Parasol and GreenSwitch: Managing Datacenters Powered by Renewable Energy

问题： 现阶段数据中心消耗大量的电能，同时产生大量的碳排放，污染环境，为了解决这一问题，学术界工业界开始将绿色可再生能源加入到数据中心。  除了减少碳排放，再生能源能够减少能源成本，降低峰值能源成本。（有阶梯电价一说）但是现有的再生能源是不稳定的，间断的，这要求解决能源供应变化的方案。

解决方案：一个方法是使用电池或者电网作为再生能源的备份。为了最大化好处， 我们的方法是为了动态调度负载，同时选择使用何种能源（新能源还是电能）。

本文贡献：1.本文首先讨论了构建数据中心现状和未来的平衡。2.我们提出了parasol，绿色数据中心的原型，也是我们的研究平台。3.在parasol原型上， 我们描述了greenSwitch调度策略，能够动态调度负载，同时选择使用新能源，电池还是电能。

1.Introduce

  数据中心的服务器数量，从大学或者企业的一小组服务器到google，microsoft的成千上百的服务器。数据中心消耗了大量的电能，和大量的碳排放。

  由于碳排放污染环境，所以政府，非营利组织，公众都开始关注清洁能源。很多大公司开始构建自己的绿色数据中心，数据中心部分或者全部使用新能源，比如风能，太阳能。

  但是新能源是间断的，这要求有解决能源供应变化的方案。之前研究的方法是使用电池或者电网作为新能源的备份。但是为了最大化利益，我们采用智能管理数据中心的负载，选择合适能源。

  我们着手构建软件和硬件去探索这一问题。首先，我们收集了大量的数据来权衡构建太阳能或者风能数据中心的现状和未来发展。我们主要关注空间需求和实现这些技术的cost。第二，我们提出了parasol，一个太阳能微数据中心，我们的研究平台。包括两个机架的服务器，太阳能板，电池和电网带。第三，我们描述了greenSwitch调度策略，能够动态调度负载，同时选择使用新能源，电池还是电能。

2.background

绿色数据中心的可行性

真实数据中心的构建

在数据中心中管理负载

  已经有研究建议调度批处理任务去最大化新能源的使用。对于数据中心，跑交互型或者批处理工作负载，aksanli等人建议动态选择批处理任务的数量。liu等人，采用同样的方法。另外，他们为采用他们负载调度策略的批处理负载建立能源cost和收入模型。

  我们考虑绿色数据中心中延迟和非延迟负载，我们对可延迟负载的管理跟[11，12]相似。对于可延迟的负载，我们决定将能源选择和负载调度结合在一起使用。对于不可延迟的负载，我们只简单使用选择合适能源来管理。（因为交互型负载对延迟很敏感，不适合再进行负载调度）

在数据中心中管理能源

   现在很多研究都探索了电池在数据中心中的使用。然而这些研究都没有考虑可再生能源和net metering。这些研究主要关注不可延迟负载。有趣的是，我们的结果暗示，电池在降低操作开销上可能是收效更低的，当太阳能和net metering存在的时候。

   最后，li等人提出了一种架构，包含两组不同能源提供的服务器，来降低功率。在他们的配置中，把能源管理转化为在两组服务器中进行负载迁移。我们发现，他们的架构师更不灵活的，导致更多（性能和能源）开销，比parasol。

3.Tradeoffs in Greening Datacenters

   在这个部分，我们讨论建立绿色数据中心的空间需求和主要开销。

    3.1 grid-centric vs co-location/self-generation

  

     以电网为中心：可再生能源在可再生燃料充足的地方大量生成，输入电网中。这样，数据中心操作不需要操控或者维持可再生能源工厂。但是能源转换，电压转换，远距离传输都会导致能源浪费高达15%。

      colocation and self-generation: 这种方案导致更少的能源损失（5%或者更少），因为能源经历更少的转换，不需要长距离传输。虽然在可再生能源不充足的情况下，需要电池或者电网带来提供所需能源。不幸地是，这种方法，也是有缺陷的。在co-location方案中，可再生能源工厂的位置对于数据中心来说可能并不是太理想。在self-generation里，对于数据中心来说位置是理想的，但是对于可再生能源来说位置就未必理想了。而且，在self-generation中，数据中心的操作员需要操作和维护可再生能源的工厂。

