CN104598362B

CN104598362B - 一种基于应用性能损失分析的数据中心功率配给方法

Info

Publication number: CN104598362B
Application number: CN201410848216.3A
Authority: CN
Inventors: 吴松; 颜楚雄; 金海�
Original assignee: Huazhong University of Science and Technology
Current assignee: Huazhong University of Science and Technology
Priority date: 2014-12-29
Filing date: 2014-12-29
Publication date: 2017-05-17
Anticipated expiration: 2034-12-29
Also published as: CN104598362A

Abstract

本发明公开了一种基于应用性能损失分析的数据中心功率配给方法，数据中心管理员通过厂商或实验室实测获得服务器机型的CPU使用率和功率对应关系的配置信息，服务器中的监控模块提取CPU使用率数据并上报给中心数据库，数据分析模块抽取中心数据库中的CPU使用率数据，并比照服务器配置信息，分析计算服务器在任意功率配给下的应用性能损失值，计算完成后，数据分析模块生成功率配给调整指导单，用以指导数据中心管理员制定服务器的功率配给和最终服务器最终装机上架策略，本发明保证在可接受的应用性能损失范围内制定功率配给，并通过指导功率配给，帮助数据中心提高机架中服务器的装机量，从而有效降低数据中心的租用成本。

Description

一种基于应用性能损失分析的数据中心功率配给方法

技术领域

本发明属于数据中心管理技术领域，更具体地，涉及一种基于应用性能损失分析的数据中心功率配给方法。

背景技术

在数据中心内部，所有的服务器都分配有一定大小的功率配给，同时保证整个机架上的服务器的功率配给之和不超过机架电源的总功率。当前，很多数据中心分配给服务器的功率配给是服务器的额定功率。然而，服务器实际运行功率在大部分时间里远远低于额定功率，引起了功率配给的极大浪费，制约了机架装机数量。因此，适当降低数据中心内服务器的功率配给，对提升机架装机量，节约服务器的占地成本有着极为重要的意义。

降低服务器的功率配给，则有可能对部署在服务器中的应用性能造成影响。为了减少服务器对功率配给的浪费，适当牺牲应用性能是可行的。因此，在制定服务器的功率配给时，需要针对应用可能产生的性能损失进行分析。然而，已有的一些对应用性能损失的分析方法并不能较好地反映出应用的实际损失，为合理设置服务器功率配给制造了障碍。

数据中心的机架装机量直接关乎到对数据中心的使用成本。例如，亚洲最大的网络服务提供商腾讯的大部分数据中心都是从中国电信、中国联通等大型网络运营商租用的，并且租金是直接按照每年使用的机架数量进行计费的，当服务器功率配给制定出现失误时，会给网络服务提供商带来巨大的成本浪费。然而，如今的网络服务提供商无法预测调整功率配给而对应用造成的性能损失。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于应用性能损失分析的数据中心功率配给方法，其目的在于，为网络服务提供商预测调整功率配给而对应用造成的性能损失，且具有反映直观、准确性高、计算效率高的特点。

