動態(tài)數據聚集算法探究

郭建波

【摘 要】與傳統的計算方式不同，云計算提供了動態(tài)的彈性規(guī)模擴展的計算，對信息產業(yè)體系架構的改進和創(chuàng)新起到了積極的促進作用，在云計算的應用中，其能耗問題得到了普遍的關注。本文筆者從云計算的能耗分析著手，分析了動態(tài)數據聚集算法，并探討了控制計算能耗的有效方法，目的是為云計算數據中心的動態(tài)數據聚集算法的應用提供指導和借鑒，為云計算向著綠色方向發(fā)展指明提供有力支持。

【關鍵詞】云計算；數據中心；動態(tài)數據聚集算法；綠色；能耗

【中圖分類號】P33【文獻標識碼】A【文章編號】1672-5158（2013）02-0108-01

在網絡技術的支持下，云計算利用集中構建的數據中心為客戶提供高性價比的服務，包括計算、存儲以及各類信息服務，為人類生活帶來了極大的便利。然而，云計算數據中心的能耗相當大，該問題引起了人們的普遍關注，因此，需要通過改進算法，減少云計算數據中心的能耗，使其在提高計算效率和提高服務質量的同時，最大限度的降低消耗，使其向著綠色的方向發(fā)展。

一、 引起云計算數據中心能耗的原因

隨著人們對云計算數據中心能耗問題的關注，需要采取有效的措施，最大限度的降低能耗，這就需要對引起能耗的原因進行分析，才能采取有針對性的措施，一般而言，引起云計算數據中心能耗的原因主要有以下三個方面：引起云計算數據中心能耗最大的是服務器設備、網絡互聯設備、電源供應設備等的數據中心主體所產生的耗能，并且在云計算數據中心的總體消耗中的比重最大。其次，是溫控設備產生的內能耗，例如水冷、風冷的溫度控制設備，該部分的能耗在總體能耗方面占的比重也很大，甚至有時候會超過數據中心主體設備的能耗，除此之外，其他設備產生的能耗雖然比較小，但是也不可忽視，對數據中心的總體能耗有著不可忽視的影響。

鑒于上述原因對數據中心的總體能耗產生重要的影響，需要對癥下藥，采取有效的措施，對云計算數據中心進行改進，提高其工作效率和服務質量的同時，最大限度的降低能耗，實現云計算數據中心的可持續(xù)發(fā)展。其中動態(tài)數據聚集算法便是一個有效減少能耗的算法，對云計算數據中心的綠色發(fā)展起了積極的推動作用。

二、動態(tài)數據聚集算法

（一）云計算數據中心的能耗分析

在云計算系統中，其能耗方面還存在著一些問題，造成了數據中心的高能耗，一般包括以下幾點：首先是缺乏細致的溫度控制體系，難以對當前的耗能進行有效的管理，這樣就造成了較為嚴重的資源浪費，其次是在任務調度和數據部署方面的問題，忽視對能耗的關注和重視，只是關注到存儲空間的大小和數據的訪問問題。此外，對自然環(huán)境和對硬件的過度依賴也是造成耗能較高的原因，在降低能耗的工作中，基本都是從對硬件的本身功耗著手，但是往往結果很不理想，同時一些數據中心為了節(jié)約成本，將數據中心安置在較為寒冷的地區(qū)，避免人工制冷，但是如果設置在較為熱的地區(qū)，需要進行人工制冷，加大了投入和消耗。當然隨著技術的進步，數據中心的設備也不斷改進，數據中心設備對溫度的承受能力有了很大的提高，因此可以顯著的降低能耗和電力的成本。

（二）云數據模型

從用戶角度方面來說，在云計算系統中，云數據有著四種模型：第一類是用戶在提出任務執(zhí)行請求時，云計算就會根據對任務的分析，提供程序和數據計算，例如搜索引擎的應用；第二類是涉及用戶任務的程序由用戶提供，而數據是由云計算服務器提供，再在云計算的幫助下完成任務；第三類是用戶提供數據，云計算提供程序和計算資源，服務器端在進行數據的遷移和處理，進而完成任務；第四類是用戶提供任務涉及的程序和數據，利用云計算的計算和存儲等硬件系統，完成任務。

對于前兩類計算而言，系統提供的數據存儲點對其有較大的影響，而后兩種算法對系統性能的影響主要是受到數據遷移的執(zhí)行點的影響。

（三）算法概述

為了提高服務的質量，需要云數據中心能夠承受服務高峰的負載，以便滿足用戶的需求以及保持系統的穩(wěn)定性，因此在對系統進行設計時，需要留有余量，這就需要借助冗余機制，進而避免了在非高峰階段的能耗問題。同時由于數據中心的每一個節(jié)點在時間和負載不同的情況下，難以對溫度進行精確的控制，這就會影響到制冷的效率，這就需要建立熱力學散熱模型，從而達到精確制冷的目的。

