一种改进的整机系统实时功率建模方法

本文通过考察处理器、内存和磁盘三个部件的活动信息,包括硬件性能事件和部件利用率,构建整机系统实时功率模型.对于处理器和内存的功耗,通过特征选择找到合适的处理器内部的性能事件,结合CPU功耗状态C-States,建立低误差的功耗模型;对于没有提供性能事件的磁盘,通过利用率对部件功耗进行估算.采用回归方法分别建立并综合两个模型即可得到整机的实时功率模型.实验使用了真实系统Eureqa建模和PosgreSQL系统运行TPC-H负载对两种功率模型进行验证,结果表明:基于硬件性能事件与C-States的实时处理器与内存功率模型的误差在3%以下;结合性能事件、C-States与利用率的整机功率模型其相对误差在4%~10%之间,优于仅使用利用率的整机功率模型,最大时提升可达7%.

异步I/O连接算法的峰值功率建模

峰值功率是影响数据中心能效的一个重要因素.本文提出一种功率感知数据库系统中连接算法的峰值功率估算方法,非运行时峰值功率的估算的挑战在于没有运行时的系统信息作为模型的输入.为克服估算困难,提出使用 CPU密集度作为 CPU功耗指示量,理论上分析了异步 I/O连接算法在峰值功率发生阶段的特性,通过模拟连接算法峰值功率发生阶段算法行为来估算该阶段最大 CPU密集度,通过 CPU密集度与 CPU功率的内在联系建立异步I/O连接算法的峰值功率预测模型.实验对数据库系统中采用异步 I/O机制的四个连接算法时模型准确性进行了验证,结果表明所提预测方法具有较好的预测准确性,平均相对误差低于 7%.