数据库服务器系统软功率计

功率建模是功率感知DBMS的基础.针对数据库服务器系统整机系统进行功率建模,构建其软功率计.模型利用处理器、磁盘(包括硬盘和固态盘)和内存等主要部件的活动信息,包括其利用率与核频率,其余部件产生功率作为背景功率,来构建模型.为提高模型的准确性,对各部件、可用参数对模型准确性进行全面分析.实验表明不同的模型准确性、鲁棒性存在一定的差异,大部分模型的相对误差在5%~8%之间,个别没有利用足够信息的模型相对误差在12%左右,利用全部信息的模型具有较好准确性和稳定性.

整机系统实时功率剖析与建模

功率剖析与建模是功率感知DBMS的基础。将主要硬件(处理器与磁盘)的利用率作为系统功率的指示器,根据资源利用率实时地估计系统功率,构建整机系统的实时功率模型。在多核架构下,整体CPU的活动信息会掩盖单个核的使用情况,因此,从执行核粒度考察执行频率与利用率的综合影响,采用多元线性回归方法拟合执行核的执行频率和利用率、磁盘的利用率和系统功率之间的关系。实验结果显示,所构模型平均相对误差小于12%,且占用系统资源较少,从而不会影响其他应用程序的执行,具有较好的应用价值。

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%.

数据库服务器系统中一种有效的功率封顶机制

数据中心的一个重要任务是功率控制,功率封顶是数据中心对服务器设置功率消耗上限的技术。关注的是数据中心节点机一级的动态功率控制机制。基于系统级功率模型构建了进程级功率模型,并将两者整合构成"软功率计",用于监控系统功率与进程功率;为实现功率封顶,软功率计被集成到闭环控制系统中,设计了功率控制的算法,该算法在控制系统功率不超预算的情况下,系统以较好的性能运行。实验结果表明所提控制机制能有效地控制系统的实时功率,且性能下降较少,同时也可以改善能效,可应用于功率感知的DBMS服务器中。