新能源在云計算數(shù)據(jù)中心應用的研究進展

新能源在云計算數(shù)據(jù)中心應用的研究進展

1云數(shù)據(jù)中心的特征在全球云計算趨勢和云計算行業(yè)發(fā)展的背景下，綠色數(shù)據(jù)處理中心的建設已成為各學科和行業(yè)關注的課題之一。如何盡快將傳統(tǒng)的數(shù)據(jù)處理中心轉(zhuǎn)變?yōu)樵朴嬎愕谋匾獥l件也是必須解決的問題。以谷歌和諾亞為代表的互聯(lián)網(wǎng)巨頭必須規(guī)劃和建設龐大的數(shù)據(jù)集。與傳統(tǒng)數(shù)據(jù)中心相比,云計算數(shù)據(jù)中心的新特性主要體現(xiàn)在:(1)模塊化的標準基礎設施.針對數(shù)據(jù)中心的云服務需求,云數(shù)據(jù)中心對服務器、存儲設備、網(wǎng)絡等設施按工業(yè)標準進行模塊化配置設計,使其具有適應性與可擴展性;(2)虛擬化資源與環(huán)境.云數(shù)據(jù)中心廣泛采用虛擬化技術將物理資源聚集形成一個共享虛擬資源池,從而更加靈活高效、低成本地使用資源;(3)高可靠自動化管理.云計算數(shù)據(jù)中心應是24×7無人值守的、可遠程管理的,實現(xiàn)設備到應用端到端的統(tǒng)一管理.為確保穩(wěn)定、安全、持續(xù)的系統(tǒng)連接,云數(shù)據(jù)中心需建立高度可信賴的計算平臺、網(wǎng)絡安全威脅防范,建設數(shù)據(jù)復制與備份、容災中心;(4)快速的可擴展能力.隨著大數(shù)據(jù)爆炸式增長以及用戶需求的可變多樣性,云數(shù)據(jù)中心必須根據(jù)業(yè)務應用需求和服務質(zhì)量來動態(tài)配置、定購、供應虛擬資源,具有資源利用的快速擴展能力;(5)節(jié)能與節(jié)省空間.云計算數(shù)據(jù)中心將大量使用節(jié)能服務器、存儲和網(wǎng)絡設備,并通過先進的供電系統(tǒng)和散熱技術,實現(xiàn)供電、散熱和計算資源的無縫集成和管理,解決傳統(tǒng)數(shù)據(jù)中心的過量制冷和空間不足的問題.然而,高能耗、高污染一直制約著云數(shù)據(jù)中心的發(fā)展.據(jù)統(tǒng)計,如果將全球的數(shù)據(jù)中心整體看成一個“國家”的話,那么其總耗電量將在世界國家中排名第15位.由于數(shù)據(jù)中心60%的運營成本來自于能耗,因此如何降低能耗以節(jié)省云服務商不斷攀升的電費成本、緩解日益嚴重的碳排放污染,是云數(shù)據(jù)中心可持續(xù)發(fā)展過程中亟需解決的問題.本文從綠色數(shù)據(jù)中心評價標準、新能源的特性、新能源產(chǎn)電模型與預測機制、數(shù)據(jù)中心能源配額規(guī)劃、作業(yè)調(diào)度機制以及負載均衡機制等方面,對云計算數(shù)據(jù)中心的綠色能源應用研究進行分析.本文第2節(jié)介紹綠色云數(shù)據(jù)中心的現(xiàn)狀與挑戰(zhàn);第3節(jié)分析新能源評價標準、新能源的特性和可選擇利用種類;第4節(jié)介紹研究分類評價標準,并據(jù)此對目前研究現(xiàn)狀進行對比分析;第5節(jié)分別從新能源模型和預測機制、數(shù)據(jù)中心能源配額規(guī)劃、新能源數(shù)據(jù)中心內(nèi)作業(yè)調(diào)度機制和新能源數(shù)據(jù)中心間負載均衡機制4個方面,對綠色數(shù)據(jù)中心的最新研究進展進行分類比較,并總結國內(nèi)綠色數(shù)據(jù)中心的研究現(xiàn)狀;最后對全文進行總結,并提出未來值得進一步研究的方向.2綠色云數(shù)據(jù)的現(xiàn)狀和挑戰(zhàn)2.1能源與電能:數(shù)據(jù)中心的重要作為日本經(jīng)濟貿(mào)易產(chǎn)業(yè)省METI預測,全球IT能耗將于2025年翻5倍,而到2050年將增長12倍(1).大量的能耗使得像Google、Microsoft和Facebook這樣的IT公司每年的電費就高達幾百萬美元.雖然近年來低功耗服務器和數(shù)據(jù)中心能效優(yōu)化領域已經(jīng)取得了顯著進步,但隨著數(shù)據(jù)中心系統(tǒng)規(guī)模和服務器數(shù)量的增長,其總體能耗仍然呈持續(xù)快速增長趨勢.例如,Facebook基礎設施的規(guī)模大約每6個月就翻1倍———從2008年4月的10K臺服務器增長到2009年11月的30K臺服務器,并于2010年6月達到了60K臺服務器(2).表1顯示了典型企業(yè)和機構的服務器數(shù)量、能耗需求及電費.面對上述巨大能耗需求,目前電力能源主要還是源自于化石燃料,如表2所示,化石燃料發(fā)電量占到全球電能比例的2/3.盡管不同地區(qū)的各種能源比例不盡相同,但綠色能源還遠未得到廣泛應用,特別是為數(shù)據(jù)中心配備綠色能源更是充滿了機遇與挑戰(zhàn).2.2綠色和平組織:積極利用新能源,關注清潔能源的使用,將能源文化成為重要最新統(tǒng)計數(shù)據(jù)表明,平均建設一個額定功率為100MW的電廠將花費60~100百萬美元,并在其生命周期中排放超過50百萬噸的CO2.相比之下,全球數(shù)據(jù)中心在2007年排放了116百萬噸的CO2,而且IT設備的碳排放量占據(jù)了全球碳排放量的2%.隨著二氧化碳排放量劇增、全球氣候變暖日趨嚴重,云計算相關企業(yè)或機構無疑都將受到越來越多的成本約束和環(huán)境法規(guī)限制.近年來,學術界和工業(yè)界一直通過各種方法改善數(shù)據(jù)中心能效(EnergyEfficiency),如利用更好的能耗均增(EnergyProportional)計算技術(包括虛擬化、動態(tài)開關服務器、負載整合、IT設備的深度休眠和功耗模式控制),更高效的電力配送及冷卻系統(tǒng).但是,改善能效并不等于就實現(xiàn)了綠色計算,因為數(shù)據(jù)中心消耗的仍然是傳統(tǒng)的高碳排放量的能源.綠色和平組織(GreenPeace)定義實現(xiàn)綠色IT的方式是“高能效加新能源”(GreenIT=EnergyEfficiency+RenewableEnergy).為了減少能耗開銷和碳排放量以實現(xiàn)綠色計算,充分利用新能源才是根本途徑.新能源一般是指在新技術基礎上加以開發(fā)利用的可再生能源,包括太陽能、生物質(zhì)能、風能等.