为实现上述目的，按照本发明的一个方面，提供了一种基于应用性能损失分析的数据中心功率配给方法，其应用在包括数据库和服务器的数据中心中，所述方法包括以下步骤：

(1)判断数据库中是否已经存储有服务器在任意t小时范围内的CPU使用率，如果是，则转入步骤(5)，否则进入步骤(2)；其中t为24的正整数倍；

(2)判断服务器是否已经部署监控进程，如果是，则开启该监控进程，并进入步骤(4)，否则进入步骤(3)；

(3)在服务器上部署监控进程，并开启该进程用于以时间间隔interval采集服务器的CPU使用率，然后进入步骤(4)；

(4)采集服务器在任意t小时范围内的CPU使用率，并将该CPU使用率提交到数据库，然后进入步骤(5)；

(5)获取服务器的CPU使用率阈值所对应的服务器的PDW和AD值；

(6)判断数据库中是否存在服务器厂商提供的服务器的CPU使用率和功率之间的映射关系，如果是，则进入步骤(8)，否则进入步骤(7)；

(7)测量服务器的CPU使用率和功率之间的映射关系，并进入步骤(8)；

(8)根据服务器的CPU使用率和功率的映射关系，将步骤(5)获得的服务器的CPU使用率阈值所对应的服务器的PDW值和AD值转换成不同功率预算对应的性能损失；

(9)接收用户提交的功率预算请求，该功率预算请求中包括其可接受的PDW和AD值；

(10)根据该功率预算请求中的PDW值和AD值以及步骤(8)中获得的对应关系确定对应的功率预算，从中选择最低的功率预算，并将该最低的功率预算发送给用户。

优选地，步骤(5)包括以下子步骤：

(5.1)将CPU使用率阈值设置为100％；

(5.2)判断该CPU使用率阈值是否已经低于0％。如果是，则进入步骤(6)，否则进入步骤(5.3)；

(5.3)获取采样点的数量为t/interval，设置计数器i＝1，并设置延时任务量、总任务量、延时任务量与延时乘积和、当前积累的任务量WA的初始值均为0；

(5.4)判断计数器i是否大于采样点的数量t/interval，如果是，则进入步骤(5.5)，否则进入步骤(5.7)。

(5.5)计算当前CPU使用率阈值对应的PDW值和AD值，其中PDW＝延时任务量/总任务量，AD＝延时任务量与延时乘积和/延时任务量；

(5.6)将CPU使用率阈值减少1％，然后返回步骤(5.2)；

(5.7)更新总任务量＝总任务量+第i个采样点处的CPU使用率*interval，任务量然后进入步骤(5.8)；

(5.8)更新当前积累的任务量WA＝WA+(第i个采样点处的CPU使用率-CPU使用率阈值)*interval，并进入步骤(5.9)；

(5.9)判断WA是否大于0，如果是，则进入步骤(5.10)，否则进入步骤(5.11)；

(5.10)计算延时任务量与延时乘积和＝延时任务量与延时乘积和+WA*interval，以及延时任务量＝延时任务量+第i个采样点处的CPU使用率*interval，并进入步骤(5.11)；

(5.11)设置i＝i+1，并返回步骤(5.4)。

按照本发明的另一方面，提供了一种基于应用性能损失分析的数据中心功率配给系统，其应用在包括数据库和服务器的数据中心中，所述系统包括：

第一模块，用于判断数据库中是否已经存储有服务器在任意t小时范围内的CPU使用率，如果是，则转入第五模块，否则进入第二模块；其中t为24的正整数倍；

第二模块，用于判断服务器是否已经部署监控进程，如果是，则开启该监控进程，并进入第四模块，否则进入第三模块；

第三模块，用于在服务器上部署监控进程，并开启该进程用于以时间间隔interval采集服务器的CPU使用率，然后进入第四模块；

第四模块，用于采集服务器在任意t小时范围内的CPU使用率，并将该CPU使用率提交到数据库，然后进入第五模块；

第五模块，用于获取服务器的CPU使用率阈值所对应的服务器的PDW和AD值；

第六模块，用于判断数据库中是否存在服务器厂商提供的服务器的CPU使用率和功率之间的映射关系，如果是，则进入第八模块，否则进入第七模块；

第七模块，用于测量服务器的CPU使用率和功率之间的映射关系，并进入第八模块；

第八模块，用于根据服务器的CPU使用率和功率的映射关系，将第五模块获得的服务器的CPU使用率阈值所对应的服务器的PDW值和AD值转换成不同功率预算对应的性能损失；

第九模块，用于接收用户提交的功率预算请求，该功率预算请求中包括其可接受的PDW和AD值；

第十模块，用于根据该功率预算请求中的PDW值和AD值以及第八模块获得的对应关系确定对应的功率预算，从中选择最低的功率预算，并将该最低的功率预算发送给用户。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

(1)本发明能够预测调整功率配给而对应用造成的性能损失：由于采用了步骤(5)和步骤(8)，根据服务器的CPU使用率可以分别获得不同CPU使用率阈值和不同功率预算对应的应用性能损失PDW和AD，供数据中心管理员决策服务器的功率供给，因此本方法帮助网络服务提供商在对应用性能损失可控的范围内，最大限度降低服务器的功率预算供给，提高机架的服务器数量。

(2)本发明反映直观：本发明用PDW和AD两项评价指标反映服务器因为功率配给调整对应用性能造成的影响。两项指标分别反映了(a)有多少任务发生了延时；(b)发生的平均延时有多大；直观地表征出应用性能损失的程度，为指定功率配给提供了对应用性能损失的参考。

