Главная » Просмотр файлов » Профилирование энергопотребления виртуальных машин

Профилирование энергопотребления виртуальных машин (1187417), страница 4

Файл №1187417 Профилирование энергопотребления виртуальных машин (Профилирование энергопотребления виртуальных машин) 4 страницаПрофилирование энергопотребления виртуальных машин (1187417) страница 42020-09-11СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

"Joulemeter" (Windows) [28] – профилировщик, использующий, как и "PowerTop", метрики производительности для оценки затраченной энергии. "Joulemeter" имеет более развитую модель построения профиля энергопотребления, учитывающую энергозатраты от различных устройств. Недостаток данного метода в том, что он также требует процесс «обучения», что делает его непригодным для использования как обощенного.

Ряд приложений от компании Intel использует аппаратный интерфейс RAPL, позволяющий получать точную информацию об энергопотреблении системы. Одним из недостатков этого подхода является то, что для работы алгоритма, базирующегося на RAPL, необходима облачная инфраструктура, построенная на базе процессоров с микроархитектурой Sandy Bridge и выше. Поскольку в ближайшее время ожидается появление аналогичных интерфейсов в большинстве серверных микропроцессоров семейства х86, этот подход является самым приемлемым решением при разработке алгоритма. Более того, в отличие от предыдущих он не требует калибровку модели с участием человека.

  1. Описание алгоритма

    1. Контексты исполнения

Важным моментом при разработке модели измерения энергопотребления на базе RAPL интерфейса является определение места для размещения данного приложения. В рамках облачной инфраструктуры можно выделить три основных контекста исполнения:

  1. хостовый контекст (или контекст хостовой ОС) – контекст исполнения программных модулей, осуществляющих работу с оборудованием и обеспечивающих общий контроль над инфраструктурой;

  2. контекст монитора виртуальных машин – контекст исполнения программных модулей монитора виртуальных машин;

  3. гостевой контекст – контекст исполнения виртуального окружения (контекст исполнения гостевой ОС и ИПР пользователя).

Изоляция контекстов является гарантией надежности облачной инфраструктуры в целом. ИПР пользователя не может иметь доступ к хостовой ОС, следовательно, необходимо изолировать действия гостевой ОС от контекста исполнения подмодуля измерения энергопотребления.

Далее описан каждый из сценариев размещения приложения.

    1. Размещение в контексте хостовой ОС

Основную нагрузку на микропроцессор, а значит и основные расходы электроэнергии, создают ИПР пользователей. Поэтому в первую очередь необходимо учитывать их энергозатраты. В связи с тем, что контексты исполнения изолированы, получение данных об энергозатратах из хостового контекста является сложным процессом и требует использования методов (например, периодическое прерывание исполнения гостевого контекста и подсчет затраченной энергии за последний период), неблагоприятно влияющих на производительность.

    1. Размещение в гостевом контексте и в гостевой ОС

Размещение в гостевой ОС имеет недостаток в том, что гостевой контекст максимально абстрагирован от инфраструктуры облачного хостинга. При передаче данных об энергозатратах системы в гостевую ОС будет отображаться информация о нагрузках, вызванными другими гостевыми ОС, что приведет к появлению недостоверных данных. Кроме того, в гостевом контексте ПО частично контролируется пользователем, делая уязвимой всю инфраструктуру в целом.

    1. Размещение в контексте монитора виртуальных машин

Такое размещение приложения является наиболее приемлемым, так как переключения между различными контекстами исполнения будут происходить всегда через контекст монитора виртуальных машин. Это позволит с высокой достоверностью разделять данные, получаемые по RAPL интерфейсу от каждого источника нагрузки, что даст возможность анализировать поведение каждого виртуального окружения в отдельности. Получение именно таких данных является необходимым условием для создания моделей предсказания и эффективного управления ресурсами.

    1. Переключение контекста

Переключение контекста исполнения между монитором виртуальных машин и гостевой ОС реализуется следующим образом. При запуске виртуального окружения с помощью системной инструкции хостовой контекст сохраняется в выделенной области памяти и заменяется контекстом монитора виртуальных машин, который в свою очередь передает исполнение в гостевой контекст. В случае обратного переключения в режим монитора виртуальных машин, контекст монитора меняется местами с гостевым контекстом.

Переключение контекстов будет управляться перечисленными ниже функциями (программными модулями).

Таблица 1

Операция переключения

Наименование функции

Переключение из контекста монитора виртуальных машин в хостовый контекст

MonRetToHostSwitch

Переключение из хостового контекста в контекст монитора виртуальных машин

MonRetToHostSwitch

Переключение из монитора виртуальных машин в контекст гостевой ОС

OnGuestEnter

Переключение из контекста гостевой ОС в контекст монитора виртуальных машин

OnGuestExit



Из таблицы видно, что переключение из монитора виртуальных машин в хостовый контекст и обратно управляется единственной функцией – MonRetToHostSwitch, следовательно и замеры энергопотребления в алгоритме могут бать получены с помощью этой же функции.

    1. Обработка прерываний

Прерывания служат механизмом оповещения микропроцессора о состояниях внешних устройств, требующих внимания операционной системы. Монитор виртуальных машин должен контролировать доставку прерываний, так как основная их часть обрабатывается именно внутри него. Монитор виртуальных машин может дополнительно создавать виртуальные прерывания, обусловленные только логикой его работы, а не внешней средой.

Так как все методы монитора виртуальных машин должны выполняться в режиме взаимного исключения, при выполнении замеров происходит запрет прерываний. Это позволяет избежать состояния гонок при определении данных энергозатрат внутри функции MonRetToHostSwitch.