隨著常規(guī)能源(煤炭、石油、天然氣)的有限性以及環(huán)境問題的日益突出,環(huán)保、可再生的新能源越來越得到各國的重視.能源領域?qū)τ诰G色可再生能源的研究(如太陽能、生物能的利用)從未停歇,而這股潮流隨著云計算的到來,同樣走向了數(shù)據(jù)中心.綠色和平組織通過對全球IT公司的數(shù)據(jù)中心清潔能源進行評級,來倡導和激勵數(shù)據(jù)中心使用新能源.同時,各國政府也紛紛制定鼓勵節(jié)能減排的法規(guī)和政策.例如,美國加利福尼亞州規(guī)定到2020年其市政電力中33%要來源于新能源.此外,美國還提出多種激勵補貼方式鼓勵新能源的應用.例如,生產(chǎn)稅收抵免(ProductionTaxCredit,PTC)政策規(guī)定在新能源設施運營的前10年內(nèi),每生產(chǎn)一千瓦時清潔能量將獲得2.2美分補貼.新能源不但能夠顯著減少高碳電廠的溫室氣體排放,而且具有光明的經(jīng)濟前景,是減輕未來電力價格上漲壓力的一種新途徑.例如,用戶在安裝了新能源或者購買了新能源產(chǎn)品之后,可以在多年內(nèi)(如20年)擁有固定的能量價格.如果數(shù)據(jù)中心所在地區(qū)需要征收煙碳排放稅,或者實行限額與交易(capand-trade)政策(每家企業(yè)都給了一定量的排碳限額,在限額之內(nèi)排碳免費;未用完限額可以賣給那些碳排量超過配額的企業(yè)),那么對新能源的投資將具有較高的性價比.2.3德國數(shù)據(jù)中心的能源與新能源利用隨著不斷下降的工藝制造費用以及大規(guī)模的投資和政府激勵,部署建設新能源的設備(如太陽能光伏電板和風渦輪)費用不斷減低.例如,太陽能的安裝建設費用從1998年的10.87$/Watt下降到2010年的7$/Watt(1).風渦輪電能的價格更是達到歷史最低值:2011年價格僅為1.33$/(m·MW-1),相比于2009年的1.06$(m·MW-1)下降了7%,而相比于2007年的1.21$(m·MW-1)下降了19%(2).現(xiàn)在,越來越多的IT企業(yè)和機構正在逐步實現(xiàn)完全或者部分新能源驅(qū)動的數(shù)據(jù)中心,例如GreenHouseData建在美國懷俄明州的風能供電數(shù)據(jù)中心(3)和Facebook建在俄勒岡州的太陽能數(shù)據(jù)中心(4).eBay在2012年4月份決定使用30個BloomEnergy的燃料電池來為其在猶他州的數(shù)據(jù)中心供能(5).Apple將使用太陽能廠和燃料電池站生產(chǎn)60%的電力來驅(qū)動其在南加州的數(shù)據(jù)中心(1).2012年4月,綠色和平組織發(fā)布了一份名為《HowCleanisYourCloud?》的報告,對著名IT企業(yè)的數(shù)據(jù)中心做了綠色能源評估.其中,在清潔能源所占比例上,戴爾公司以56.3%的比例排在首位,Google和Facebook分別以39.4%和36.4%排在二、三位.由于戴爾是近幾年才轉(zhuǎn)型到數(shù)據(jù)中心解決方案業(yè)務,所以其新型數(shù)據(jù)中心清潔能源所占比例較高.相比于老牌的IBM、Microsoft、Oracle公司等,Google和Facebook則是近來發(fā)展起來的互聯(lián)網(wǎng)巨頭,更容易采用新技術和轉(zhuǎn)變能源來源,因此其綠色能源占據(jù)的比例較高也在情理之中.在其它指標中(如數(shù)據(jù)中心選址、能源效率及溫室氣體排放、能源回收二次利用),能夠達到代表綠色環(huán)保的A和B級別的企業(yè)很少.此外,大部分中小型IT公司由于資金和技術原因,其數(shù)據(jù)中心更難采用新能源.綜上所述,新能源在數(shù)據(jù)中心的應用還有很長一段路要走.2.4傳統(tǒng)電網(wǎng)和新能源的協(xié)同作用2012年6月29日,大規(guī)模雷暴雨襲擊了美國東一區(qū),導致著名的亞馬遜云服務Amazon’sWebServices(AWS)中斷,嚴重影響了基于AWS的應用服務商,如Netflix,Instagram和Pinterest(2).此前,亞馬遜在2010年就曾經(jīng)歷了一周內(nèi)4次電力故障,導致所提供的云服務中斷(3).這些促使人思考一個問題:現(xiàn)在是時候讓數(shù)據(jù)中心的運營者考慮完全使用非電網(wǎng)的能源嗎?尤其是現(xiàn)在部分運營商已經(jīng)成功實現(xiàn)自己生產(chǎn)部分電能,而用傳統(tǒng)電網(wǎng)作為備用電能.顯然,電網(wǎng)仍然是為數(shù)據(jù)中心供電的最重要和最優(yōu)先方式.電網(wǎng)更加穩(wěn)定可靠,而且考慮到數(shù)據(jù)中心能耗一般在20MW到100MW之間,這樣大規(guī)模的需求很難通過新能源來滿足.亞馬遜Web基礎架構專家JamesHamilton指出,Facebook在俄勒岡州建設的100KW的太陽能電站對于其能耗25MW的數(shù)據(jù)中心來說仍然遠遠不夠(4),僅夠用來為數(shù)據(jù)中心照明,或者僅相當于一個高密度服務器機架的能耗.此外,Apple的iDatacenter使用20MW的太陽能電廠來為100MW的數(shù)據(jù)中心提供部分電能.為此,Apple需要清理掉171英畝的土地來放置足夠多的太陽能電板.太陽能電廠在夜晚不能發(fā)電,而且在白天太陽能也是變化的,這導致了僅僅只有部分可用的電能產(chǎn)出.據(jù)Hamilton估算,額定20MW的太陽能電廠只有15.8%的產(chǎn)出,即約3.2MW.據(jù)此,如果Apple想要為整個數(shù)據(jù)中心供電的話,需要擴建24.4倍大的太陽能電廠,達到額定488MW,占地4172英畝.由此可見,目前數(shù)據(jù)中心仍然不適合完全脫離傳統(tǒng)電網(wǎng).雖然利用新能源能夠改善數(shù)據(jù)中心帶來的環(huán)境問題,但是不能完全代替?zhèn)鹘y(tǒng)高碳電能.如何協(xié)同配合傳統(tǒng)電網(wǎng)和新能源的各自特點,仍然是未來的一個研究方向.2.5改進過程中采用的技術不同于依賴傳統(tǒng)高碳能源的穩(wěn)定供給電網(wǎng),新能源往往是不穩(wěn)定的、間歇性的、動態(tài)變化的.為了緩和這種可變性,數(shù)據(jù)中心可以將綠色能源存儲在電池中或者直接連上電網(wǎng).但是這些方法會導致能量損失和昂貴的電池費用.