(2)本发明准确性高：本发明通过反复迭代历史CPU采样数据进行性能损失计算，随着对CPU数据的采样频率的提高，数据分析的准确性也能得到相应的提升。

(3)本发明计算效率高：本发明对数据中心的所有服务器的性能损失分析是高度可并行的，因此，将数据分析模块部署在集群中进行并行计算可以极大地提升模块的计算效率，另外，就单台服务器的数据分析而言，其计算复杂度不高。

附图说明

图1是本发明基于应用性能损失分析的数据中心功率配给方法的流程图；

图2是本发明方法中步骤(5)的细化流程图；

图3是本发明基于应用性能损失分析的数据中心服务器功率配给方法的实例。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明的基本思路在于，通过读取服务器的历史CPU使用率数据和使用率功率转换关系表，分析在各级CPU使用率阈值或功率预算下对应的服务器性能损失，使管理员可以根据可容忍的性能损失确定最低的功率预算。

如图1所示，本发明基于应用性能损失分析的数据中心功率配给方法，其应用在包括数据库和服务器的数据中心中，该方法包括以下步骤：

(1)判断数据库中是否已经存储有服务器在任意t小时范围内的CPU使用率，如果是，则转入步骤(5)，否则进入步骤(2)；这里，t一般为24的正整数倍，例如可以取7*24小时共一周的数据，所选取的CPU使用率能够表现服务器的负载特征；

(2)判断服务器是否已经部署监控进程，如果是，则开启该监控进程，并进入步骤(4)，否则进入步骤(3)；具体而言，监控进程是部署在各个服务器上，并用于监控并采集CPU使用率；

(3)在服务器上部署监控进程，并开启该进程用于以时间间隔interval采集服务器的CPU使用率，然后进入步骤(4)；具体而言，监控进程是一种服务器操作系统的守护进程，并以时间间隔interval读取服务器的CPU使用率，该时间间隔可以由用户自由设定，其值越大，资源消耗率低，但本方法的性能预测会越不准确，反之则资源消耗率高，但性能预测会更加准确；

(5)获取服务器的CPU使用率阈值所对应的服务器的延迟任务百分比(Percentage of Delayed Workload，简称PDW)和平均延迟(Average Delay，简称AD)；具体而言，CPU使用率阈值是由用户自由设置，其取值范围是0到100％，该值越小，则服务器的功率预算可以优化的程度越大，但可能造成的服务器性能损失也越高，反之则优化程度越小，但服务器的性能损失也小。

如图2所示，本步骤包括以下子步骤：

(5.1)将CPU使用率阈值设置为100％；

(5.3)获取采样点的数量为t/interval，设置计数器i＝1，并设置延时任务量、总任务量、延时任务量与延时乘积和、当前积累的任务量WA(Workload Accumulation)的初始值均为0；其中延时任务量表示发生了延时的部分任务量的总量，总任务量表示应用所有任务总量，延时任务量与延时乘积和(Workload Delay Product)表示所有发生延时的任务量和其延时的乘积之和，当前积累的任务量WA表示在某一是个没有被及时处理而发生累积的任务量；

(5.5)计算当前CPU使用率阈值对应的PDW值和AD值；具体而言，PDW＝延时任务量/总任务量，而AD＝延时任务量与延时乘积和/延时任务量；

(5.6)将CPU使用率阈值减少1％，即开始考察更低的CPU使用率阈值对应的性能损失，然后返回步骤(5.2)。

(5.7)更新总任务量＝总任务量+第i个采样点处的CPU使用率*interval，任务量然后进入步骤(5.8)。

(5.8)更新当前积累的任务量WA＝WA+(第i个采样点处的CPU使用率-CPU使用率阈值)*interval，并进入步骤(5.9)。

(5.9)判断WA是否大于0，即当前是否有任务发生积累，如果有，说明此时产生了新的延迟任务，并进入步骤(5.10)，否则进入步骤(5.11)。

(5.11)设置i＝i+1，并返回步骤(5.4)；

(8)根据服务器的CPU使用率和功率的映射关系，将步骤(5)获得的服务器的CPU使用率阈值所对应的服务器的PDW值和AD值转换成不同功率预算对应的性能损失；具体而言，由于存在100个不同的CPU使用率阈值，因此对应的功率预算数量也有100个；

(10)根据该功率预算请求中的PDW值和AD值以及步骤(8)中获得的对应关系确定对应的功率预算，并从中选择最低的功率预算，并将该最低的功率预算发送给用户。

实例：

图3是利用服务器CPU使用率数据产生服务器功率配给指导单的实例。

图3(a)所示是腾讯数据中心中一台IP为10.160.128.193的服务器在2013年4月1日0点到2013年4月10日24点共10天的CPU使用率数据。该数据由部署在服务器上的监控模块负责收集，并被提取到中心数据库中。服务器的CPU使用率数据反映了服务器所部署的应用的负载特征，是应用性能损失分析的关键源数据。

