رایانش ابری سبز: بررسی مصرف انرژی در پردازش، ذخیره‌سازی و انتقال

• موضوع: رایانش ابری سبز : بررسی مصرف انرژی در پردازش ، ذخیره سازی و انتقال
• تهیه کننده: محمد نصيري دهقان 91131557
• فایل های ترجمه و ارائه ایمیل گردید

چکیده

رایانش ابری مبتنی بر شبکه به عنوان جایگزینی برای رایانش متعارف اداری به سرعت در حال گسترش است. با گسترده‌تر شدن رایانش ابری مصرف انرژی شبکه و منابع رایانشی‌ای که از ابر پشتیبانی می‌کنند نیز زیاد می‌شود. این امر زمانی در حال رخ دادن است که به لزومِ مدیریت مصرف انرژی در کل بخش تکنولوژی ارتباطات و اطلاعات (ICT) توجهی روز افزون می‌شود. با این که اخیرا به انرژی مرکز داده‌ها توجه زیادی می‌شود ولیکن به مصرف انرژی انتقال و سوئیچینگِ شبکه‌ها که کلید اتصال کاربران به ابر هستند توجه کم‌تری می‌شود. در این تحقیق[1]، تجزیه و تحلیلی از مصرف انرژی در رایانش ابری ارائه می‌شود. این تجزیه و تحلیل هر دو ابر خصوصی و عمومی را مورد توجه قرار می‌دهد و دربرگیرنده‌ی مصرف انرژی در سوئیچینگ، ارسال و نیز پردازش و ذخیره‌سازی داده‌ها است. نشان داده می شود که مصرف انرژی در نقل و انتقال و سوئیچینگ شبکه می‌تواند درصد قابل توجهی از کل مصرف انرژی در رایانش ابری را به خود اختصاص دهد. رایانش ابری می‌تواند مخصوصا وقتی که وظایف رایانشی سبک و یا اندک باشند وسیله‌ای را جهت استفاده‌ی کارآمدتری از قدرت رایانشی فراهم کند. به هر حال، تحت بعضی شرایط رایانش ابری می‌تواند انرژی بیش‌تری را نسبت به رایانش متعارف مصرف کند که در آن‌ها هر کابری همه‌ی رایانش‌ها را بر روی رایانه‌ی شخصی خود(PC) انجام می دهد.

مقدمه

دسترسی روزافزون به اینترنت سرعت بالا و اتصالات IP، ارائه‌ی خدمات جدید مبتنی بر شبکه را مقدور می‌سازد. در حالی که سال‌ها است از خدمات پستی مبتنی بر اینترنت بهره‌برداری می‌شود ولیکن ارائه‌ی خدمات به تازگی توسعه یافته‌اند تا ذخیره‌سازی شبکه محور و رایانش شبکه محور را در بربگیرند. این خدمات جدید هم به شرکت و هم به کاربران نهایی انفرادی ارائه می‌شود. خدماتی از این دست به طور کلی خدمات «رایانش ابری» خوانده می‌شوند. مدل خدمات رایانش ابری شامل تهیه و تدارکِ مخازن بزرگی از منابع رایانشیِ با کارایی بالا (که توسط ارائه‌دهنده‌ی خدمات تامین می‌شوند) و نیز دستگاه‌های ذخیره‌سازی با ظرفیت بالا است که بین کاربران نهایی بر حسب نیاز تقسیم می‌شوند.

تعاریف بسیاری از رایانش ابری وجود دارد و در حیطه‌ی صنعت آی تی، بحث درباره‌ی خدمات ممکنی که در آینده ارائه خواهند شد همچنان ادامه دارد. رایانش ابری عبارتند از مدلی برای فراهم کردن دسترسی راحت و مبتنی بر تقاضای شبکه به مخزن مشترکی از منابع رایانشی قابل تنظیم است که می توان آن‌ها را با حداقل تلاش مدیریتی یا تعامل با ارائه‌ دهنده‌ی خدمات به سرعت تهیه و واگذار کرد.

