1. Vers la Modélisation de l'Efficience Énergétique des Infrastructures de Calcul Virtualisées
- Author
-
Fieni, Guillaume, Université de Lille, Self-adaptation for distributed services and large software systems (SPIRALS), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Romain Rouvoy, Lionel Seinturier, Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Institut National de Recherche en Informatique et en Automatique (Inria), and Fieni, Guillaume
- Subjects
Systèmes Distributés ,Distributed Systems ,Energy Efficiency ,[INFO.INFO-SE] Computer Science [cs]/Software Engineering [cs.SE] ,Efficacité Energétique ,[INFO.INFO-DC] Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC] ,[INFO.INFO-SE]Computer Science [cs]/Software Engineering [cs.SE] ,Cloud Computing ,[INFO.INFO-DC]Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC] ,Wattmètre logiciel ,Informatique en Nuage - Abstract
Energy is one of the biggest expenses for a data center, most of which is attributed to the cooling system, as well as the many underlying parts, such as network equipment and the large number of machines used.These infrastructures are very energy-intensive, and their number is constantly increasing around the world, especially due to the growing popularity of the Cloud Computing.A lot of software is needed to run these infrastructures, especially for network management, data storage, task scheduling and the supervision of all hardware and software.All these software consumes a significant amount of energy, but are not taken into account in the calculation of the energy efficiency of the infrastructures.The scientific community as well as data center operators have developed many approaches to evaluate and optimize energy consumption globally, but the question of the energy cost of software infrastructures remains rarely studied.The objective of this thesis is to propose methods to analyze the end-to-end software energy efficiency of data processing infrastructures.To do so, we propose approaches and tools to accurately estimate the energy consumption of software running on a distributed infrastructure, as well as an indicator to calculate their energy efficiency.Firstly, we introduce SmartWatts, a software power meter to estimate the energy consumption of software containers deployed on a machine.Secondly, we propose SelfWatts, a controller to automate the configuration of software power meters to facilitate their deployment in heterogeneous infrastructures.And finally, we propose xPUE, a metric to calculate the energy efficiency of software and hardware in real-time at different levels of an infrastructure.Through these contributions, we aim to advance the knowledge in the field of software energy consumption, and allow to accurately measure the energy consumption of software deployed at different levels of the infrastructure.This allows infrastructure operators, as well as software developers and users, to observe and analyze in detail the energy consumption and thus assist in its optimization., L’Énergie représente l’un des principaux postes de dépense pour un centre de données, dont la majeure partie est attribuée au système de refroidissement, ainsi qu'aux nombreuses parties sous-jacentes, comme les équipements réseau et au grand nombre de machines utilisées.Ces infrastructures sont très énergivores, et leur nombre ne cesse d'augmenter à travers le monde, notamment grâce à la popularité croissante du Cloud Computing.De nombreux logiciels sont nécessaires au bon fonctionnement de ces infrastructures, notamment pour la gestion du réseau, du stockage de données, de l'ordonnancement des tâches ainsi que de la supervison de l'ensemble du matériel et des logiciels.Tous ces logiciels consomment une quantité significative d'énergie, mais ne sont pourtant pas pris en compte dans les calculs de l'efficience énergétique des infrastructures.La communauté scientifique ainsi que les opérateurs de centres de données ont développé de nombreuses approches afin d'évaluer et d'optimiser globalement la consommation énergétique, mais la question du coût en énergie des infrastructures logicielles reste peu étudiée.L'objectif de cette thèse est de proposer des méthodes permettant d'analyser de bout en bout l’efficacité énergétique logicielle des infrastructures de traitement de données.Pour cela, nous proposons des approches et outils permettant d'estimer fidèlement la consommation énergétique des logiciels exécutés sur une infrastructure distribuée, ainsi qu'un indicateur permettant de calculer leur efficience énergétique.Dans un premier temps, nous proposons SmartWatts, un wattmètre logiciel permettant d'estimer la consommation énergétique des conteneurs logiciels déployés sur une machine.Ensuite, nous proposons SelfWatts, un contrôleur permettant d'automatiser la configuration des wattmètres logiciels afin de faciliter leur déploiement dans des infrastructures hétérogènes.Et enfin, nous proposons le xPUE, un indicateur permettant de calculer l'efficience énergétique des logiciels et du matériel en temps réel aux différents niveaux d'une infrastructure.À travers ces différentes contributions, nous visons à faire évoluer la connaissance dans le domaine de la consommation énergétique des logiciels, et permettre de mesurer avec précision la consommation énergétique des logiciels déployés aux différents niveaux des infrastructures.Cela permet aux opérateurs de ces infrastructures, mais également aux développeurs et utilisateurs de logiciels d'observer et d'analyser en détails la consommation énergétique et ainsi d'assister dans l'optimisation de celle-ci.
- Published
- 2022