尤其是能量儲存設備比較昂貴、改進過程也比較緩慢,不宜大規(guī)模采用.此外,建設新能源電廠需要大量的土地.比如,使用太陽能來生產(chǎn)1MW的電能需要5~10英畝的土地(具體數(shù)值依賴于安裝的太陽能電板的不同密集程度和不同發(fā)電效率).同樣,風能也需要使用大量的土地,風能項目的平均產(chǎn)電能力為2W/m2(5).最大化使用新能源的辦法是根據(jù)新能源的供應量來匹配相應的能耗需求(計算任務).匹配能耗供應與需求有很多待研究的問題:什么樣的計算負載適合于綠色數(shù)據(jù)中心?采取什么樣的有效技術來匹配動態(tài)變化的能耗需求與供應?是否可以允許程序員定制使用哪類節(jié)能技術?如何準確預測太陽能和風能的可用量?如何有效管理電池等儲能設備?能否通過全球范圍內(nèi)的任務分發(fā)與調(diào)度來最大化利用多區(qū)域的新能源?如何選址配額來實現(xiàn)最佳的數(shù)據(jù)中心收益與開支平衡?3數(shù)據(jù)處理單元采用新能源的路徑和功能3.1儲能警察參與及能源購買在數(shù)據(jù)中心部署使用新能源有就地(on-site)電站和離站(off-site)電廠兩種方式.就地新能源發(fā)電廠生產(chǎn)的電力可直接為數(shù)據(jù)中心供能,例如Facebook建在俄勒岡州的太陽能數(shù)據(jù)中心.其優(yōu)勢在于幾乎沒有電力傳輸和配送損失.但是位置最好的數(shù)據(jù)中心(土地價格、水電價格、網(wǎng)絡帶寬、可用的勞動力、稅收等因素),并不一定具有最佳的資源來部署就地新能源電站.利用新能源的另一種模式就是將新能源電廠建設在具有豐富資源(如風速大或日照強)的離站地區(qū),然后通過電網(wǎng)將新能源產(chǎn)生的電力傳送到需要用電的數(shù)據(jù)中心.盡管這種方式具有較大的傳輸損失和電網(wǎng)傳送、儲存的費用,但是其電產(chǎn)量更大,而且選址更靈活.由于新能源的不穩(wěn)定性,上述兩種方式均需要采用儲能設備來緩解產(chǎn)量/供應與消費/需求之間的不匹配,因此相應的儲能開銷(購買費用和管理儲能費用)也被納入當前研究的權衡考慮之中.由于地區(qū)原因,許多企業(yè)沒有機會自己生產(chǎn)新能源.除了直接參與新能源電廠的建造和使用,還有其它間接的方法實現(xiàn)數(shù)據(jù)中心節(jié)能減排的目的.第一,購買新能源證書(RenewableEnergyCertificates,RECs).這是指數(shù)據(jù)中心與新能源項目簽訂長期合同,以較便宜的協(xié)議價格購買部分新能源項目的產(chǎn)電量.例如,Google與新紀元能源公司NextEra簽訂的PPA協(xié)議規(guī)定,Google可以從愛荷華州艾姆斯市的新能源項目中購買20年的114MW的風能,為Google在愛荷華州的數(shù)據(jù)中心供電(1).第二,與第三方新能源提供商簽訂能源購買協(xié)議(PowerPurchaseAgreements,PPAs)來間接獲得新能源.可再生能源證書RECs也稱為綠色標簽,是一種可以在市場上交易的能源商品.由專門的認證機構給可再生能源產(chǎn)生的每1000kWh電力頒發(fā)一個專有的號碼,證明其有效性.即1MWh電力對應于1個單位的證書.綠色證書是可再生能源比例標準的重要一環(huán),它借用市場機制形成了一項對使用者的補貼,并以此鼓勵綠色能源的廣泛應用.第三,購買碳補償(carbonoffset)來抵消非清潔能源使用.購買者計算日常運營直接或間接制造的二氧化碳排放量,并計算抵消這些二氧化碳所需的經(jīng)濟成本.然后,付款給專門企業(yè)或機構,由他們通過植樹或其它環(huán)保項目抵消大氣中相應的二氧化碳量.總之,云計算數(shù)據(jù)中心采用新能源的途徑有多種.不同方式在開銷、復雜度、資助直接性和公共關系價值等方面不盡相同.如圖1所示,這些途徑分為4個層次:第1種途徑是直接建設就地新能源電站,這種方式最直接支持利用新能源,因此也得到更多的直接資助;第2種途徑是與新能源開發(fā)商簽訂使用協(xié)議或者成為合作伙伴,獲得離站的新能源,例如能源購買協(xié)議PPA;第3種途徑是購買高質(zhì)量的新能源補償,如碳補償;第4種途徑是購買新能源市場產(chǎn)品,如新能源證書RECs.第3種和第4種途徑相對前兩種途徑更加便宜且簡單方便,但是所獲得的資助和公共關系價值相對較少.3.2中心運營者的能源效率評價數(shù)據(jù)中心主要的3個子系統(tǒng)包括:IT設備(服務器、存儲設備、網(wǎng)絡硬件);冷卻系統(tǒng)(冷卻裝置和風扇);配電系統(tǒng)(不間斷電源UPS、配電裝置PDU等).電能使用效率(PowerUsageEfficiency,PUE)是衡量數(shù)據(jù)中心能效的工業(yè)標準,其定義為PUE=數(shù)據(jù)中心總能耗/IT設備能耗.盡管PUE長期作為數(shù)據(jù)中心運營者衡量其電力使用效率的標準,但它沒有涉及性能和開銷,更沒有考慮評價綠色環(huán)保程度(如消耗的能源的碳含量).例如,相比于主要依賴煤燃料供能而具有較低PUE的數(shù)據(jù)中心,一個主要依靠新能源供能的數(shù)據(jù)中心盡管可能具有較高的PUE,但其產(chǎn)生的污染更少.為了給出標準的方法來評價數(shù)據(jù)中心的碳強度,綠色網(wǎng)格組織GreenGrid采用碳使用效率(CarbonUsageEffectiveness,CUE)表示每千瓦時用電產(chǎn)生的碳排放密集程度.CUE值的計算方法為數(shù)據(jù)中心總的CO2排放量(kgCO2eq)除以IT設備能耗(kWh):根據(jù)CUE的定義,其計算方法也可以轉(zhuǎn)化為能源的碳排放量因子乘以能源的耗用量:碳排放因子是相應能源的碳密度,即消耗單位能量所排放的碳量(kgCO2eq/kWh).表3給出了最常見的幾種電力能源的碳排放因子,其中石油和天然氣等化石燃料能源的碳排放因子最大.PPA和REC作為新的綠色能源產(chǎn)品,其開銷與碳排放因子與電網(wǎng)和柴油發(fā)電機(DieselGenerator,DG)的對比如表4所示.更多綠色IT評價標準參見文獻.3.3風能與太陽能發(fā)電技術太陽能和風能是給數(shù)據(jù)中心供能的最有前景的兩種綠色能源,原因在于:(1)這兩種能源在全球大部分地區(qū)廣泛存在;(2)它們不會像水力發(fā)電那樣引起環(huán)境影響(大面積的植被被破壞);(3)它們不會像核能那樣引起核泄漏和廢物堆積問題.