Maîtrise énergétique des centres de données

Transcription

1 LABORATOIRE D INFORMATIQUE DE NANTES-ATLANTIQUE UMR 6241 ÉCOLE DOCTORALE STIM, N. 503 «Sciences et technologies de l information et des mathématiques» Sujet de thèse pour 2010 Maîtrise énergétique des centres de données Une approche par équilibrage des charges thermiques des calculs Résumé. En 2008, 2% de la production électrique mondiale a été consommée par les centres de données. Un centre de données (ou data center) est une infrastructure technique où sont regroupés en un même lieu géographique un grand nombre de serveurs interconnectés par un réseau haut débit. Ces centres utilisent pour moitié leur énergie à alimenter les serveurs et pour l autre à les refroidir. Nous avons développer une solution permettant de réduire la consommation électrique des serveurs. L objectif de la thèse sera de proposer une solution logicielle permettant de réduire la consommation électrique du système de refroidissement grâce à la répartition thermique des tâches. Mots clés. Énergie, Système distribué, Génie logiciel, DSL, Ordonnancement, Équilibrage Ph. D. Proposal for 2010 Towards a data center energy control An approach by a dynamic load-balancing thermal system Abstract. In 2008, 2 % of worldwide electricity production has been consumed by data centers. A data center is a technical infrastructure, which are co-localized in the same place a large number of servers interconnected through a network. These data centers use half of their energy to server power and the other to cool it. The aim of the thesis will propose a software approach for reducing the power consumption of the cooling system through a thermal load-balancing strategy. Keywords. Energy, distributed system, software engineering, DSL, scheduling, load balancing

2 Directeur de thèse NOM, Prénom : COINTE, Pierre Équipe d accueil : Ascola Courriel : Pierre.Cointe (at) mines-nantes.fr Téléphone : (+33/0) Co-encadrant NOM, Prénom : MENAUD, Jean-Marc Équipe d accueil : Ascola Courriel : menaud (at) mines-nantes.fr

3 Introduction Contexte et problématique En 2008, 1 à 2% de la production électrique mondiale a été consommée par les centres de données. Un centre de données (ou data center) est une infrastructure technique où sont regroupés en un même lieu géographique des dizaines, des centaines, voire des milliers d ordinateurs interconnectés par un réseau haut débit. Malheureusement, le chiffre alarmant de 2% de consommation électrique mondiale évoqué pour 2008 devrait être dépassé pour 2009 puisque plusieurs études montrent que le nombre de centre de données devrait augmenter dans les prochaines années 1. Cette multiplication est liée à l accroissement du nombre d internautes (principalement dans les BRIC : Brésil, Russie, Inde, Chine), des terminaux d accès 2, des données disponibles 3, et l apparition de nouveaux usages comme le Cloud Computing ou l Internet des objets 4. Dans ce modèle d exécution, l ensemble des problématiques d administration et d exécution sont externalisées dans un "Nuage", en charge de fournir à la demande la puissance et les conditions nécessaires au bon fonctionnement des applications hébergées. Le futur défi pour les hébergeurs sera de proposer une offre de qualité de Cloud (en garantissant au client final la qualité de service attendue) et financièrement concurrentielle. Or le coût d exploitation d une application sur Cloud est essentiellement liée aux coûts de fonctionnement de l infrastructure. En effet, ramené à sa durée de vie, le coût d utilisation d un serveur est le double voire le triple du coût d investissement : achat du matériel et du logiciel vs coûts liés à l administration et à la consommation électrique directe (utilisé par le serveur) ou indirecte (redressement du courant, climatisation, etc.). Si l on combine la bataille des prix que se livreront les fournisseurs de Cloud, l importante progression des consommations des serveurs, l éventuelle taxe carbone, l augmentation probable du coût de l électricité et notre problématique environnementale, on ne peut qu être convaincu de la nécessité de prendre dès maintenant des dispositions pour mesurer, optimiser et diminuer la consommation électrique de ces infrastructures. Ce sujet est un nouveau champ scientifique de l équipe ASCOLA et en phase avec la stratégie INRIA et LINA (systèmes efficace, architectures et génie logiciel). 1 Chez France Télécom, cette croissance est estimée à 30%, liée à des nouveaux services (Portail Web, Vidéo On Demand) 2 Il y a 1 milliard d ordinateurs estimés pour 2008 et 2 milliards pour 2013, plus le nouveau marché des smart phones (77 millions vendus sur les trois premiers mois de 2009 soit 14 par seconde) exabytes de données ont été créées en 2006, soit approximativement 3 millions de fois l information contenue dans tous les livres jamais écrits 4 Il est estimé que d ici à quelques années le nombre d appareils communiquants pourrait être de plusieurs dizaine de milliards, soit plus que le nombre d êtres humains 3

