Page 17 - 网络电信2020年4月刊下

算业务量IT设备的总功耗较低，所以具有较低的能耗成本；ARM [4] KARIDIS J, MOREIRA J E, MORENO J. True value:
服务器具有较好的性能价格比，完成等量的云计算业务量IT设 assessing and optimizing the cost of computing at
备的采购成本较低，所以具有较低的能耗成本；ARM服务器具有 the data center level[C]//Proceedings of the 6th
较高的性能密度比，完成等量的云计算业务量占用较少的云计 ACM Conference on Computing Frontiers. New York,
算数据中心机架位置，所以具有较低的数据中心均摊成本。 USA, 2009: 185-192.
在同等条件下ARM服务器与英特尔至强处理器E5 2620服务 [5] 邓维, 刘方明, 金海, 等. 云计算数据中心的新能源应
器相比TCO成本节省了589万元，TCO成本降低了25%。 用: 研究现状与趋势[J]. 计算机学报, 2013, 36(3):
582-598.
四、结论 DEND Wei, LIU Fangming, JIN Hai, et al. Leveraging
1）IT设备采购成本是TCO成本的最重要组成部分，占云计 renewable energy in cloud computing datacenters:
算数据中心TCO成本60%以上，寻找高性价比的IT设备是优化云 state of the art and future research[J]. Chinese
计算数据中心的最重要方法。 journal of computers, 2013, 36(3): 582-598.
2）云计算数据中心能耗成本占数据中心TCO成本的15%以 [6] LI Chao, ZHOU Ruijin, LI Tao. Enabling distributed
上，降低IT设备的性能功耗比，可以很好的优化能耗成本。 generation powered sustainable high-performance
3）云计算数据中心成本占数据中心TCO成本的15%以上， data center[C]//Proceedings of the 19th IEEE
如何根据云计算数据中心的相关特性寻找最优的IT设备是优化 International Symposium on High Performance
TCO成本的一个重要手段。 Computer Architecture. Shenzhen, China, 2013: 35-46.
在未来的工作中，我们将针对不同业务场景业务量的模拟 [7] AHUJA N, REGO C W, AHUJA S, et al. Real time
方法，针对大数据、分布式存储和数据库等不同业务模型，提 monitoring and availability of server airflow for
出不同的性能测评方法；研究服务器故障率对服务器采购、数 efficient data center cooling[C]//29th IEEE
据中心运维带来的影响，将服务器故障率加入到模型中；研究 Semiconductor Thermal Measurement and Management
不同类型的生态对TCO模型的影响，设计更加精准的TCO模型。 Symposium. San Jose, CA, USA, 2013: 243-247.
[8] LE Q V, RANZATO M A, MONGA R, et al. Building
high-level features using large scale unsupervised
learning[C]//The 29th International Conference on
Machine Learning. Edinburgh, Scotland, UK, 2012:
507-514.
[9] BARROSO L A, CLIDARAS J, HOELZLE U. The
datacenter as a computer: An introduction to the
参考文献: design of warehouse-scale machines[J]. Synthesis
[1] 邢宝平, 吕梦圆, 金培权, 等. 面向绿色数据中心的能 lectures on computer architecture, 2009, 4(1): 1-108.
耗有效查询优化技术[J]. 计算机研究与发展, 2019, [10] BARI M F, BOUTABA R, ESTEVES R, et al. Data
56(9): 1821-1831. center network virtualization: A survey[J]. IEEE
XING Baoping, LÜ Mengyuan, JIN Peiquan, et al. The communications surveys & tutorials, 2013, 15(2):
crack-tip asymptotic fields in porous material[J]. 909-928.
Journal of computer research and development, 2019, [11] BILL K. The economic meltdown of Moore’s law and
56(9): 1821-1831. the green data center[R]. Seattle, WA: The Uptime
[2] 宋杰, 孙宗哲, 刘慧, 等. 混合供电数据中心能耗优化 Institute, 2007.
研究进展[J]. 计算机学报, 2018, 41(12): 2670-2688. [12] MEISNER D, WU Junjie, WENISCH T F. BigHouse: A
SONG Jie, SUN Zongzhe, LIU Hui, et al. Research simulation infrastructure for data center
advance on energy consumption optimization of systems[C]//Proceedings of the 2012 IEEE
hyper-powered data center[J]. Chinese journal of International Symposium on Performance Analysis of
computers, 2018, 41(12): 2670-2688. Systems and Software. New Brunswick, NJ, USA, 2012: 35-45.
[3] AHUJA N. Datacenter power savings through high [13] POLFLIET S, RYCKBOSCH F, EECKHOUT L.
ambient datacenter operation: CFD modeling Optimizing the datacenter for data-centric
study[C]//28th Annual IEEE Semiconductor Thermal workloads[C]//Proceedings of the International
Measurement and Management Symposium. San Jose, CA, Conference on Supercomputing. New York, USA, 2011:
USA, 2012: 104-107. 182-191.

网络电信 二零二零年四月 25