因此,目前關于新能源在數(shù)據(jù)中心應用的研究主要是考慮風能和太陽能.據(jù)統(tǒng)計,風能和太陽能分別占全球非水能新能源產(chǎn)量的62%和13%(1).由于風能和太陽能發(fā)電量與環(huán)境條件緊密相關,如風速和日照強度,因此可用電量是不穩(wěn)定的、隨時間變化的.相應地,它們的容量因子也遠低于傳統(tǒng)電廠(容量因子(capacityfactor)是指實際產(chǎn)出與最大的額定產(chǎn)出的比值).由于有穩(wěn)定的化石燃料供應,傳統(tǒng)電廠的容量因子可達80%甚至更高.依據(jù)年平均風速的不同,風能的容量因子在20%~45%之間(2).風能發(fā)電的開銷主要是前期的安裝部署開銷,其資金支出占據(jù)了生命周期總開銷的75%.比較而言,傳統(tǒng)化石燃料電廠(如天然氣電廠),其燃料和管理運維開銷則占據(jù)40%~70%.太陽能光伏發(fā)電系統(tǒng)的光伏電板比風能和其它新能源技術更加昂貴.與風能類似,管理運維開銷只是光伏發(fā)電系統(tǒng)總開銷的一小部分(3).新能源最主要的優(yōu)點就是一旦建設好電廠就可以源源不斷的提供電能,而且管理費用較低,運營過程中不會排放碳等污染物質(zhì).盡管在在生產(chǎn)、傳輸、安裝、設備回收利用過程中也會產(chǎn)生碳污染,但是與傳統(tǒng)電網(wǎng)的碳排放因子585gCO2e/kWh相比,風能29gCO2e/kWh和太陽能53gCO2e/kWh的碳排放因子仍然低得多.風能和太陽能的顯著特性對比如表5所示.一方面,風能在地理上具有更小的相關性,而且不管白天還是黑夜都能發(fā)電.因此,對于面向互聯(lián)網(wǎng)規(guī)模服務的多區(qū)域分布式數(shù)據(jù)中心而言,風能的可用性具有更小的波動.另一方面,太陽能與數(shù)據(jù)中心負載都是在白天達到峰值,具有更佳的匹配性.所以,根據(jù)當?shù)仫L能資源的質(zhì)量及各個數(shù)據(jù)中心的負載特性,最佳的新能源組合是主要使用風能,而配合使用相對較少的太陽能來處理白天時段的高峰需求.此外,燃料電池是另一種具有巨大前景的新能源.例如,新能源公司BloomEnergy生產(chǎn)一種固體氧化物燃料電池,能夠通過電化反應將燃料轉(zhuǎn)化為電.這種新型燃料電池的發(fā)電效率是美國電網(wǎng)的兩倍,而且清潔程度比燃煤電廠高出60%.雖然目前燃料電池較為昂貴,但是其經(jīng)濟效益正在不斷改善,而且不像其它新能源那樣受限于間歇性.4新能源研究現(xiàn)狀的分類與比較基于目前大量針對數(shù)據(jù)中心如何利用新能源的研究,本節(jié)首先總結相關的評價標準,并據(jù)此對現(xiàn)有研究進展進行分類對比.4.1數(shù)據(jù)中心策略分類表6歸納了目前數(shù)據(jù)中心使用新能源策略的分類和評價標準.首要的標準就是時間尺度,它決定采用的機制和策略的更新頻率,可以分為在線策略和離線策略.在線策略是在系統(tǒng)運行過程中實時執(zhí)行的,時間尺度一般較小,如毫秒或者秒級.離線策略是在系統(tǒng)運行之前就指定好的,時間尺度一般較大,如每小時級的,這類策略通常用于系統(tǒng)設計和資源部署中.第二,根據(jù)數(shù)據(jù)中心系統(tǒng)結構的不同層次,可以分為單機部件級策略、數(shù)據(jù)中心整體策略和跨區(qū)域數(shù)據(jù)中心之間的策略.不同層次的策略需要不同的通信量.有些策略需要跨層次的信息通信,或者需要多層之間相互協(xié)作.第三,也可以根據(jù)策略所需信息的來源進行分類.例如,策略所作決策可以基于即時信息,也可以基于歷史觀測值,或者基于預測信息(預測一般即取決于即時信息和歷史記錄信息).第四,根據(jù)數(shù)據(jù)中心的負載類型不同,策略可以分為即時交互性型服務策略和批處理延遲容忍型服務策略.不同的作業(yè)對于性能的要求不同,要求的服務響應時間也不同.例如,Web服務一般要求實時響應,而后臺處理和科學計算等作業(yè)就屬于延遲容忍型服務,只需要在一定時間段完成.第五,數(shù)據(jù)中心可以選擇多種能源,不同的策略針對的新能源種類也不盡相同.例如,前面介紹的就地新能源和離站新能源;太陽能、風能、燃料電池;可再生能源補貼金RECs、碳補償?shù)榷喾N形式的綠色能源選擇.有的策略考慮完全利用新能源為數(shù)據(jù)中心供電,而有的策略則采用多種新能源組合為數(shù)據(jù)中心供能.最后一種重要的分類標準是研究方法,它反映方案的現(xiàn)實可用性和評測方法.具體分為離散時間模擬方法、設計原型系統(tǒng)、形式化建模分析以及數(shù)值模擬方法等.所有方法均有其局限性和優(yōu)缺點.例如,相對于真實系統(tǒng)平臺或原型系統(tǒng),理論分析和模擬的研究給出了不依賴于具體平臺和實現(xiàn)的結果,但是真實原型系統(tǒng)則反映了相應研究領域的成熟程度.4.2數(shù)據(jù)中心能源調(diào)度與負載均衡氣依據(jù)表6的分類標準,表7對比了近年來數(shù)據(jù)中心應用新能源策略的研究進展.不同的機制策略可歸類為:第一,新能源模型和預測機制.由于不同新能源具有不同的特性(如前面介紹的發(fā)電量和碳排放量因素、因此間歇性和動態(tài)變化等),因此,為了最大化利用新能源,我們需要建模預測未來可用的新能源量,以此來調(diào)度作業(yè),匹配能耗供應與需求.第二,數(shù)據(jù)中心能源配額規(guī)劃:主要涉及研究新建數(shù)據(jù)中心或者新增新能源時,如何選擇最佳的能源組合來最小化開銷和碳排放量,并同時滿足相應能耗需求.第三,新能源數(shù)據(jù)中心內(nèi)作業(yè)調(diào)度機制:主要研究如何依據(jù)新能源可用量,來分級調(diào)度交互性和延遲容忍型作業(yè)、調(diào)節(jié)服務功耗狀態(tài)以最大化利用新能源.第四,新能源數(shù)據(jù)中心間負載均衡機制:針對不同地區(qū)數(shù)據(jù)中心的不同新能源可用量和不同碳排放量,負載均衡器將請求分發(fā)到不用的地區(qū)進行執(zhí)行處理,從而最大化新能源的利用、減少能耗開銷和碳排放量.下面,將分別詳細闡述這4類研究.5新能源利用機制和戰(zhàn)略本節(jié)首先對新能源在數(shù)據(jù)中心應用的4個方面進行闡述,如圖2所示.