Abstract
In an energy saving server cluster environment, the power modes of servers are controlled according to load situation, that is, by making ON only minimum number of servers needed to handle current load while making the other servers OFF. This algorithm works well under normal circumstances, but does not guarantee QoS under abnormal circumstances such as sharply rising or falling loads. This is because the number of ON servers cannot be increased immediately due to the time delay for servers to turn ON from OFF. In this paper, we propose a new prediction algorithm of the power consumption for improving QoS under not only normal but also abnormal circumstances. The proposed prediction algorithm consists of two parts: prediction based on the conventional time series analysis and prediction adjustment based on trend analysis. We performed experiments using 15 PCs and compared performance for 4 types of conventional time series based prediction methods and their modified methods with our prediction algorithm. Experimental results show that Exponential Smoothing with Trend Adjusted (ESTA) and its modified ESTA (MESTA) proposed in this paper are outperforming among 4 types of prediction methods in terms of normalized QoS and number of good reponses per power consumed, and QoS of MESTA proposed in this paper is 7.5% and 3.3% better than that of conventional ESTA for artificial load pattern and real load pattern, respectively.
에너지 절감형 서버 클러스터 환경에서는 서버 전원 모드가 부하상황에 따라 제어된다. 다시 말하면 현재 부하를 처리하는 데 필요한 대수의 서버들만 ON하고 나머지 서버들은 OFF한다. 이 알고리즘은 정상적인 상황에서는 잘 동작하지만 부하가 급증 또는 급감하는 비정상적인 상황에서는 QoS를 보장할 수 없다. 왜냐하면 서버가 OFF에서 ON으로 바뀌는 데 필요한 지연시간 때문에 ON 서버 대수를 당장 증가시킬 수 없기 때문이다. 본 논문에서는 정상적인 상황뿐만 아니라 비정상적인 상황에서도 QoS를 향상시키는 새로운 소비 전력 예측 알고리즘을 제안한다. 제안된 예측 알고리즘은 기존 시계열 분석에 기반한 예측과 추세를 반영한 예측 조정의 두 부분으로 구성된다. 15대의 서버 클러스터를 이용하여 실험이 수행되었고, 4가지 유형의 기존의 시계열 예측 모델과 본 논문에서 제안하는 4가지 유형의 수정된 모델에 대해 성능을 비교하였다. 실험 결과 4가지 유형 중 추세조정 지수평활법(ESTA)과 본 논문에서 제안된 ESTA(MESTA)가 표준화된 QoS 및 단위전력당 좋은 응답수 측면에서 가장 우수한 성능을 보였으며, 또한 본 논문에서 제안한 MESTA 알고리즘이 기존의 ESTA 알고리즘에 비해 가상 부하패턴과 실제 부하패턴에 대해 QoS가 7.5%, 3.3% 각각 향상됨을 보여주었다.