摘要：動態(tài)數(shù)據(jù)聚集計算方法主要包括節(jié)點聚集、數(shù)據(jù)聚集兩個方面的內容，實現(xiàn)了綠色云計算數(shù)據(jù)中心系統(tǒng)的統(tǒng)籌管理，結合不同時段節(jié)點和數(shù)據(jù)的使用情況，將數(shù)據(jù)集聚起來，重新部署各數(shù)據(jù)節(jié)點，逐步實現(xiàn)了有序化聚集，保證了計算儲存節(jié)點可持續(xù)正常運轉。本文通過仿真實驗，詳細的分析了該算法的各項性能，總結與探討了面向綠色云計算數(shù)據(jù)中心的動態(tài)數(shù)據(jù)聚集算法的重要意義。

關鍵詞：綠色云計算 數(shù)據(jù)聚集 能耗 數(shù)據(jù)中心

中圖分類號：TP393.02 文獻標識碼：A 文章編號：1007-9416（2016）10-0135-03

云計算（cloud computing）是一種借助網(wǎng)絡平臺集聚各類虛擬化計算資源，并通過數(shù)據(jù)中心供給多租客或單一用戶性價比較高、動態(tài)、彈性規(guī)模擴展的信息存儲、信息計算等服務方式[1]。云計算轉變了傳統(tǒng)信息架構，引進了全新的運作模式，逐漸成為國內外各領域、各行業(yè)爭相關注的重要問題。據(jù)相關統(tǒng)計顯示，云應用程序所部署服務器數(shù)量超出原有應用程序的4倍，在數(shù)據(jù)中心的運營成本中，能源消耗費用所占比重較大，約為43.35%。因此，云計算數(shù)據(jù)中心的節(jié)能降耗成為了重中之重，能耗管理應兼顧服務質量和“綠色”兩項要求[2]。本文詳細分析了云計算數(shù)據(jù)中心的相關工作，基于其運行模式，提出了面向綠色云計算數(shù)據(jù)中心的動態(tài)數(shù)據(jù)聚集算法。

1 動態(tài)數(shù)據(jù)聚集算法的相關概念界定

近年來，對云數(shù)據(jù)中心的研究已進入白熱化階段，目前已提出了三個階段數(shù)據(jù)布局的策略，主要通過跨數(shù)據(jù)中心的數(shù)據(jù)傳輸、全局負載均衡及數(shù)據(jù)依賴關系三項指標，來優(yōu)化、求解數(shù)據(jù)布局方案。與此同時，還總結了云計算數(shù)據(jù)中心所面臨的資源管理問題，致力于網(wǎng)絡寬帶靈活性和吞吐量的有效提高。根據(jù)云計算數(shù)據(jù)中心的網(wǎng)絡拓撲設計，以Fat-tree、BCube為主要結構，設計出了云計算方法，其具有直徑小、連通性強的特征，逐步形成了一種可拓展性較強的拓撲網(wǎng)絡結構。[2]

結合云計算數(shù)據(jù)中心的實際情況，發(fā)現(xiàn)該系統(tǒng)的主要能耗來源有以下幾方面的內容：（1）電源供應、服務器、互聯(lián)網(wǎng)等設備所帶來的能源消耗。這一系列設備能耗約占總能耗的23%；（2）溫控設備，包括水冷、風冷設備等所產(chǎn)生的能源損耗；（3）云計算數(shù)據(jù)中心照明設備帶來的能源損耗，此設備能耗比例小。電源使用效率會對云計算數(shù)據(jù)其中心能源使用情況產(chǎn)生影響。電源使用率（PUE）指的是數(shù)據(jù)中心所消耗的總能源和IT負載消耗呈現(xiàn)的比值，電源使用率越接近1，云計算數(shù)據(jù)中心的綠色化程度越強。溫度控制設備負荷由計算機主機、外部輔助設備等所產(chǎn)生發(fā)熱量組成，存儲設備、服務器設備與網(wǎng)絡設產(chǎn)生的發(fā)熱量所占比重較大。云計算數(shù)據(jù)中心具有一定的優(yōu)勢，其充分利用了虛擬化技術，減少了物理服務器，進而實現(xiàn)節(jié)能減排。通過上述內容可得知，在相同任務的執(zhí)行過程中，如何既有效確保QoS，還能夠將數(shù)據(jù)中心總體能耗有效降低則是“綠色云計算”實現(xiàn)極為關鍵的條件。[3]因此，需要采取相應措施對云計算中心數(shù)據(jù)進行改進，在最大限度降低能耗的同時，提高工作效率與服務質量，實現(xiàn)云計算數(shù)據(jù)中心的可持續(xù)發(fā)展。其中，動態(tài)數(shù)據(jù)計算法作為減少能耗的有效方法，對于云計算數(shù)據(jù)中心的綠色發(fā)展而言起到了至關重要的作用。