然后,我們分析總結國內(nèi)綠色數(shù)據(jù)中心的研究現(xiàn)狀.5.1新能源模型與預測機制5.1.1模型中的pynd風渦輪正在全球范圍內(nèi)大量安裝部署.據(jù)預測,2030年美國的電力將有20%來源于風能.風能電站中風渦輪的發(fā)電量是實際風速的函數(shù).例如,在風速為v的情況下,一個風渦輪的發(fā)電量pwind近似模型為其中vr和pr分別是風渦輪的額定風速和能量,vin和vout是切入和切出風速.切入風速是指渦輪開始旋轉(zhuǎn)并發(fā)電的風速,典型值為3~4m/s.切出風速是制動系統(tǒng)為了避免不斷上升的風速使渦輪毀壞而讓渦輪停止的風速,一般在25m/s.在大規(guī)模的風力發(fā)電廠,假設有大量的風渦輪,數(shù)量為mw,那么整個系統(tǒng)的發(fā)電量大約是每個風渦輪發(fā)電量的總和:其中,pkwind是第k個風渦輪在風速為v的時候的發(fā)電量.5.1.2光伏電板最大太陽能產(chǎn)量mpp的計算方法光伏太陽能發(fā)電量在全球呈指數(shù)級增長.在不同的天氣條件下(例如日照強度和溫度),光伏電板的發(fā)電量是不同的.單向二極管反應式被廣泛應用來模擬單向光伏電板發(fā)電量.具體而言,光伏電板的電流電壓特性為其中:Iph是光照產(chǎn)生的電流;Io是周圍天氣模式的飽和暗電流.單向二極管模型也考慮了光伏電板的串聯(lián)和并聯(lián)的電阻Rs和Rsh.Vth是結合點熱電壓,如Vth=kT/q,其中k是波爾茲曼常數(shù),q是電子電荷,而T是環(huán)境溫度.ns是光伏電板上的串聯(lián)的單元格數(shù)目,如典型電板上ns=72.為了表示變化的天氣條件對光伏電板發(fā)電量的影響,往往通過引入兩個關鍵因素———日照和溫度,將式(5)轉(zhuǎn)變?yōu)槭?6)即可.飽和暗電流Io只與環(huán)境溫度有關而與日照強度無關.對于高質(zhì)量的太陽能電板,它的串聯(lián)電阻Rs一般較小而并聯(lián)電阻Rsh很大.因此,在太陽能發(fā)電模型中只考慮串聯(lián)電阻,而將并聯(lián)電阻假設為無窮大(Rsh=∞).進而,Iph可以簡化為Isc,其中Isc是短路電流.Isc與日照強度和周圍溫度成正比例關系.如下式:和T0分別是在標準測試條件下的日照強度和溫度,G0=1000W/m2,T0=25℃,Isc、Voc、kv和ki分別為短路電流、開路電壓和標準測試條件下的短路和開路溫度系數(shù).光伏電板在變化的溫度和日照條件下的太陽能,是基于式(5)中伏安特性下的輸出電壓和電流的乘積,即psolar=v(G,T)·i(G,T).在均勻的日照和溫度環(huán)境下,太陽能產(chǎn)量Psolar的最大值是唯一的.光伏電板的最大太陽能產(chǎn)量mpp是在最佳負載rmp和相應的電流imp下取得的,其中因此,mpp=i2mp·rmp.假設一共有ms個光伏電板,在變化的日照和溫度下,太陽能發(fā)電廠的發(fā)電量為其中mppk是第k個光伏電板在溫度T和日照G的條件下的最大發(fā)電量.5.1.3建模與預測算法的對比關系小將新能源融入電網(wǎng)的挑戰(zhàn)之一就在于新能源是間歇性的,而且是不可控的.因此,預測未來新能源的可用量是極為重要的.隨著新能源產(chǎn)電量的變化,電網(wǎng)必須動態(tài)調(diào)度發(fā)電機來滿足能耗需求.同時,通過預測新能源產(chǎn)量的變化趨勢,可以指導作業(yè)調(diào)度和能耗管理機制來充分利用可用的新能源.對于太陽能的預測,文獻使用多種時間序列預測算法,例如估計加權移動平均(EstimatedWeightedMovingAverage,EWMA)算法和天氣條件移動平均(Weather-ConditionedMovingAverage,WCMA)算法.由于太陽能變化的連續(xù)性和周期性,EWMA算法在天氣條件穩(wěn)定的時候可以準確預測可用太陽能.但是,當天氣頻繁變化的時候,算法的準確度較差,平均預測錯誤率高達32.6%.WCMA算法考慮了最近幾天發(fā)電量的平均值以及天氣條件與前幾天的對比.其在天氣條件極差的情況下也具有較高的準確率.例如,當預測窗口為30min時,平均預測錯誤率僅為9.6%.但是,WCMA算法只能預測未來一個時段的值.文獻基于天氣預報服務,利用機器學習方法,提出了一種自動的太陽能預測模型.利用多種回歸預測技術,包括線性最小二乘法和支持向量機(SupportVectorMachines,SVM)的負荷預測方法,最后得出預測模型為式(10)所示.該方法的準確性比傳統(tǒng)時間序列預測模型高27%.盡管上述太陽能預測策略較為準確,但是計算復雜度較高.文獻[15-16]假設預測太陽能發(fā)電量是與云覆蓋面(CloudCover)成反比的,其表達式為Ep(t)=B(t)(1-CloudCover),其中Ep(t)是在t時刻預測可用的太陽能量,B(t)是在陽光充足的理想狀況下的太陽能量,CloudCover是預測的被云覆蓋的比例(在0~1之間取值).可利用歷史數(shù)據(jù)來初始化計算B(t),并利用天氣預報來預測CloudCover.然而,天氣預報也存在錯誤.例如,對風暴的預測經(jīng)常是不準確的.此外,天氣也不是影響太陽能發(fā)電的唯一因素.為了提高預測的準確性,也可以使用過去(如1小時前)的觀測值來預測當前的CloudCover.對于風能的預測,文獻依據(jù)風速和風向,設計了一種新的預測可用風能的預測器.其算法根據(jù)每30min間隔的風速和風向數(shù)據(jù),制定加權最近鄰居表以生成風能曲線.通過給不同時間的結果賦予不同的權值,加權表可以使得算法適應于季節(jié)變化.而能量曲線具有靈活性,使得算法可以適用于不同的風能電場.合適的能量曲線應該依據(jù)最近的風量、風向和發(fā)電量來不斷更新:其中,Pnew(v,d)是在風速為v、風向為d的時候的能量曲線表記錄,Pold(v,d)是相同風速和風向的條件下的現(xiàn)存能耗曲線記錄,而Pobs(v,d,t)是在時刻t的觀測能量值.α在0~1之間取值,實現(xiàn)結果發(fā)現(xiàn)α=0.75的時候預測結果與真實值最一致.這表示應該給予最近觀測值更高的權重.未來時段風能的預測通過風速和風向來查找表中數(shù)值:通過一年的真實數(shù)據(jù)實驗發(fā)現(xiàn),該算法在預測窗口為30min時的平均錯誤率為17.2%,比傳統(tǒng)時間序列預測算法更準確而且計算開銷較小.5.2能源組合優(yōu)化在數(shù)據(jù)中心升級、考慮引用新能源來節(jié)能減排,或者新建數(shù)據(jù)中心時,數(shù)據(jù)中心運營者面臨如下問題:如何規(guī)劃供電系統(tǒng)的能源組合?