P O L I T E CNI CO DI MI L A NO      DI PA RT I ME NTO DI E L E T T RO NI CA      E D I NFO RMA ZI O NESOA e risparmio ene...
Green & ICTGreen IT      ICT 4 green              SMAU 2011 - 20/10/2011   2
Perché i data center?       I data center costituiscono, al momento il 1.3% del consumo        energetico globale (il 2% ...
Il paradosso di Jevons                  I miglioramenti                  tecnologici che                  aumentano       ...
Perché si è arrivati fin qui   Lo spazio costa   Si è ridotto lo spazio   Si è aumentata la densità   La densità scald...
Questione di equilibrio          KPI             GPI                 SMAU 2011 - 20/10/2011   6
PUE e DCiE             Benchmark            DCiE      PUE             Platinum             > 0.8     <1.25             Gol...
Data Center compute Efficiency   Server Compute Efficiency (ScE)    ◦ % di tempo che un server esegue un processo      pr...
Data Center energy Productivity(DCeP)   Si parla di energia    ◦ Fattore tempo è determinante    ◦ Assessment window     ...
Maturity Model   Il consorzio    The Green Grid    ha proposto    recentemente un    maturity Model    ◦ DCMM: Data Cente...
Dimensioni di analisi                 SMAU 2011 - 20/10/2011   11
Alcuni esempiCooling PUE contribution    Compute Utilization   Level 0:                    Level 0:                     ...
Assessment tool                  SMAU 2011 - 20/10/2011   13
Una proposta               SMAU 2011 - 20/10/2011   14
Analisi del carico                 SMAU 2011 - 20/10/2011   15
Il progetto GAMESGreen Active Management ofEnergy in IT Service centres               SMAU 2011 - 20/10/2011   16
L’obiettivo di GAMES:efficienza energetica dei servicecenter…..sotto la guida delle applicazioni e dei loro requisiti    A...
Efficienza energetica dei ServiceCenter : come è possibile migliorarla?   I servers sono utilizzati in modo efficiente?  ...
… ma si può intervenireanche sulle applicazioni   Le applicazioni possono essere    riprogettate per migliorare la loro  ...
GAMES: concetti chiaveEnergy efficiency                    Green Performance                     Indicators (GPIs)    Moni...
Adaptation Monitoraggio e acquisizione dati    Valutazione GPIs         Controllo e adattamento              Evoluzione   ...
Architettura GAMES                       Design- me                       Tool                       Enviroment           ...
Metodologia di progettazione     delle applicazioni
Passi metodologici                                   2            1                           Definizione                V...
1   Valutazione preliminare:    raccolta datiSensore                NAGIOSSensore      (esteso per il               proget...
3   Classificazione GPI/KPI    •   Gli indicatori (GPI/KPI) sono classificati in base all’impatto                         ...
Definizione GPI/KPI: dipendenze   Definiamo una mappa di collegamenti tra indicatori che    mettono in luce:    ◦ Dipende...
Esempio di mappa di indicatori                SMAU 2011 - 20/10/2011   28
4   Annotazione dei processi                                                                            Descrizione       ...
5   Esecuzione         Stima energia                Valutazione                                      dell’energia         ...
Energy-aware Adaptation:    controli globali e localiAnnotated        … Process                                           ...
6   Validazione       Verifica dell’esattezza delle relazioni tra indicatori       Analisi di scenari diversi quali:    ...
Per maggiori informazioni       http://www.green-datacenters.eu/Cinzia CAPPIELLO - cappiello@elet.polimi.itPierluigi PLEBA...
Upcoming SlideShare
Loading in...5
×

Smau2011

161

Published on

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
161
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Qui indicarecheil cloud computing richiede data center diversi da quelliclassici in housing e hosting
  • Il PUEmiglioriviaggianoattorno a 1.07 e 1.2Google èpassato in qualchecaso da PUE di 2.4 a pue di 1.5 con pochemosseENI ne staaprendouno in provincia di Pavia chepunto a diventare 1.2
  • È DIFFICILE DA CALCOLAREU èL’UTILITà DI UN TASK… COME LO DEFINISCO? È SOGGETTIVO
  • Preliminary assessment:Based on the questionnaireAiming at collecting information about the IT Service Centre elementsHW/SW ComponentsFacilitiesthe IT energy consumptionGeneral Policies: High level objective about energy consumptionThey can be expressed in terms of strategic GPIs
  • Most GPIs are at facility and lower compute node levelAt application level only Application Performance Indicator as Energy Impact GPI is defined. Correlation and linking between high level GPIs and low level GPIs may have an narrowing impact. KPIs are only defined at application levelCompute node =&gt; Application Performance Indicator depends on its CPU Usage and how effectively energy is being used by a CPU or processor; the Memory Usage and how much energy is consumed for transferring specific amounts of data in the according main memory; I/O device Usage and how effectively energy is being used to perform I/O transaction; Storage Usage and energy consumed by the storage facilityApplication =&gt; Facility level: DC-EEP Index is calculated by multiplying two independent but interrelated ratios SI-EER and Application Performance Indicator.SI-EER, PUE/DCiE and SI-POM present similar energy consumption properties and can be consolidated.CADE is calculated by multiplying CPU Usage and the Facility capacity.CPE is the ratio between DCiE and IT Equipment Utilization ( DH-UR )
  • Smau2011