4 Problèmes et opportunités Depuis 2006, nous avons développé au sein de l équipe ASCOLA le logiciel Entropy [HLM + 09], publié sous licence LGPL ( Entropy est un système autonome [GIYC06] et flexible pour la manipulation de machines virtuelles dans les grappes. Les machines virtuelles proposent aux utilisateurs des environnements semblables à une machine physique, complètement isolés les uns des autres, mais dont les ressources, virtuelles, sont contrôlées par un hyperviseur. Grâce à cette approche, il nous est possible de gérer finement les ressources d un centre de Cloud [CIG + 03, SKF08]. Une des fonctionnalité de base, la consolidation, consiste à déplacer les calculs en vue de les regrouper sur un nombre minimale de serveurs. Les serveurs ainsi libérés peuvent être alors éteints. Notre solution permet de diminuer de 50% la consommation électrique d un centre de Cloud. Ce logiciel est en phase de tests chez deux de nos principaux partenaires : OrangeLabs et la Direction Générale des Finances Publiques (DGFiP). Dans cette thèse, nous souhaitons étendre Entropy pour proposer une solution au problème de la sur-consommation électrique indirecte (la climatisation) des centres de données. En effet, de 30 à 60 % de l électricité consommée par les grands centres de données est employée à refroidir les serveurs. Ce phénomène a été baptisé par certains "loi de Moore des centres de données", la croissance des besoins en refroidissement étant parallèle à la croissance de la puissance des processeurs, qui pour mémoire double tous les 18 mois. La présence de points chauds continue à entraver l efficacité du matériel informatique, qui, de son coté, continu à se densifier. De récents travaux [RJ07] montrent que le ré-agencement physique des éléments de calcul dans le centre de données peut réduire de 15% la consommation électrique. Travail demandé Objectifs En continuité de ces travaux, nous proposons d étudier l autre volet du ré-agencement : le ré-agencement géographique dynamique des applications dans le centre de données. Nous souhaitons dans cette étude, et en complément du réagencement statique des machines physiques, étudier le positionnement dynamique des calculs dans le centre de données. En effet, plusieurs travaux scientifiques [MBV + 09, VBG09, TGV07], comme ceux de Frank Bellosa de l Université de Karlsruhe [MB08], ont démontré que suivant le calcul, et donc les ressources utilisées et la machine physique l exécutant, la dissipation thermique peut aller du simple au triple. En s appuyant sur ces derniers résultats et en se basant sur les travaux de réagencement physique des machines, nous estimons que par un placement optimal des applications, nous pourrions économiser entre 20 et 30% d énergie sur la consommation électrique de la climatisation. 4