2 動態(tài)數(shù)據(jù)聚集算法

2.1 能耗分析

在云計算數(shù)據(jù)中心的節(jié)能減排工作中，通常存在以下幾點問題：

2.1.1 數(shù)據(jù)部署和任務調度

云計算數(shù)據(jù)中心的任務調度忽視了能源消耗問題。以Hadoop開源云計算項目為例，該系統(tǒng)采用了多種調度方法，包括公平調度方法、先來服務算法、計算能力調度算法等，都忽略了系統(tǒng)能源損耗問題，太過側重訪問效率、存儲空間、可靠機制等問題，忽視了數(shù)據(jù)訪問規(guī)律。

2.1.2 溫度控制

云計算數(shù)據(jù)中心缺乏有效的溫度控制，無法根據(jù)運行設備的實際情況進行有效管理，造成各項資源的大量浪費。

2.1.3 認知問題

云計算數(shù)據(jù)中心所指定的節(jié)能措施僅針對設備本身的功能耗費，實際上設備功能消費與設備性能呈負相關，難以得到改進；同時，部分數(shù)據(jù)中心地處嚴寒地區(qū)，太過依賴于外界環(huán)境，為了引入室外空間，應盡量避免人工制冷。

2.2 云數(shù)據(jù)模型

從用戶的視角來看，云計算系統(tǒng)可分為四種：

（1）當用戶提出任務請求時，云計算服務器應主動提供相應程序、數(shù)據(jù)及信息等，與搜索引擎極為相似；

（2）若用戶的任務請求中涉及相關程序，由用戶主動提供，數(shù)據(jù)由云計算服務器提供。系統(tǒng)通過將用戶所提供程序遷移到服務器客戶端，在將客戶端信息及數(shù)據(jù)進行利用與計算，在完成用戶所請求任務后將結果發(fā)送至用戶端；

（3）若用戶的任務請求中涉及相關數(shù)據(jù)，由用戶提供，相應程序可由云計算提供，系統(tǒng)通過將用戶所提供數(shù)據(jù)遷移到服務器客戶端，在將客戶端信息及數(shù)據(jù)進行利用與計算，在完成用戶所請求任務后將結果發(fā)送至用戶端；

（4）若用戶的任務請求中涉及相關數(shù)據(jù)及程序，均由用戶提供，而存儲、計算等設備由云計算系統(tǒng)提供，將程序、數(shù)據(jù)遷移后，完成指定任務，并反饋結果到客戶端。

2.3 算法描述

系統(tǒng)的總功耗（）主要由靜態(tài)功耗（），動態(tài)功耗（）、溫控功耗（）三個部分組成。雖然部分設備的具體功耗模型不同，但是大多能符合多項式分布：

靜態(tài)功耗是指系統(tǒng)未執(zhí)行任何任務時所消耗的能源；s是指任務執(zhí)行點的工作速率，當系統(tǒng)的動態(tài)功耗發(fā)生變化時，s也會隨之變化，可表示為（s）=>1。當工作中任務執(zhí)行點負載加重時，其工作速率則會不斷提高，任務執(zhí)行點各部件溫度隨之顯著升高。為了保證各部件溫度處于安全范圍以內，溫控功耗無疑會大大增加。此外，溫控功耗還會受到制冷能效比（eer）與空間因素（r）等影響。假設，t為現(xiàn)階段環(huán)境溫度，為安全溫度上限，b為溫控基本能耗。

