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

2. Contenidos
Contexto y motivación
Consumo de computación
Consumo de refrigeración
Metodología experimental
Resultados
Conclusiones

3. Contenidos
Contexto y motivación
Consumo de computación
Consumo de refrigeración
Metodología experimental
Resultados
Conclusiones

4. Contexto
- Consumo energético
Data Center = 25.000 viviendas
- EE.UU. 80 millones MWh/año en 2011
1.5 x New York City

5. Contexto
1.3% Producción eléctrica mundial
70% Computación
30% Refrigeración
○ Fiabilidad
○ Daños irreversibles

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

7. Contenidos
Contexto y motivación
Consumo de computación
Consumo de refrigeración
Metodología experimental
Resultados
Conclusiones

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

11. Contenidos
Contexto y motivación
Consumo de computación
Consumo de refrigeración
Metodología experimental
Resultados
Conclusiones

12. Contexto
Eficiencia del ciclo determinada por el
Coefficient of Performance (COP)

13. Coeficiente de rendimiento (COP)
-
COP
eficiencia
Según el teorema de Carnot

14. Contenidos
Contexto y motivación
Consumo de computación
Consumo de refrigeración
Metodología experimental
Resultados
Conclusiones

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

19. Contenidos
Contexto y motivación
Consumo de computación
Consumo de refrigeración
Metodología experimental
Resultados
Conclusiones

20. Caracterización del servidor

21. Validación con carga real

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

23. Contenidos
Contexto y motivación
Consumo de computación
Consumo de refrigeración
Metodología experimental
Resultados
Conclusiones

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