    1. 1. P O L I T E CNI CO DI MI L A NO DI PA RT I ME NTO DI E L E T T RO NI CA E D I NFO RMA ZI O NESOA e risparmio energeticonei data center: approcci e tendenze Cinzia Cappiello, Pierluigi Plebani Dipartimento di Elettronica ed Informazione Politecnico di Milano [cappiello,plebani]@elet.polimi.it SMAU 2011 - 20/10/2011 1
    2. 2. Green & ICTGreen IT ICT 4 green SMAU 2011 - 20/10/2011 2
    3. 3. Perché i data center?  I data center costituiscono, al momento il 1.3% del consumo energetico globale (il 2% negli US)1 ◦ Nel 2000 era lo 0.5% (US 0.8%) ◦ Nel 2005 era l’ 1% (US 1.5%)  Il concetto di Cloud Computing si sta espandendo sempre di più ◦ Vantaggio: invece di avere tanti server sparsi e poco utilizzati si consolidano in diversi punti ottimizzati1 Koomey, Jonathan. 2011. Growth in Data center electricity use 2005 to 2010. Oakland, CA: Analytics Press. Aug, 1. SMAU 2011 - 20/10/2011 3
    4. 4. Il paradosso di Jevons I miglioramenti tecnologici che aumentano lefficienza con cui una risorsa è usata possono fare aumentare il consumo totale di quella risorsa, invece di diminuire [Wikipedia] SMAU 2011 - 20/10/2011 4
    5. 5. Perché si è arrivati fin qui Lo spazio costa Si è ridotto lo spazio Si è aumentata la densità La densità scalda Il caldo richiede aria condizionata Aria condizionata consuma molto La bolletta energetica si alza SMAU 2011 - 20/10/2011 5
    6. 6. Questione di equilibrio KPI GPI SMAU 2011 - 20/10/2011 6
    7. 7. PUE e DCiE Benchmark DCiE PUE Platinum > 0.8 <1.25 Gold 0.7-0.8 1.25-1.43 Silver 0.6-0.7 1.43-1.67 Bronze 0.5-0.6 1.67-2.0 Recognised 0.4-0.5 2.0-2.5 Not < 0.4 > 2.5 Recognised SMAU 2011 - 20/10/2011 7
    8. 8. Data Center compute Efficiency Server Compute Efficiency (ScE) ◦ % di tempo che un server esegue un processo primario (non backup, deframmentazione, ecc…) ◦ Quando ho uno 0% vuol dire che posso decommisionarlo DCcE considera gli ScE di tutti i server in un data center ◦ Non è una misura di produttività: misura quanto lavora non se è utile quello che fa SMAU 2011 - 20/10/2011 8
    9. 9. Data Center energy Productivity(DCeP) Si parla di energia ◦ Fattore tempo è determinante ◦ Assessment window SMAU 2011 - 20/10/2011 9
    10. 10. Maturity Model Il consorzio The Green Grid ha proposto recentemente un maturity Model ◦ DCMM: Data Center Maturity Modelhttp://www.thegreengrid.org/~/media/Tools/DataCenterMaturityModelv1_0.ashx?lang=en SMAU 2011 - 20/10/2011 10
    11. 11. Dimensioni di analisi SMAU 2011 - 20/10/2011 11
    12. 12. Alcuni esempiCooling PUE contribution Compute Utilization Level 0:  Level 0: ◦ Not measured ◦ Annual average 1  Level 1: Level 1: ◦ Measure avg monthly and peak utilization ◦ Annual average 0.5  Level 2: Level 2: ◦ Avg monthly > 20% ◦ Annual average 0.35  Level 3: ◦ Avg monthly > 35% Level 3:  Level 4: ◦ Annual average 0.2 ◦ Avg monthly > 50% Clearly understand applications use of Level 4: ◦ compute power ◦ Annual average 0.1  Level 5: Avg monthly > 60% Level 5: ◦ ◦ Manage spare compute capacity to ◦ Annual average 0.05 maintain utilization target (e.g. selling spare capacity) SMAU 2011 - 20/10/2011 12
    13. 13. Assessment tool SMAU 2011 - 20/10/2011 13
    14. 14. Una proposta SMAU 2011 - 20/10/2011 14
    15. 15. Analisi del carico SMAU 2011 - 20/10/2011 15
    16. 16. Il progetto GAMESGreen Active Management ofEnergy in IT Service centres SMAU 2011 - 20/10/2011 16
    17. 17. L’obiettivo di GAMES:efficienza energetica dei servicecenter…..sotto la guida delle applicazioni e dei loro requisiti Applicazioni Infrastruttura annotazioni SMAU 2011 - 20/10/2011 17
