随着需要大量数据和计算的大数据工作负载的日益增长的复杂性，数据中心每天都会消耗大量功率。为了最大程度地减少数据中心功耗，几项研究开发了功率模型，可用于调度工作，以减少主动服务器的数量或在其峰值能效点上跨服务器平衡工作负载。由于软件和硬件异质性的增加，我们观察到没有单个功率模型可适用于所有服务器条件。一些复杂的机器学习模型本身会产生性能和电源开销，因此不希望经常使用它们。没有电源模型考虑容器化工作负载执行。在本文中，我们提出了一个混合服务器电源模型Hydra，该模型考虑了预测准确性和性能开销。 Hydra动态选择给定服务器条件的最佳功率模型。与最先进的解决方案相比，Hydra在异质服务器上的所有计算强度级别上的表现都优于所有计算机。
translated by 谷歌翻译