   上述方法都不是完美的，所以不同的操作者可以做不同的决定。现在，self-generation是研究热点话题。

 3.2 space and cost of solar energy

 决定太阳能光伏能源的空间需求的一个关键因素是它的效率，比如太阳能的百分之多少被转换为电能。未来效率增加，可能会降低50%的空间需求。

  另外一个关键因素是“产量”，真实产量占最大理论太阳能产量的百分比。能力因素是依赖于纬度和天气的。产量为24%的位置要求的空间大小是产量为12%的位置空间大小的一半。

3.3 space and cost of wind energy

  最后的结论就是，使用使用太阳能和风能的self-generation将变得越来越有吸引力。

4. Design and Implementation of Parasol

   parasol由一个小的自定义容器组成，包括一组固定的太阳能板，电池和电网带，制冷单元，和一个直接扩展的空调(HVAC)。

   容器里放了两个机架，每个机架上有42个U型空间，我们每台服务器占半个U型空间，所以一共有42*2*2=168台服务器，我们这里支持150台服务器，剩余的空间用于网络或者其他装置。

   16个太阳能板安装在容器顶端。每个太阳能板产生235W的直流电能，直流电能被转化为交流电能，使用两个SMA sunny boy 2000HF-US逆变器，放置在容器中。太阳能板能产生高达3.2kw的交流电能。 （16*235=3760w，转化过程中损失了14.9%？）parasol一样配备了32kwh的铅酸电池，由两个SMA sunny island 5040-US charge控制。另外parasol连接到电网，任何超过太阳能的部分都由net meter配置。在典型的电力和太阳能装置中，电池只在电网断电的时候放电。 然而，在parasol中，我们配置逆变器和充电控制器的参数，使得我们能够完全控制每种能源。我们能够动态改变这些参数设置根据我们的管理目标。但是这样的改变都是阶段性进行的，放置系统不稳定。

   制冷装置工作原理：（1）适当结合免费制冷单元和HVAC两种设备，（2）当免费制冷运行的时候，完全关闭HVAC。当外界温度低于27度的时候，使用免费制冷。TKS调节免费制冷的风扇速度，产生不一样的制冷效果。当外界温度高于27度的时候，控制器关闭免费制冷，打开HVAC。

IT hardware

   parasol现在有64台基于Atom的服务器，每一个都有一个Mini-ITX主板，带双核Atom D525MW处理器，4GB内存，250GB硬盘，一个64GB的固态盘。每个服务器消耗22w到30w的能源。parasol同样包含一个4核的Xeon服务器，16GB内存，1TB的磁盘空间，这个服务器用于接收存储parasol的监控数据。

software

  section 5描述了GreenSwitch。我们还为parasol构建了一个能源管理守护进程。这个守护进程管理IT设备的能源消耗，通过将不需要的服务器休眠。比如，守护进程会在idle time达到阈值的时候，将服务器闲置到S3 ACPI状态（Advanced configuration and power interface）,我们修改SSH版本去唤醒服务器。

5. Design and Implementation of GreenSwitch

  在这个部分，我们描述GreenSwitch，该策略在数据中心管理负载和能源。我们分两个部分介绍：（1）管理活动和目标。

（2）分析模型。

5.1 Management Activities and Objectives

  图5阐述了GreenSwitch的组件。predictor预测负载和可再生能源。solver利用这些预测和现有电池的充电状态作为输入，输出负载调度和能源选择计划。  The configurer effects the changes prescribed The changes may involve transitioning some servers between power states and/or changing the by the solver in the two schedules. configuration of the energy sources. Monitoring data from the datacenter flows back to inform the predictor in its next iteration。

   predictor：the predictor产生workload和可再生能源可用性的预测。

   对于工作负载的预测，predictor使用各种各样的方式预测下一个horizon下每一个epoch中未来负载的平均功率。我们现在的实现假设未来跟过去是相似的。特别地，the predictor计算未来的平均功率是使用过去平均能源消耗的指数加权平均来计算。