如何選擇各種新能源額定功率大小(配額)?而這需要考慮不同的新能源來源(風能或太陽能、直接可用新能源或間接的新能源市場產(chǎn)品)、不同能源的不同費用和單位碳排放量、儲電設備、負載、不同地區(qū)的天氣條件、激勵政策、服務協(xié)議SLA、稅收以及電網(wǎng)功率等等因素.這使得制定因地制宜的能源組合、配額規(guī)劃方案更具挑戰(zhàn)性.ReRack是一個可以輸入上述不同因素的模擬優(yōu)化器,可用來評估使用新能源的數(shù)據(jù)中心的能耗開銷.ReRack主要包含兩個部分:一是模擬器,用來分析新能源的效益,其模型既可以表示數(shù)據(jù)中心的能耗需求也可以模擬不同地區(qū)的新能源變動情況;二是優(yōu)化器,用來尋找對于給定地區(qū)和負載的開銷最佳的求解空間.文獻提出的碳感知能源規(guī)劃方法可以幫助數(shù)據(jù)中心操作人員設計可持續(xù)發(fā)展的新能源驅(qū)動的系統(tǒng).該方法假設數(shù)據(jù)中心內(nèi)部的IT設備、冷卻設備、供電設備都齊全,而需要規(guī)劃的決策是多種新能源的配額以及儲能設備(EnergyStorageDevices,ESD)的大小.能源來源包括就地新能源、離站新能源、電網(wǎng)、就地柴油發(fā)電機、儲能設備和間接的新能源市場的產(chǎn)品(如REC和PPA).通過考慮不同碳足跡指標、新能源特性、激勵政策、稅費,該方法的目標優(yōu)化函數(shù)是最小化上述所有能源組合的費用開銷.基于此優(yōu)化框架,大量真實數(shù)據(jù)(trace)驅(qū)動的仿真實驗顯示:(1)新能源不僅可以減少數(shù)據(jù)中心的碳排放量,而且可以減少開支;(2)就地新能源可以減少開銷的原因在于它們能直接為數(shù)據(jù)中心供電,而減少對電網(wǎng)的峰值需求,而傳統(tǒng)的作法則是運用更昂貴的ESDs來實現(xiàn)相同的目標;(3)減少碳排放量的最有效方式取決于碳足跡的目標:對于比較低的減排目標(不超過30%),最好使用就地可用的新能源;更高的碳排放減少目標就需要使用離站新能源;而零碳排放目標就必須借助于新能源產(chǎn)品,如RECs.然而,上述能源供應規(guī)劃方案忽視了對數(shù)據(jù)中心能耗需求的考慮.文獻提出了一種能耗管理規(guī)劃方案,使得數(shù)據(jù)中心的負載能耗需求與供應相匹配.電能供應可以來源于電網(wǎng)、新能源和儲能設備.其中,新能源的供應是隨時間變化的,依賴于新能源來源、發(fā)電機地理位置和天氣條件.能耗需求主要取決于隨時間變化的數(shù)據(jù)中心負載和所采取的能耗管理策略.該方法采用DVFS和服務器整合技術來調(diào)節(jié)CPU功耗和服務器個數(shù),并設置能耗上限來控制能耗需求.儲能技術用來儲存多余的電能,并用來平滑由于間歇性新能源導致的不穩(wěn)定電能供應.以上幾種配額規(guī)劃方案都沒有考慮新能源對公眾健康及地區(qū)經(jīng)濟效益的影響.為此,文獻提出了一種系統(tǒng)最佳能源組合模型,能夠考慮電網(wǎng)的可靠性、電力開銷、污染對健康的影響、對建筑環(huán)境的影響、對景點的影響、對當?shù)刎敻缓铜h(huán)境的影響.而且,該模型可以模擬這些因素之間的交互影響,提供決策信息來設計最佳的電力能源組合.但是該模型只是概念模型,并沒有嚴格的形式化數(shù)學表達.雖然現(xiàn)在越來越多的數(shù)據(jù)中心使用新能源來減少碳排放量,但是只有少數(shù)的綠色環(huán)?？蛻舨艑π履茉锤信d趣,而大部分的普通用戶并不關心數(shù)據(jù)中心是否使用綠色能源.為此,數(shù)據(jù)中心可以提供差異性服務:新能源僅僅為服務綠色環(huán)保客戶的服務器供能.在新能源加入數(shù)據(jù)中心供電系統(tǒng)時,應該規(guī)劃哪些服務器提供的服務由新能源支持,哪些服務器提供的服務由傳統(tǒng)電網(wǎng)支持.在相關研究中,新能源通過并網(wǎng)設備(gridtie)將就地新能源并入電網(wǎng),而電網(wǎng)作為備用能源,當新能源不足的時候才使用電網(wǎng),而當新能源富余時就存儲在電網(wǎng)中.在并網(wǎng)的數(shù)據(jù)中心中,新能源在供電系統(tǒng)的比例取決于新能源的產(chǎn)量,以及并網(wǎng)設備下的服務器數(shù)量.該方法能夠量化不同的并網(wǎng)設備放置方案對于新能源利用率的影響.例如,在機架級別放置并網(wǎng)設備可以增加每小時新能源利用率的1.76倍.5.3綠色云存儲設備的工作規(guī)劃機制5.3.1ha作業(yè)可用量預測為了研究數(shù)據(jù)中心如何利用不穩(wěn)定的新能源、如何匹配負載的能耗需求與變化的新能源供應,美國羅格斯大學的研究者設計并實現(xiàn)了太陽能驅(qū)動的小型數(shù)據(jù)中心μdatacenter———Parasol.最近,他們又為綠色數(shù)據(jù)中心設計了兩個負載調(diào)度系統(tǒng):GreenSlot和GreenHadoop.這兩個系統(tǒng)均假設:(1)數(shù)據(jù)中心既與太陽能電站連接也與電網(wǎng)連接;(2)沒有蓄電設備.系統(tǒng)目標都是最大化利用太陽能.非清潔能源只在太陽能不足的時候才被利用.GreenSlot是一個批處理作業(yè)調(diào)度器,它擴展了SLURM模擬器(SLURM是一種可用于大型計算節(jié)點集群的高度可伸縮和容錯的集群管理器和作業(yè)調(diào)度系統(tǒng)).用戶提交作業(yè)時需要設定所需的結點數(shù)、期望的運行時間和截止期限.基于歷史數(shù)據(jù)和天氣預報,GreenSlot首先預測未來太陽能的可用量.在滿足作業(yè)的延時要求情況下,GreenSlot盡可能將作業(yè)延遲到未來新能源可用的時候再執(zhí)行,如圖3所示.其中,回填算法是在先來先服務算法的基礎上,將隊列中較小的作業(yè)回填到空閑CPU,以提高CPU利用率.每個長方形代表結點的個數(shù)和每個作業(yè)大概需要的時間.垂直線為作業(yè)的最后完成期限.GreenSlot延遲部分作業(yè)的執(zhí)行(只要不超過截止期限)以保證新能源的利用.