    18. 18. Efficienza energetica dei ServiceCenter : come è possibile migliorarla? I servers sono utilizzati in modo efficiente? ◦ Accendere/spegnere/mettere in stand by server quando opportuno ◦ Allocazione dinamica del workload (sulla base del contesto/consumo energetico) La CPU (o altre risorse) sono poco utilizzate? ◦ Virtualizzazione e Consolidamento, migrazione E in particolare per lo storage? ◦ Accendere/spegnere/mettere in stand by dischi ◦ Migrazione ◦ Rallentare l’accesso ai dischi SMAU 2011 - 20/10/2011 18
    19. 19. … ma si può intervenireanche sulle applicazioni Le applicazioni possono essere riprogettate per migliorare la loro efficienza energetica: ◦ Funzionamento differente a seconda dei requisiti di utilizzo ◦ Annotazioni ◦ Ri-negoziazione requisiti ◦ Sostituzione di servizi SMAU 2011 - 20/10/2011 19
    20. 20. GAMES: concetti chiaveEnergy efficiency Green Performance Indicators (GPIs) Monitoraggio Contesto Adaptation & azioni di miglioramento energetico SMAU 2011 - 20/10/2011 20
    21. 21. Adaptation Monitoraggio e acquisizione dati Valutazione GPIs Controllo e adattamento Evoluzione SMAU 2011 - 20/10/2011 21
    22. 22. Architettura GAMES Design- me Tool Enviroment Knowledge GAMES-enabled Applica on BaseApplica on layer Run- me Adapta on Controllers Applica on ContainerMiddleware layer Monitoring Data tools Mining T5.1–T6.1 Infrastructure Access Module Tools IT Infrastructure Data Storage Facili es Sensors (Cooling, Hea ng, …)Infrastructure layer SMAU 2011 - 20/10/2011 22
    23. 23. Metodologia di progettazione delle applicazioni
    24. 24. Passi metodologici 2 1 Definizione Valutazione delle Policy preliminare generali 3 6 Definizione GPI/KPI Validazione 4 5 Annotazione Esecuzione SMAU 2011 - 20/10/2011 24
    25. 25. 1 Valutazione preliminare: raccolta datiSensore NAGIOSSensore (esteso per il progetto)Sensore Dati monitorati 25 SMAU 2011 - 20/10/2011
    26. 26. 3 Classificazione GPI/KPI • Gli indicatori (GPI/KPI) sono classificati in base all’impatto Organizational GPIs Indicatori che considerano gli obiettivi strategici dell’impresa Energy impact GPIs Indicatori che misurano l’impatto del service center sull’ambiente Application lifecycle KPIs Indicatori definiti per misurare le prestazioni delle applicazioni IT Resource Usage GPIs Si focalizzano su dati grezzi di consumo dei diversi componenti del data storage SMAU 2011 - 20/10/2011 26
    27. 27. Definizione GPI/KPI: dipendenze Definiamo una mappa di collegamenti tra indicatori che mettono in luce: ◦ Dipendenze funzionali ◦ Dipendenze qualitative SMAU 2011 - 20/10/2011 27
    28. 28. Esempio di mappa di indicatori SMAU 2011 - 20/10/2011 28
    29. 29. 4 Annotazione dei processi Descrizione Vincoli su risorse indicatori utilizzate Metadati per la descrizione Descrizione del flusso di dati utilizzati processo SMAU 2011 - 20/10/2011 29
    30. 30. 5 Esecuzione Stima energia Valutazione dell’energia Energy-aware consumata effettivamente adaptation dal processo consumata E-BP= f(struttura del La valutazione dell’energia processo, ambiente consumata può essere virtuale, dispositivi ottenuta dai sensori installati fisici) sui sensori fisici ts1 ts3 ts3 ts1 ts2 ts3 P P ts1 ts2 ts3 SMAU 2011 - 20/10/2011 30
    31. 31. Energy-aware Adaptation: controli globali e localiAnnotated … Process Controllo globaleService Center Controllo locale SMAU 2011 - 20/10/2011 31
    32. 32. 6 Validazione  Verifica dell’esattezza delle relazioni tra indicatori  Analisi di scenari diversi quali: ◦ High Performance Computing (HPC) ◦ Applicazioni Web (approccio a servizi) • Analizzare gli effetti delle azioni di adaptation (breve termine e lungo termine) SMAU 2011 - 20/10/2011 32
    33. 33. Per maggiori informazioni http://www.green-datacenters.eu/Cinzia CAPPIELLO - cappiello@elet.polimi.itPierluigi PLEBANI - plebani@elet.polimi.itDipartimento di Elettronica ed InformazionePolitecnico di MilanoVia Ponzio 34/520133 Milano SMAU 2011 - 20/10/2011 33

    ×