則可得：

從上式可知，制冷能效比（eer）越高，（s）則越低；空間因素（r）越大，（s）則越高。設備的制造工藝決定著制冷能效比（eer）的高低，這一參數(shù)較為恒定。在制冷策略中，如果其環(huán)境溫度控制具備較強的針對性與精確性，則可有效控制制冷能耗。[4]

由于降低功耗不等于降低總能耗，因此判斷系統(tǒng)是否“綠色”不能僅依靠功耗這一個指標[5]。例如要減少系統(tǒng)能耗，可選擇降低工作速率，但是相應會拖長事務處理時間，此時系統(tǒng)總能耗并沒有發(fā)生較大改變。

因此，計算系統(tǒng)總能耗應當重視兩個關鍵因素，即功耗與時間，計算式為：

為了使云數(shù)據(jù)中心能在服務高峰其穩(wěn)定承受負載，保障系統(tǒng)穩(wěn)定性，在對系統(tǒng)進行設計與構建時必須留有一定余量。但是在非高峰期，部分節(jié)點處于空轉狀態(tài)，仍舊浪費部分能源。在不同時間段，數(shù)據(jù)中心每個節(jié)點的負載情況有所不同，并不容易實現(xiàn)精確溫控，致使有效制冷量低于50%。因而需進行熱力學散熱模型的構建，通過功耗分配策略及對集群功耗進行實時監(jiān)控來實現(xiàn)對溫控制冷環(huán)境的精準控制。

該算法是將數(shù)據(jù)與節(jié)點進行重新分布或有序聚集，進而實現(xiàn)云數(shù)據(jù)中計算存儲節(jié)點的有效利用，同時還可使未得到利用的節(jié)點處于關機狀態(tài)或休眠狀態(tài)，溫控設備則處于關閉狀態(tài)或待機狀態(tài)，從而最大限度的節(jié)省能源消耗，促進綠色節(jié)能目標的實現(xiàn)。這一算法具有明顯的優(yōu)勢，1）數(shù)據(jù)和節(jié)點聚集之后，極易造成部分區(qū)域節(jié)點耗能與工作符合加大，另一部分區(qū)域可完全處于休眠狀態(tài)，以避免整體能耗的降低；2）數(shù)據(jù)和節(jié)點聚集之后，節(jié)點在系統(tǒng)運行時達到高負載狀態(tài)，從而實現(xiàn)資源利用率的有效提高，并且在相互備份的作用下，實現(xiàn)不間斷訪問數(shù)據(jù)，有效保障云計算數(shù)據(jù)中心的安全運行。除此之外，利用動態(tài)數(shù)據(jù)聚集算法，還可使各節(jié)點實現(xiàn)輪轉運行，在極大程度上提高了意見設備的工作穩(wěn)定性及其使用壽命。[6]

3 仿真實驗分析

3.1 仿真實驗

本文模擬構建的數(shù)據(jù)中心為廉價節(jié)點構成，其功耗實測情況及節(jié)點性能參數(shù)如表1所示。

所有節(jié)點功耗總和在待機狀態(tài)下為84W；在正常關機狀態(tài)下為2.5W；在節(jié)點開關技術的關機狀態(tài)下為0W；在最大負荷工作狀態(tài)下為138W；在負載50%以下為124W。

節(jié)點通常反復處于三種狀態(tài)，即待機、工作、關機。其中，待機狀態(tài)是指機器僅通過主板維持內存數(shù)據(jù)的保存和記錄機器其他設備狀態(tài)，此時CPU、硬盤等沒有工作。然而，即使處于待機狀態(tài)，節(jié)點功耗仍然較大。在傳統(tǒng)技術中，僅從避免“由于數(shù)據(jù)無法訪問，導致用戶滿意度下降”的角度對任務調度和數(shù)據(jù)部署的數(shù)據(jù)中心進行設計，而忽視節(jié)能問題，導致大量節(jié)點處于空耗的待機狀態(tài)。在關機狀態(tài)下，節(jié)點功耗非常低，空耗部件主要是電源線等，可忽略。