例如,GreenSlot延遲作業(yè)J1到截止期限之前,從而盡可能多地利用可用的新能源.如果為了滿足延時要求而不得不使用傳統(tǒng)電網(wǎng)時,GreenSlot則選擇電價較為便宜的時候執(zhí)行作業(yè).類似地,GreenHadoop在Hadoop數(shù)據(jù)處理的框架下改進作業(yè)調(diào)度器來最大化新能源的利用.但是調(diào)度管理Hadoop作業(yè)的能耗更加困難,因為Hadoop作業(yè)不設定需要使用的服務器個數(shù)、運行時間和所需能耗等信息.此外,能耗調(diào)度器需要保證管理的服務器上具有運行作業(yè)所需的數(shù)據(jù).但是,GreenSlot和GreenHadoop調(diào)度系統(tǒng)不適合交互式延遲敏感型應用.文獻既考慮批處理這樣的延遲容忍型作業(yè),又考慮Web服務這樣的延遲敏感型應用.對于這兩種不同類型的作業(yè),調(diào)度器設置兩個不同的隊列.對于Web服務,系統(tǒng)限定每個服務器上的請求個數(shù),并在計算資源可用時立即執(zhí)行,以滿足響應時間要求.而對于批處理作業(yè),則利用前面5.1.3小節(jié)總結的風能和太陽能可用量預測機制,自適應地延遲調(diào)度每個服務器的作業(yè)來充分利用新能源.雖然該方法使用的新能源預測算法相對于GreenSlot和GreenHadoop系統(tǒng)更為復雜,但是準確性更高,調(diào)度失誤率更低.類似地,加州大學伯克利分校的研究者也同時針對批處理任務和交互型服務設計了能源敏捷型集群.對于批處理任務,該方法同樣通過新能源感知的松弛調(diào)度來最大化風能的利用.不同的是,對于交互型服務,系統(tǒng)通過降低服務質(zhì)量(如增加響應時間、選擇性地拒絕部分請求)來減少能耗.其代價是影響服務質(zhì)量.5.3.2太陽能驅(qū)動的多核體系架構除了通過延遲處理作業(yè)來匹配可用新能源的方式外,另一種利用新能源的調(diào)度方式就是調(diào)節(jié)處理器或者服務器的功耗狀態(tài)來調(diào)節(jié)能耗需求,從而匹配可用的新能源.在處理器層次,佛羅里達大學的IDEAL實驗室設計了SolarCore,一種太陽能驅(qū)動的多核體系架構下的能耗管理方案.SolarCore依據(jù)可用的太陽能動態(tài)地設置處理器的能耗預算,并利用DVFS技術根據(jù)吞吐率和能耗的比值來動態(tài)調(diào)節(jié)每個核的負載,以充分利用新能源實現(xiàn)最佳的性能.當太陽能利用率低于一定閾值時就開啟備用電源(電網(wǎng)).類似地,對于服務器集群,Blink基于變化的可用新能源電量,利用快速休眠狀態(tài),動態(tài)調(diào)節(jié)每個服務器的功耗狀態(tài)來匹配能耗供應.不同的是,該方法假設集群完全依賴綠色能源,不與電網(wǎng)連接.但是,目前數(shù)據(jù)中心僅僅依靠綠色能源是不實際的,原因在于間歇、不穩(wěn)定的新能源可能會導致無法控制的性能損失、服務中斷和斷電.5.3.3利用虛擬機遷移技術上述這幾種延遲處理作業(yè)或者調(diào)節(jié)硬件功耗狀態(tài)的方式會一定程度上影響服務質(zhì)量.IDEAL實驗室的另一個研究成果是iSwitch.為了最大化利用間歇、不穩(wěn)定的新能源,iSwitch在兩組服務器之間動態(tài)調(diào)節(jié)負載:一組服務器依靠新能源供能,而另一組依靠傳統(tǒng)電網(wǎng)供能.根據(jù)能源波動利用虛擬機遷移技術,當新能源不足時就將負載遷移到電網(wǎng)服務器組;當新能源充足時就將任務遷移到新能源服務器組.但是,能耗需求的波動性和新能源的不穩(wěn)定性導致引入了很多不必要的負載調(diào)度開銷.文獻在管理負載時集中考慮了新能源供應、動態(tài)的電價、冷卻方式等因素,來改善數(shù)據(jù)中心運營的節(jié)能環(huán)保可持續(xù)性.系統(tǒng)首先預測可用的新能源和IT需求,然后依據(jù)這些預測數(shù)據(jù)來產(chǎn)生IT負載管理策略———依據(jù)變化的能源供應和冷卻效率在數(shù)據(jù)中心中調(diào)度負載和分配資源.真實數(shù)據(jù)驅(qū)動的實驗顯示該方法在保證服務質(zhì)量SLA的同時,可以減少60%的能耗開銷和非清潔能源的使用量.實驗回答了3個關鍵問題:(1)通過新能源和冷卻感知的負載管理方式能獲得多少益處(減少電力開支和環(huán)境影響)?(2)零電網(wǎng)能耗可能實現(xiàn)嗎?(3)哪種新能源更有價值?最優(yōu)的新能源組合是怎樣的?5.4數(shù)據(jù)中心復制云服務提供商通常在全球多個地區(qū)擁有自己的數(shù)據(jù)中心:一是為了盡可能快地為全球客戶服務;二是為了故障恢復(數(shù)據(jù)在不同地區(qū)的數(shù)據(jù)中心復制多份);三是為了更好利用不同地區(qū)的能源供應、電價、冷卻方式、稅費之間的差異.當然,不同地區(qū)的數(shù)據(jù)中心的可用新能源量是不同的、波動趨勢也不盡相同,所以越來越多的研究者發(fā)現(xiàn)在跨區(qū)域數(shù)據(jù)中心之間合理地進行負載遷移和請求分發(fā),不僅可以減少總體費用,而且可以充分利用各地的可用新能源、減少碳排放量.5.4.1不同數(shù)據(jù)中心的負載均衡劍橋大學的學者提出了FreeLunch架構.他們假設多個數(shù)據(jù)中心擁有新能源,而這些產(chǎn)出不穩(wěn)定的新能源不被使用就會被浪費.數(shù)據(jù)中心之間通過專有網(wǎng)絡連接.FreeLunch根據(jù)可用能源來無縫執(zhí)行和遷移虛擬機,將任務遷移到有富余新能源的數(shù)據(jù)中心.但是,實現(xiàn)FreeLunch這種通過虛擬機遷移負載來充分利用新能源的思想有以下5點挑戰(zhàn):(1)虛擬機在線遷移具有很大性能開銷.例如,在新西蘭和澳大利亞的數(shù)據(jù)中心之間遷移的最小延時是67ms.(2)FreeLunch假設系統(tǒng)中所有服務器都連接到網(wǎng)絡附加存儲(NetworkAttachedStorage).在單個數(shù)據(jù)中心這個假設是合理的,但是在多個不同地區(qū)的數(shù)據(jù)中心之間,虛擬機的遷移需要保證虛擬機磁盤狀態(tài)和數(shù)據(jù)的一致.