    1. Описание механизма подсчета

Реализация RAPL-интерфейсов основана на использовании MSR, с помощью которых обеспечивается мониторинг производительности и контроля аппаратных средств. Доступ к регистрам MSR осуществляется с помощью следующих инструкций.

Таблица 2

Вид доступа

Наименование инструкции

чтение из MSR

rdmsr

запись в MSR

wrmsr



Алгоритм измерения энергопотребления включает следующие этапы.

  1. В момент инициализации монитора виртуальных машин считывается начальное значение энергии из MSR MSR_RAPL_PKG_ENERGY_STATUS.

  2. Считанное начальное значение заносится в переменную-счетчик структуры EnergyStat.

  3. Для получения значения потребляемой энергии виртуальным окружением совместно с монитором виртуальных машин в каждый конкретный момент времени происходит следующее.

При переключении из контекста монитора виртуальных машин в хостовый контекст и обратно вычисляется изменение между текущим значением энергии и значением, хранящимся в переменной-счетчике на предыдущий момент.

Полученное значение накапливается в переменной vmm_rapl и выдается в качестве данных потребляемой энергии виртуальным окружением совместно с монитором виртуальных машин за текущий момент времени.

  1. Тестирование алгоритма

4.1. Описание тестового стенда

Получение данных об энергозатратах с использованием разрабатываемого алгоритма проводилось на оборудовании, включающем:

  • процессор Intel Core i7-3770 Ivy Bridge: 3400МГц (8 ядер) , 8 Гб DDR3 SDRAM;

  • Ubuntu 13.04 - (хостовая ОС);

  • Windows 7 (гостевая ОС);

  • Parallels Desktop (В качестве гипервизора).

4.2. Тестовые сценарии и результаты тестирования

Тестирование алгоритма включало в себя проверку правильности работы механизма подсчета энергопотребления. Для этого на гостевой ОС запускались задачи с высокой энергонагрузкой (использовались нагрузочные тесты из пакета Linpack benchmark [23], одновременная работа с несколькими офисными приложениями, редактирование изображений и другие). Одновременно с исполнением задач в мониторе запускалось приложение, использующее разрабатываемый алгоритм определения общего количества потребленной энергии с момента запуска гостевой ОС. Количество запусков каждой задачи было 10.

Результаты теста сравнивались с результатами, полученными от доступных профилировщиков энергопотребления, таких как PowerTop [26] и Intel Power Gadget [22]. Сравнение результатов подтверждало работоспособность алгоритма.

4.3. График отклонения измерений

Были получены данные о текущей нагрузки микропроцессора по описываемому алгоритму. Было установлено, что измерения энергии, проведенные тестовым подмодулем, работающим по описываемому алгоритму, являлись достоверными (с учетом корреляции результатов, вызванной нагрузкой микропроцессора).

Метод тестирования включал в себя следующие действия:

  1. С помощью тестового приложения активно загружалось CPU в течении 10 минут;

  2. Тестовое приложение также исполнялось на хостовой ОС под контролем Intel VTune Amplifier, собирающего информацию о количестве потребляемой энергии;

  3. С помощью программной реализации алгоритма определения и подсчета (мониторинга) энергопотребления виртуальных окруженй замеры повторялись в виртуальном окружении, используя то же самое тестовое приложение.

Полученные данные отображались в виде графика с двумя функциями в соответствии с рисунком 39. Линия графика P1(t) отображает замеры в хостовой ОС и P2(t) – в виртуальном окружении соответственно. Так как тестовое приложение в основном загружало процессор (без вызова монитора виртуальных машин в течение долгого времени), то результаты замеров должны были совпадать в пределах незначительной погрешности.

Измерения энергопотребления в виртуальном окружении P2(t) проведены согласно программной реализации алгоритма. Замеры энергопотребления в хостовой ОС P1(t) проводились с помощью профилировщика энергопотребления PowerTop. Единицами измерений энергопотребления в обоих случаях служили Джоули.

Вертикальная линия на графике отображает погрешность результатов замеров в процентах. На графике видно, что разность между измерениями не превышает 1.5%, что указывает на достаточную точность измерений в рамках текущей программной реализации алгоритма.

Рисунок 1.

Результаты первичных измерений энергопотребления в виртуальном окружении по предложенному алгоритму:

P2(t), Дж

Нагрузка (тесты из пакета Intel Linpack benchmark)

81,6

zgeco

37,8

zchdc

132,5

schdd

19,0

zgesl

339,1

cgesl

335,7

zgtsl

220,1

spbco

173,8

spbdi

598,6

zpbdi

154,0

cpbsl

105,5

dposl

757,5

cposl

109,7

dsico



Результаты первичных измерений энергопотребления в хостовой ОС с помощью профилировщика энергопотребления PowerTop:

P1(t), Дж

Нагрузка (тесты из пакета Intel Linpack benchmark)

82,7424

zgeco

37,3086

zchdc

133,9575

schdd

19,266

zgesl

337,7436

cgesl

338,7213

zgtsl

217,2387

spbco

175,538

spbdi

590,2196

zpbdi

152,152

cpbsl

106,0275

dposl

749,925

cposl

108,9321

dsico



Результаты экспериментов приведены на графиках ниже:

Характеристики

Тип файла
Документ
Размер
1,57 Mb
Высшее учебное заведение

Список файлов ВКР

Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6430
Авторов
на СтудИзбе
306
Средний доход
с одного платного файла
Обучение Подробнее