5 Plan de travail prévisionnel de l étude Le travail de thèse consistera dans un premier temps en la conception d un modèle de centre de données prenant notamment en compte la localisation géographique des machines physiques et des calculs ainsi que leurs caractéristiques thermiques. Avoir des connaissances en thermodynamique serait un plus pour la thèse. Cette modélisation servira de base de décision au logiciel Entropy pour l optimisation du placement dynamique des machines virtuelles via des migrations entre machines physiques en fonction de la dissipation thermique. Ce point novateur et encore peu étudié constitue la contribution principale de la thèse. Cette contribution reposera sur l extension du composant de décision d Entropy lui même reposant sur le paradigme de programmation par contraintes et utilise le solveur de contraintes Choco ( Les algorithmes de placement sont actuellement programmés en Java avec l API du solveur, un langage dédié est cependant en cours d étude pour faciliter cette programmation. Une seconde contribution du travail de thèse consistera à étendre, finaliser et implémenter ce langage de contraintes dédié au placement de machines virtuelles, et à la programmation de l algorithme d optimisation de la dissipation thermique dans ce language. Candidats Compétences Les candidats doivent avoir des compétences avérées et/ou des connaissances suffisantes dans un certain nombre de domaines : De bonnes bases en génie logiciel pour pouvoir définir et implémenter un langage dédié au placement de VM. De bonnes bases en système distribué. Plus spécifiquement, des compétences dans le domaine de la virtualisation seraient appréciées. Des bases mathématiques pour comprendre les systèmes de modélisation de la dissipation thermique dans les centres. Quelques connaissances en ordonnancement et/ou placement de taches. 5

6 Bibliography [CIG + 03] Jeffrey S. Chase, David E. Irwin, Laura E. Grit, Justin D. Moore, and Sara E. Sprenkle. Dynamic virtual clusters in a grid site manager. In HPDC 03: Proceedings of the 12th IEEE International Symposium on High Performance Distributed Computing, page 90, Washington, DC, USA, IEEE Computer Society. [GIYC06] Laura Grit, David Irwin, Aydan Yumerefendi, and Jeff Chase. Virtual machine hosting for networked clusters: Building the foundations for "autonomic" orchestration. In VTDC 06: Proceedings of the 2nd International Workshop on Virtualization Technology in Distributed Computing, page 7, Washington, DC, USA, IEEE Computer Society. [HLM + 09] Fabien Hermenier, Xavier Lorca, Jean-Marc Menaud, Gilles Muller, and Julia Lawall. Entropy: a consolidation manager for clusters. In VEE 09: Proceedings of the 2009 ACM SIGPLAN/SIGOPS international conference on Virtual execution environments, pages 41 50, New York, NY, USA, ACM. [MB08] Andreas Merkel and Frank Bellosa. Task activity vectors: a new metric for temperature-aware scheduling. In Eurosys 08: Proceedings of the 3rd ACM SIGOPS/EuroSys European Conference on Computer Systems 2008, pages 1 12, New York, NY, USA, ACM. [MBV + 09] Tridib Mukherjee, Ayan Banerjee, Georgios Varsamopoulos, Sandeep K. S. Gupta, and Sanjay Rungta. Spatio-temporal thermal-aware job scheduling to minimize energy consumption in virtualized heterogeneous data centers. Comput. Netw., 53(17): , [RJ07] [SKF08] Jeffrey Rambo and Yogendra Joshi. Modeling of data center airflow and heat transfer: State of the art and future trends. Distributed and Parallel Databases, 21(2-3): , Borja Sotomayor, Kate Keahey, and Ian Foster. Combining batch execution and leasing using virtual machines. In HPDC 08: Proceedings of the 17th international symposium on High performance distributed computing, pages 87 96, New York, NY, USA, ACM. 6

7 [TGV07] [VBG09] Qinghui Tang, Sandeep K. S. Gupta, and Georgios Varsamopoulos. Thermalaware task scheduling for data centers through minimizing heat recirculation. In CLUSTER 07: Proceedings of the 2007 IEEE International Conference on Cluster Computing, pages , Washington, DC, USA, IEEE Computer Society. Georgios Varsamopoulos, Ayan Banerjee, and Sandeep K. S. Gupta. Energy efficiency of thermal-aware job scheduling algorithms under various cooling models. In International Conference on Contemporary Computing IC 3, pages , Noida, India, August