在數(shù)據(jù)中心的溫控系統(tǒng)中，區(qū)域是溫控系統(tǒng)覆蓋的最小控制單位。1個區(qū)域由4個機架構成，1個機架上存放8個節(jié)點。每個區(qū)域的制冷量由溫控系統(tǒng)設定，一般為8kW，其制冷能效比可達到“能源之星”標準，制冷功耗在2.5kW左右。[7]

本次實驗將數(shù)據(jù)中心劃分成4個Section，并將數(shù)據(jù)中心數(shù)據(jù)在聚集前后所產(chǎn)生的不同能耗進行對比，將24h作為1個實驗周期。節(jié)點能耗和溫控系統(tǒng)的能耗為數(shù)據(jù)中心4個Section的主要能耗組成部分，合計為773.72kW·h（如表2所示）。

每一個機架的節(jié)點能耗情況都有所不同，如表3所示Section 1中某一個機架的節(jié)點能耗情況。

當數(shù)據(jù)聚集并且運行一段時間以后，數(shù)據(jù)中心的能耗情況會產(chǎn)生較大變化（如表4所示），主要包含溫控系統(tǒng)能耗與節(jié)點能耗，合計為476.44kW·h。

3.2 性能分析

上述實驗結果表明，節(jié)點上所部署數(shù)據(jù)聚集前因部署不規(guī)范導致訪問熱點過于散亂，從而致使系統(tǒng)中大部分節(jié)點都沒能得到有效利用。尤其是當許多節(jié)點長時間處于待機狀態(tài)卻不能關閉時，仍然占有較大功耗，不僅形成熱負荷環(huán)境，溫控系統(tǒng)還需對其進行持續(xù)降溫，以避免更大能源浪費。若系統(tǒng)總能耗達到773.72kW·h，僅制冷能耗便遠超300kW·h。

數(shù)據(jù)、節(jié)點聚集之后可以發(fā)現(xiàn)，部分節(jié)點工作負荷顯著上升，而功耗也隨之快速上升。部分時段即使未加制冷消耗，部分Section其節(jié)點總功耗依然與峰值極為接近。同時，部分Section一定程度上消除服務器的待機空轉狀態(tài)，僅剩電源線等設備或造成少量能源消耗，從而減少了較大熱負荷，并且溫控設備不用持續(xù)對Section實施降溫，進行成功實現(xiàn)對大量能源的節(jié)約。經(jīng)過對比我們可以發(fā)現(xiàn)，在數(shù)據(jù)和節(jié)點聚集之后，1周期內的系統(tǒng)總能耗僅達到聚集前的58.8%，節(jié)約大量能耗。[8]

3.3 資源利用率與服務質量

基于用戶請求規(guī)模一致，數(shù)據(jù)中心在應用數(shù)據(jù)聚集算法前后總資源利用率差別不大。但以具體節(jié)點為基礎，數(shù)據(jù)聚集后，開機運行時節(jié)點達到高負載狀態(tài)，可得以充分利用；若波態(tài)運行達到低谷時段，則節(jié)點負載狀態(tài)相應降為0。

若波態(tài)運行達到高峰時段，則節(jié)點負載明顯上升，此時若運用傳統(tǒng)的時間片輪轉調度算法則會知識用戶響應時間延長。若用戶設置了節(jié)點訪問量閾值β則影響較小，且此時系統(tǒng)不會由于部分節(jié)點產(chǎn)生變化而出現(xiàn)諸如數(shù)據(jù)無法訪問等現(xiàn)象，上述現(xiàn)象主要是由于動態(tài)數(shù)據(jù)聚集算法對運行規(guī)律相反節(jié)點互補現(xiàn)象的充分利用得以實現(xiàn)的。[9]

3.4 硬件設備穩(wěn)定性

“服務器必須具備2h*7d的不間斷運行能力”，在傳統(tǒng)數(shù)據(jù)中心的性能中，這一性能被反復強調，同時要求數(shù)據(jù)中心一直處于低溫狀態(tài)，這就對服務器各部件的制造技術有較高要求。但是現(xiàn)階段，大量云計算數(shù)據(jù)中心以成本角度為基礎，側重廉價節(jié)點的應用。但廉價節(jié)點難以保持長時間的穩(wěn)定運行，因而構建時需要通過系統(tǒng)云計算數(shù)據(jù)中心節(jié)點故障、節(jié)點損壞來將其設置為常態(tài)。動態(tài)數(shù)據(jù)聚集算法使數(shù)據(jù)中心節(jié)點可進行間歇性輪轉運行，有助于設備使用壽命的有效延長、提高系統(tǒng)穩(wěn)定性、保護用戶長期的投資。[10]