該算法是將數據和節(jié)點進行有序的聚集或者是重新的分布，進而實現對云數據中心的計算存儲節(jié)點的有效利用，同時還可以使未利用的節(jié)點處于休眠或者是關機的狀態(tài)，同時溫控設備處于待機或者是關閉的狀態(tài)，這就對綠色節(jié)能目標的實現起到了積極的促進作用。

計算與存儲設備上包含了節(jié)點資源管理、節(jié)點控制、數據遷移、訪問記錄管理模塊和節(jié)點運行監(jiān)測模塊；溫控系統包含了環(huán)境監(jiān)測和溫控設備控制模塊。其中溫控系統與計算設備協同工作，特別根據節(jié)點運行監(jiān)測模塊和環(huán)境監(jiān)測模塊感知的情況，再利用溫控設備控制模塊來決定溫控設備是否開啟以及開啟的程度，使得溫控系統可以實現數據中心各區(qū)域的精確溫度控制。

該算法具有明顯的優(yōu)勢，對實現云數據中心的綠色節(jié)能起到了積極的促進作用，一方面在對數據和節(jié)點聚集以后，導致了部分區(qū)域節(jié)點的工作負荷和耗能的增加，這樣就使部分區(qū)域避免了處于待機空轉的狀態(tài)，這樣就無需對該區(qū)域進行制冷降溫，進而降低了整體的耗能。另一方面數據聚集以后，在系統運行中，節(jié)點是處于高負載狀態(tài)的，大大的提高了資源的利用率，在相互備份的支持下，可以實現對數據的不間斷訪問，這樣就使云計算數據中心的運行得到了保障。此外，利用動態(tài)數據聚集算法，可以實現各個節(jié)點的輪轉運行，極大的提高了硬件設備的壽命以及設備使用的穩(wěn)定性。

三、面向綠色云計算數據中心的動態(tài)數據聚集算法分析

動態(tài)數據聚集算法中，節(jié)點始終處于工作、待機和關機的狀態(tài)，這就需要根據其狀態(tài)，采取相應的節(jié)能措施。在節(jié)點待機時，其CPU和硬盤是處于基本不工作的狀態(tài)的，但是節(jié)點仍然有損耗，這就需要對數據進行有效的部署和調度任務，減少處于待機狀態(tài)的節(jié)點數量，避免節(jié)點引起的空耗。當處于關機狀態(tài)時，電源線的能耗基本可以忽視。

（一）性能分析

數據聚集前，數據部署比較散亂導致了訪問熱點的不規(guī)律，致使大量節(jié)點的利用率低，待機狀態(tài)的能耗造成了環(huán)境的熱負荷，這就加大了溫度控制的工作量，造成了能源的浪費。而在對節(jié)點進行聚集后，消除了服務器的待機空轉狀態(tài)，所產生的熱耗僅僅來源于電源線，同時溫控設備也無需進行降溫，最大限度的降低了能耗。

（二）資源利用與服務的質量

如果用戶的請求規(guī)模相同，對資源的利用率不會有很大的差別，但是在具體節(jié)點工作而言，進行數據聚集后，節(jié)點在開機運行時，處于高負載的狀態(tài)，大大的提高了利用率。同時，該算法利用運行規(guī)律相反的節(jié)點進行互補，避免了因為節(jié)點關閉而無法對數據進行訪問的情況進而大大增強了系統的性能，并提高了服務的質量。

總之，云計算數據中心的節(jié)能與能耗控制是一個復雜的過程，需要多個方面的共同努力，需要分析多個因素和多個層面，這就需要從數據的部署和任務的調度方面著手，實現動態(tài)數據和節(jié)點聚集，對能耗的計算和溫控能耗的控制進行統一的調度以及精確的控制，這樣就降低了云計算的整體能耗，推動了云計算數據中心向著綠色節(jié)能的方向發(fā)展。

參考文獻

[1] 金海，吳松，廖小飛.云計算的發(fā)展與挑戰(zhàn)[M].計算機學會，2011（09）

[2] 李靜姝.淺談云計算機的數據中心分析與研究[J].科技資訊，2011（07）

[3] 李騰.云時代集成系統的構建設想[J]計算機發(fā)展學刊，2009（11）

[4] 陳飛.云計算機下的動態(tài)數據聚集算法研究[J].河北科技.2010（04）