图3(b)所示是实例服务器在不同负载(CPU使用率)下对应的实际功率映射表。在做应用性能损失分析时，我们迭代的是CPU使用率上限，而最终我们向每台服务器分配的是功率配给，因此我们需要通过该映射表将“应用性能损失——CPU使用率上限——服务器功率配给”联系起来。CPU使用率和实际功率的映射表可由服务器制造厂商提供，纳入服务器的操作手册中的一部分。如果生产厂商无法提供该映射表，则可以由数据中心管理员在实验室中使用压力测试工具实际测量不同负载下的功率，获取该映射关系。该映射关系可以作为某种机型的配置信息，为一批同型号服务器的固有属性。

图3(c)所示是数据分析模块在接受了图3(a)的输入数据后对服务器在不同CPU使用率上限是所对应的应用性能损失。该结果是由我们介绍的应用性能损失核心算法计算而来的。可以看到，应用性能损失的两项指标PDW和AD都随着CPU使用率上限的下降而升高。也就是说，服务器的CPU使用率上限设置得越低，应用性能的损失越高。

图3(d)所示是基于应用性能损失的功率配给指导单。数据分析模块在产生了图3(c)的中间结果后，结合图3(b)中的服务器配置信息，即可获得指导单的最终结果。由于CPU使用率上限的采样密度高，转换而来的服务器功率配给的参照点也很密集。因此，数据中心管理员可以以细粒度的间隔参考可取的功率配给对应的性能损失。如图所示，服务器分配的功率配给越低，其性能损失越大。因此数据中心管理员需要在权衡功率配给选择和应用性能损失后作出一个合理的选择。功率配给指导单可以非常直观地反映出功率配给调整在任意值时所对应的应用性能损失，为数据中心管理员的决策提供帮助。

总而言之，针对当前服务器功率预算配给过高影响服务器上架率的问题，本发明提供了一种基于应用性能损失分析的数据中心功率配给方法，其在把应用性能损失控制在可接受范围之内的前提下，适当服务器的功率配给，解决现有数据中心中服务器功率配给过高的问题，从而提升机架的服务器上架率，节约数据中心的运营成本。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于应用性能损失分析的数据中心功率配给方法，其应用在包括数据库和服务器的数据中心中，其特征在于，所述方法包括以下步骤：

(5)获取服务器的CPU使用率阈值所对应的服务器的PDW和AD值，PDW＝延时任务量/总任务量，AD＝延时任务量与延时乘积和/延时任务量，其中，PDW表示服务器的CPU使用率阈值所对应的服务器的延迟任务百分比，AD表示服务器的CPU使用率阈值所对应的服务器的平均延迟，延时任务量表示发生了延时的部分任务量的总量，总任务量表示应用所有任务总量，延时任务量与延时乘积和表示所有发生延时的任务量和其延时的乘积之和；

2.根据权利要求1所述的数据中心功率配给方法，其特征在于，步骤(5)包括以下子步骤：

(5.1)将CPU使用率阈值设置为100％；

(5.2)判断该CPU使用率阈值是否已经低于0％，如果是，则进入步骤(6)，否则进入步骤(5.3)；

(5.4)判断计数器i是否大于采样点的数量t/interval，如果是，则进入步骤(5.5)，否则进入步骤(5.7)；

(5.6)将CPU使用率阈值减少1％，然后返回步骤(5.2)；

(5.11)设置i＝i+1，并返回步骤(5.4)。

3.一种基于应用性能损失分析的数据中心功率配给系统，其应用在包括数据库和服务器的数据中心中，其特征在于，所述系统包括：

第五模块，用于获取服务器的CPU使用率阈值所对应的服务器的PDW和AD值，PDW＝延时任务量/总任务量，AD＝延时任务量与延时乘积和/延时任务量，其中，PDW表示服务器的CPU使用率阈值所对应的服务器的延迟任务百分比，AD表示服务器的CPU使用率阈值所对应的服务器的平均延迟，延时任务量表示发生了延时的部分任务量的总量，总任务量表示应用所有任务总量，延时任务量与延时乘积和表示所有发生延时的任务量和其延时的乘积之和；