4 結語

綜上所述，云計算數(shù)據(jù)中心的節(jié)能降耗作為一項十分重要且復雜的工作，涉及到多個層面、多方面因素，需要相關部門和技術人員的積極配合和共同努力，從數(shù)據(jù)中心任務部署或調度入手，逐步實現(xiàn)數(shù)據(jù)中心各項數(shù)據(jù)或節(jié)點的集聚，統(tǒng)籌管理和規(guī)劃，進而準確控制云計算數(shù)據(jù)中心的能源消耗，使云計算數(shù)據(jù)中心逐步走向綠色節(jié)能的道路。筆者希望，更多專業(yè)人士能夠投入該課題的研究，文中不足之處，望指正。

參考文獻

[1]FRIGIONI D，MARCHETTI-SPACCAMELA A， NANNI U. Semidynamic algorithms for maintaining single-source shortest path trees [J]. Algorithmica， 1998， 22：250-274.

[2]FRIGIONI D，MARCHETTI-SPACCAMELA A， NANNI U. Fully dynamic output bounded single source shortest path problem [C]//Proceeding of ACM-SIAM Symposium on Discrete Algorithms （SODA96）. Atlanta， Georgia： ACM， 1996：212-221.

[3]Castelluccia C，Mykletun E，Tsudik G. Efficient aggregation of encrypted data in wireless sensor networks.In：Proc. of the 2nd Annual Intl Conf.on Mobile and Ubiquitous Systems.San Diego： IEEE Press，2005.109-117.

[4]徐小龍，楊庚，李玲娟 等.面向綠色云計算數(shù)據(jù)中心的動態(tài)數(shù)據(jù)聚集算法[J].系統(tǒng)工程與電子技術，2012，34（9） 1923-1929.

[5]郭建波.動態(tài)數(shù)據(jù)聚集算法探究--以綠色云計算數(shù)據(jù)中心為研究方向[J].中國信息化，2013，（4） 108-109.

[6]肖艷文，王金寶，李亞平等.云計算系統(tǒng)中能量有效的數(shù)據(jù)擺放算法和節(jié)點調度策略[J].計算機研究與發(fā)展，2013，50（z1） 342-351.

[7]肖艷文.云計算系統(tǒng)中能量有效的數(shù)據(jù)擺放算法和節(jié)點調度策略的研究[D].2013.24-30.

[8]RAMALINGAM G， REPS T. An incremental algorithm for a generalization of the shortest-path problem [J].J. Algorithms， 1996， 21：267-305.

[9]He W，Liu X，Nguyen H，Nahrstedt K，Abdelzaher T.PDA：Privacy-Preserving data aggregation in wireless sensor networks.In： Proc.of the 26th IEEE Intl Conf.on Computer Communications. Alaska：IEEE Press，2007.2045-2053.

[10]Yang Y， Wang X， Zhu S， Cao G. SDAP： A secure hop-by-hop data aggregation protocol for sensor networks. ACM Trans. on Information and System Security， 2008，11（4）：18.

收稿日期：2016-09-08

課題來源：河南省科技廳2016年度河南省科技攻關計劃（社會發(fā)展領域）立項項目“《大數(shù)據(jù)時代“智慧司法云”社區(qū)矯正綜合管理平臺設計與應用》”（課題編號162102310377）；河南省教育廳2016年度高等學校重點科研項目計劃“《“智慧社區(qū)”司法云平臺網(wǎng)絡空間建設》”（課題編號16B520013）；河南司法警官職業(yè)學院2015年院級項目課題《大數(shù)據(jù)時代“智慧司法云”矯正幫扶平臺建設與應用》（課題編號2015-YB-02）。

作者簡介：倪斌（1983—），男，漢族，河南鄭州人，碩士，一級警司，講師，研究方向：網(wǎng)絡安全、信息安全。