معماری‌های رایانش ابری می توانند خصوصی و یا عمومی باشند. ابر خصوصی در درون موسسه وپشت دیوار آتش آن موسسه میزبانی می‌شود و تنها برای استفاده توسط همان موسسه منظور می گردد. مزایای دیگری نیز از نگهداری متمرکز بسته‌های نرم افزاری، پشتیبان‌گیری داده ها و متوازن کردن حجم خواسته‌های کاربر در تمام سرورهای متعدد و یا سایت‌های متعدد مراکز داده‌ها حاصل می شوند. در مقابل، ابر عمومی بر روی اینترنت میزبانی می‌شود و جهت استفاده توسط هر کاربری که به اینترنت اتصال دارد طراحی می‌گردد تا طیف مشابهی از توانایی‌ها و خدمات را ارائه دهد. تعدادی از سازمان‌ها در حال میزبانی کردن و یا ارائه‌ی خدمات رایانش ابری هستند. مثال‌ها عبارتند از اسناد گوگل، خدمات ذخیره‌سازی ساده و ابررایانشی انعطاف‌پذیر آمازون، بسترهای نرم‌افزای ویندوز لاجوردی مایکروسافت ، خدمات تجاری هوشمند آی بی ام ، سیلزفور دات کام و وبکس. اما در حالی که مزایای مالی رایانش ابری به صورتی گسترده مورد بحث قرار گرفته، به تغییر مصرف انرژی در مدل رایانش ابری توجه چندانی نشده‌است. رایانش ابری بواسطه‌ی استفاده از سرورهای بزرگ و واحدهای ذخیره سازی مشترک می‌توانند در عرضه‌ی خدمات ذخیره سازی و محاسباتی در مصرف انرژی صرفه جویی کنند مخصوصا اگر کاربر نهایی به سمت استفاده از کامپیوتر و یا ترمینالی با ظرفیت پایین‌تر و مصرف انرژی کم‌تر برود. در همان زمان، رایانش ابری منجر به افزایش ترافیک شبکه و مصرف انرژی مربوطه‌ی شبکه می گردد در این تحقیق، توزانی بین مصرف انرژی سرور، مصرف انرژی شبکه و مصرف انرژی کاربرنهایی کاوش شده است.

