro de 1.4 pp Alta Contenção: 75%, erro de 4.3 pp Total: 77%, erro de 3.4 pp Hibernate Baixa Conteção: 49%, erro de 12.6 pp Alta Contenção: -13%, erro de 20 pp Total: 2.6%, erro de 12 pp

19 Conclusões Para todos os cenários avaliados a estratégia standby apresentou menor consumo de energia Não pode-se dizer que hibernate apresentou redução consumo energia em relação a idle Para os cenários avaliados não houve alteração significativa do makespan

20 Trabalhos Futuros Utilizar recursos heterogêneos Realizar medições sobre os mecanismos necessários para dar suporte a uma política de economia de energia Uso de outras estratégias baseando-se na demanda Ex.: 75% das máquinas ociosas vão para um estado de economia de energia Rodar com workload mais estável em termos de Runtime

21 Referências Orgerie A.; Lefevre, L.; Gelas, J.; “Save Watts in your Grid: Green Strategies for Energy-Awere Fremework in Large Scale Distributed Systems”. Parallel and Distributed Systems, International Conference on, Vol. 0 (2008), pp. 171-178. Telebi, T. Way, T. “Methods, Metrics and Motivation for a Green Computer Science Program.” SIGCSE Bull., Vol. 41, No. 1. (2009), pp. 362-366. Zong, Z. Et al. “Simulation Framework for Energy Efficient data Grid”. SESSION: Military applications: security in military simulation table of contents.(2007) Pages 1417-1423. ISBN:1- 4244-1306-0 Przybyla, D.; Pegah, M. “ Dealing with the veiled Devil: Eco-responsible computing strategy”. In SIGUCCS '07: Proceedings of the 35th annual ACM SIGUCCS conference on User services (2007), pp. 296-301. Barcelona, S. “Cutting the Eletric Bill for Internet-Scale Systems”. Novel aspects to networking table of contents. (2009) Pages 123-134. ISBN:978-1-60558-594-9 Mujtaba Talebi. “Computer Power Consumption Benchmarking For Green Computing”. Master's Thesis, Villanova University, Department of Computing Sciences, 2008.

22 Derrick Kondo, Gilles Fedak, Franck Cappello, Andrew A. Chien, Henri Casanova. “Resource Availability in Enterprise Desktop Grids” to appear in the Journal of Future Generation Computer Systems, 2007 Referências

23 Perguntas!

24 Trabalhos Relacionados Mensurar e reduzir o consumo de energia em datacenters (fulaninho, 9999)