Más contenido relacionado
Similar a Jpar 2013
Similar a Jpar 2013 (20)
Último
Último (20)
Jpar 2013
- 1. 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 Madrid Universidad Complutense de Madrid
- 2. Contenidos Contexto y motivación Consumo de computación Consumo de refrigeración Metodología experimental Resultados Conclusiones
- 3. Contenidos Contexto y motivación Consumo de computación Consumo de refrigeración Metodología experimental Resultados Conclusiones
- 4. Contexto - Consumo energético Data Center = 25.000 viviendas - EE.UU. 80 millones MWh/año en 2011 1.5 x New York City
- 5. Contexto 1.3% Producción eléctrica mundial 70% Computación 30% Refrigeración ○ Fiabilidad ○ Daños irreversibles
- 6. Motivación 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
- 7. Contenidos Contexto y motivación Consumo de computación Consumo de refrigeración Metodología experimental Resultados Conclusiones
- 8. 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%)
- 9. Leakage - Consumo en lógica dinámica - El efecto se intensifica con la temperatura source gate drain
- 10. Modelo de Leakage _ B define una constante que depende de los parámetros de fabricación del servidor
- 11. Contenidos Contexto y motivación Consumo de computación Consumo de refrigeración Metodología experimental Resultados Conclusiones
- 12. Contexto Eficiencia del ciclo determinada por el Coefficient of Performance (COP)
- 13. Coeficiente de rendimiento (COP) - COP eficiencia Según el teorema de Carnot
- 14. Contenidos Contexto y motivación Consumo de computación Consumo de refrigeración Metodología experimental Resultados Conclusiones
- 15. Objetivos - Detección del comportamiento del leakage Temperatura de CPU Temperatura de sala - Detección del consumo óptimo Consumo de computación Consumo de refrigeración
- 16. Metodología experimental 1. Modelado del comportamiento del leakage: Nivel de servidor Carga y temperatura controlables Promediado del consumo de potencia 2. Validación del modelo: Carga de trabajo HPC Entorno de sala comercial Refrigeración controlable
- 17. Caracterización del servidor - Servidor: Sunfire V20Z AMD Opteron - Carga de trabajo: Lookbusy Sintética Control de la utilización de CPU Aislamiento del consumo de leakage - Temperatura de la CPU: 45ºC - 70ºC - Monitorización: Ipmitool + pinza amperimétrica Alineación con timestamp común
- 18. Validación del modelo - Sunfire V20z: 8 servidores en un rack - Sala refrigerada: Daikin FTXS30 Capacidad nominal de refrigeración 8.8kW Consumo nominal de potencia 2.8KW - Configuración de temperatura: 18ºC - 24ºC - Carga de trabajo: SPEC CPU2006 1 a 4 ejecuciones simultáneas por servidor
- 19. Contenidos Contexto y motivación Consumo de computación Consumo de refrigeración Metodología experimental Resultados Conclusiones
- 21. Validación con carga real
- 22. Resultados - Leakage despreciable en el rango 18ºC - 24ºC Tª de refrigeración: COP: 2.95 18ºC 24ºC 3.47 Ahorro del 11.7% en la refrigeración Sin penalización en computación
- 23. Contenidos Contexto y motivación Consumo de computación Consumo de refrigeración Metodología experimental Resultados Conclusiones
- 24. Conclusiones - 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 de refrigeración según el impacto del leakage - Validación experimental: Sala con infraestructura comercial Ahorro en potencia del 11.7%
- 25. Gracias por su atención Patricia Arroba parroba@die.upm.es Departamento de ingeniería electrónica ETSI Telecomunicación UPM