JPAR 2013: On the leakage-power modeling for optimal server operation
1. On the Leakage-Power Modeling
for Optimal Server Operation
Patricia Arroba, Marina Zapater, José L. Ayala,
José M. Moya, Katzalin Olcoz, Román Hermida
Universidad Politécnica de Madrid
Universidad Complutense de Madrid
6. Motivación
Efectos del aumento de Tª de sala
- Leakage:
Tª
Consumo de computación
(No está considerado para fijar la temperatura de sala)
- Refrigeración:
Tª
Consumo del compresor
8. Contexto
- Históricamente consumo dominado
por Potencia dinámica
- Mayor parte modelos de potencia actuales
sólo tienen en cuenta la potencia dinámica
- Escalado de la tecnología por debajo de 100nm
Consumo estático mucho más significativo
(30-50%)
9. Leakage
- Consumo en lógica dinámica
- El efecto se intensifica con la temperatura
source
gate
drain
10. Modelo de Leakage
_
B define una constante que depende de los
parámetros de fabricación del servidor
15. Objetivos
- Detección del comportamiento del leakage
Temperatura de CPU
Temperatura de sala
- Detección del consumo óptimo
Consumo de computación
Consumo de refrigeración
16. Metodología experimental
1. Modelado del comportamiento del leakage:
Nivel de servidor
Carga y temperatura controlables
Promediado del consumo de potencia
2. Validación del modelo:
Carga de trabajo HPC
Entorno de sala comercial
Refrigeración controlable
17. Caracterización del servidor
- Servidor: Sunfire V20Z AMD Opteron
- Carga de trabajo: Lookbusy
Sintética
Control de la utilización de CPU
Aislamiento del consumo de leakage
- Temperatura de la CPU: 45ºC - 70ºC
- Monitorización: Ipmitool + pinza amperimétrica
Alineación con timestamp común
18. Validación del modelo
- Sunfire V20z: 8 servidores en un rack
- Sala refrigerada: Daikin FTXS30
Capacidad nominal de refrigeración 8.8kW
Consumo nominal de potencia 2.8KW
- Configuración de temperatura: 18ºC - 24ºC
- Carga de trabajo: SPEC CPU2006
1 a 4 ejecuciones simultáneas por servidor
22. Resultados
- Leakage despreciable en el rango 18ºC - 24ºC
Tª de refrigeración:
COP:
2.95
18ºC
24ºC
3.47
Ahorro del 11.7% en la refrigeración
Sin penalización en computación
24. Conclusiones
- Modelos tradicionales: no incorporan el
impacto de la potencia de leakage con la Tª
- Detección de regiones de comportamiento:
Optimizar la reducción de la potencia de
refrigeración según el impacto del leakage
- Validación experimental:
Sala con infraestructura comercial
Ahorro en potencia del 11.7%
25. Gracias por su atención
Patricia Arroba
parroba@die.upm.es
Departamento de ingeniería electrónica
ETSI Telecomunicación UPM