(3)多個數(shù)據(jù)中心之間的虛擬機磁盤鏡像放置也是一個挑戰(zhàn).虛擬機的正常運行需要磁盤鏡像隨時可訪問.虛擬機只能被放置或遷移到具有鏡像的數(shù)據(jù)中心中.(4)FreeLunch比較適用于無狀態(tài)的、非交互型、訪問數(shù)據(jù)量小的應用.大量的網(wǎng)絡延時使其難以滿足延遲敏感和交互型應用的服務等級協(xié)議SLA.尤其是當負載具有大量的磁盤訪問操作時,負載遷移的時間和數(shù)據(jù)處理使其開銷更大.(5)FreeLunch假設數(shù)據(jù)中心的計算資源與綠色能源來源是在一個地點的.因此,更合理地利用不同地區(qū)數(shù)據(jù)中心的新能源、減少碳排放量的方式,是分發(fā)用戶網(wǎng)絡請求,依據(jù)可用新能源或碳排放量的不同來均衡各個數(shù)據(jù)中心的請求數(shù)量.加州理工學院的Wierman等人從理論和實驗上證明這種方法的可行性.他們在文獻中研究互聯(lián)網(wǎng)系統(tǒng)完全利用新能源的可行性.研究發(fā)現(xiàn)小規(guī)模的儲能設備配合分布式請求轉(zhuǎn)發(fā)機制,對于完全依賴于新能源的數(shù)據(jù)中心就足夠了.最佳的新能源組合是主要用風能,而使用相對較少的太陽能來處理白天時段的高峰需求.他們在文獻中研究跨數(shù)據(jù)中心的負載均衡能否刺激新能源的利用、減少化石燃料的使用.此研究主要針對新能源輸出的電量接入到電網(wǎng),進而為數(shù)據(jù)中心供電的情形.研究發(fā)現(xiàn)負載均衡機制的好處取決于新能源加入電網(wǎng)后的定價方式.例如,一個地區(qū)餓電價p定義為其中,pb表示非清潔能源的價格,pg表示清潔能源的價格,a(t)表示清潔能源在電網(wǎng)中所占的比例.如果pb=pg則表示靜態(tài)電價,那么各個數(shù)據(jù)中心之間的請求轉(zhuǎn)發(fā)并不會刺激新能源的引入.而如果pg≠pb,電價與非清潔能源所占比例成正相關,那么請求轉(zhuǎn)發(fā)將大大減少非清潔能源的使用.pg=0表示最佳的定價.5.4.2資源利用的流程首先面對的問題就是多少請求、哪些請求應該被轉(zhuǎn)發(fā).文獻提出了一種準確評估每個請求所需能耗的模型.基于從性能計數(shù)器(Performancecounter)收集每個CPU周期的3個指標:L2級cache訪問次數(shù)Ccache、內(nèi)存事務數(shù)Cmem和非停止CPU周期數(shù)比例Cnonhalt,請求能耗模型如下:其中參數(shù)p是該線性模型的系數(shù),帶有ceil上標的C符號分別表示3個指標的上限.依據(jù)不同請求的不同能耗,服務商可以基于不同數(shù)據(jù)中心中可用的新能源電量來決策如何分發(fā)哪些請求來充分利用新能源.由于目前新能源單位電量價格仍然比電網(wǎng)價格高,因此為了減少碳排放量而使用新能源可能會導致云服務商的預算超支.為此,文獻提出了GreenWare系統(tǒng),用于解決兩個問題:(1)如何動態(tài)地分發(fā)請求到不同的數(shù)據(jù)中心,依據(jù)當?shù)氐奶鞖夂蜌夂驐l件來最大化地利用新能源;(2)如何保證服務運營的預算不超支.如圖4所示,GreenWare在云服務商的費用預算內(nèi)動態(tài)分發(fā)請求,從而最大化新能源的使用比例.此目標函數(shù)被形式化為受約束的優(yōu)化問題:其中,Wi,Si,Bi分別表示第i(1ue025iue025N)個數(shù)據(jù)中心的風能、太陽能、非清潔能源供電比例,PWi,PSi,PBi分別表示這些能源的單價.約束條件(14)表示分發(fā)到N個數(shù)據(jù)中心的請求之和與到達數(shù)據(jù)中心系統(tǒng)的請求數(shù)λ相等.約束條件(15)保證能耗費用不超過預算Budget.基于線性分數(shù)規(guī)劃(LinearFractionalProgramming,LFP)方法,GreenWare利用Matlab中的linprog解決方案求得最優(yōu)解.類似地,文獻[29-30]考慮在設置非清潔能源使用量上限情況下,如何依據(jù)不同地區(qū)的不同電價和碳抵消交易市場來分發(fā)請求,實現(xiàn)充分利用綠色能源并最小化能耗開銷,并同時滿足服務質(zhì)量SLA.文獻考慮不同地區(qū)處理請求的不同碳排放量和網(wǎng)絡延時對服務質(zhì)量(QualityofService,QoS)的影響,對碳排放和QoS之間的權衡作了優(yōu)化處理.文獻設計的FORTE優(yōu)化框架依據(jù)負載和碳足跡的變動來動態(tài)控制每個數(shù)據(jù)中心的用戶請求比例.它允許運營商操控3個方面的權衡:訪問延時、碳足跡和電量開銷.5.4.3能耗均增型網(wǎng)絡路由目前,大量的研究工作關注于優(yōu)化數(shù)據(jù)中心計算的能耗,而較少研究者關注連接大規(guī)模分布式數(shù)據(jù)中心的網(wǎng)絡的能耗.數(shù)據(jù)中心運營者和網(wǎng)絡提供商如何以最小的開銷提供期望的性能是設計分布式服務的關鍵挑戰(zhàn).主干網(wǎng)的總能耗是所有鏈路和路由器能耗之和.其中,鏈路的能耗是距離的函數(shù),主要用于信號放大.路由器的能耗大部分固定在額定值,是主干網(wǎng)能耗的主要部分.目前,網(wǎng)絡路由主要采用最短路徑算法.隨著路由器改進為能耗均增方式(EnergyProportional),未來路由器需要根據(jù)負載狀態(tài)和可用新能源量來動態(tài)路由.文獻提出了新能源感知的路由算法以改善網(wǎng)絡系統(tǒng)的能效.該算法選擇那些具有最低非清潔能源消耗量且同時滿足帶寬要求的路徑來路由請求.實驗結果表明,使用能耗均增的路由器和新能源感知的路由算法能將路由器的能效提高10倍,并增加36%的作業(yè)完成率.5.5云計算的節(jié)能減排模型國內(nèi)在數(shù)據(jù)中心節(jié)能減排、新能源應用方面的相關研究起步晚于國外.但在國家大力倡導資助和國內(nèi)科研工作者的刻苦攻關下,迄今已取得了一定的成果.在綜述方面,2009年四川大學郭兵教授發(fā)表了題為“綠色計算的重定義與若干探討”的文章.文章提出了綠色計算的一些基本思路和一般性方法,為下一步研究綠色計算的具體模型、方法與工具打下了必要的基礎.2011年清華大學的林闖教授發(fā)表了題為“綠色網(wǎng)絡和綠色評價節(jié)能機制、模型和評價”的文章.文章