بررسی ادبیات موضوع

موضوع مصرف انرژی در تجهیزات تکنولوژی اطلاعات در سال‌های اخیر بسیار مورد توجه قرار گرفته است و شناخت رو به رشدی از نیاز به مدیریت مصرف انرژی در کل بخش تکنولوژی ارتباطات و اطلاعات (ICT) وجود دارد. تخمین زده می‌شود که مراکز داده‌ها تقریبا 2/1 درصد از کل مصرف انرژی الکتریکی ایالات متحده‌ی آمریکا را در سال 2005 به خود اختصاص دادند. انتقال و سوئیچینگ شبکه‌ها در اینترنت 4/0 درصد دیگر از کل مصرف انرژی الکتریکی را در کشورهایی که پهنای باند در اختیار دارند تشکیل می دهد. علاوه بر نیاز آشکار به کاهش تاثیر گلخانه‌ای بخش آی سی تی این نیاز به کاهش مصرف انرژی نیز توسط چالش‌های مهندسی و هزینه‌ی مدیریت مصرف برق مراکز بزرگ داده و خنک سازی مرتبط با آن هدایت می‌شود. در برابر این امر، رایانش ابری با اندازه‌ و ظرفیت رو به رشد مراکز داده و شبکه درگیر است اما اگر به خوبی مدیریت شود ابر رایانشی می‌تواند به صورتی بالقوه منجر به صرفه‌جویی کلی در مصرف انرژی شود. مدیریت مصرف نیرو در مراکز داده منجر به بهبودهای قابل توجهی در بهره‌وری انرژی شده است. زیر ساخت رایانش ابری که در مراکز داده میزبانی می‌شوند بطور قابل ملاحظه‌ای از این پیشرفت‌ها بهره برده اند. تکنیک‌هایی نظیر به عنوان مثال، برنامه ریزی خواب و مجازی‌سازی منابع محاسباتی در مراکز داده‌های رایانش ابری بهره‌وری انرژیِ رایانش ابری را بهبود می‌بخشد. در حالی که درک چگونگی حداقل‌سازی مصرف انرژی در مراکز داده‌های که خدمات رایانشی را میزبانی می کنند مهم است، توجه به انرژی مورد نیاز برای انتقال داده‌ها از و به کاربر و انرژی مصرف شده توسط رابط نهایی کاربر نیز مهم است. مطالعات قبلی در مورد مصرف انرژی در رایانش ابری تنها بر روی انرژی مصرف شده در مراکز داده‌ها تمرکز کرده‌اند. به هر حال، جهت بدست آوردن تصویری واضح از کل مصرف انرژیِ خدمات رایانش ابری و نقش بالقوه‌ی رایانش ابری در صرفه‌جویی انرژی، تجزیه و تحلیلی جامع‌تر مورد نیاز است. در این تحقیق نمایی کلی از مصرف انرژی در رایانش ابری ارائه شده است[1] و آن را با مصرف انرژی در رایانش متعارف مقایسه می‌کند. برای این مقایسه، مصرف انرژی رایانش متعارف عبارتند از انرژی مصرف شده هنگامی که وظیفه‌ای یکسان در کامپیوتر شخصیِ استانداردِ مصرف‌کننده‌ای(PC)انجام می‌شود که به اینترنت متصل است اما از رایانش ابری استفاده نمی‌کند. هر دو رایانش ابری خصوصی و عمومی را مورد توجه قرار می دهیم و مصرف انرژی در سوئیچینگ و ارسال و نیز پردازش و ذخیره‌ی داده‌ها را لحاظ می‌کنیم. مخصوصا مدلی از شبکه‌ی سوئیچینگ و ارسال را که مبتنی بر شبکه است ، مدلی از تجهیرات رایانشی کاربر و مدلی از طرزکار ذخیره‌سازی و پردازش در مراکز داده ارائه می شود. انواعی از حالات خدمات رایانش ابری بر حسب بهره‌وری انرژی مورد بررسی قرار می گیرد. تعدادی از نمونه‌های عملی را که در آن‌ها کاربرها/ مشتری‌ها نیازهای محاسباتی و ذخیره‌سازی خود را به ابرهای عمومی و یا خصوصی می‌فرستند مورد بررسی قرار می گیرد. سه نوع خدمات رایانش ابری در نظر گرفته می‌شوند که عبارتند از ذخیره سازی به عنوان خدمات، پردازش به عنوان خدمات و نرم‌افزار به عنوان خدمات. همانطور که از نامش بر می‌آید ذخیره سازی به عنوان خدمات به کاربران اجازه می‌دهد تا داده‌ها را در ابر ذخیره کنند. پردازش به عنوان خدمات به کاربران این امکان را می دهد تا وظایف منتخبی را که از لحاظ محاسباتی سنگین هستند به ابر بفرستند. نرم افزار به عنوان خدمات دو نوع سرویس را با هم ترکیب می‌کند و به کابران اجازه می‌دهد تا همه‌ی محاسباتشان را به ابر بفرستند و در خانه تنها از ترمینالی با پردازش بسیار پایین استفاده کنند. نشان داده می شود که مصرف انرژی در نقل و انتقال و سوئیچینگ می تواند درصد قابل توجهی از کل مصرف انرژی در رایانش ابری باشد. رایانش ابری می تواند وسیله‌ای را برای استفاده‌ی کاراتر از نیروی محاسباتی فراهم کند بویژه وقتی که وظایف محاسباتی غالب کاربران از سنگینی کمی برخوردار باشد و یا به ندرت رخ دهد. به هر حال، نشان داده می شود که تحت برخی شرایط رایانش ابری می‌تواند نسبت به رایانش متعارف که بر روی کامپیوتر‌های شخصی محلی انجام می‌شوند انرژی بیش‌تری مصرف کنند. درنتیجه رایانش ابری می‌تواند بواسطه‌ی تکنیک هایی نظیر مجازی‌سازی و یکپارچه سازی سرورها و سیستم‌های خنک کننده‌ی پیشرفته صرفه جویی قابل توجهی در انرژی ارائه دهد. به هر حال رایانش ابری همیشه سبزترین تکنولوژی رایانشی نیست.

بدنه تحقیق

لزوم مدیریت مصرف انرژی

با گسترده‌تر شدن رایانش ابری مصرف انرژی شبکه و منابع رایانشی‌ای که از ابر پشتیبانی می‌کنند نیز زیاد می‌شود. مرکز داده چون در حال گسترش بوده وهزینه های عملیاتی زیادی را دربردارد و همچون رد پای کربن در محیط زیست می باشد ، لذا اخیراً مصرف انرژی آن مورد توجه قرارگرفته است. در صورتیکه طقسمتهای سوئیچینگ و انتقال شبکه که قسمتهای کلیدی در ارتباطات کاربران به ابر می باشد کمترتوجه شده است. در صورتیکه مصرف انرژی در نقل و انتقال و سوئیچینگ شبکه می‌تواند درصد قابل توجهی از کل مصرف انرژی در رایانش ابری را به خود اختصاص دهد.

مدل های خدمات ابری(نرم افزار به عنوان خدمات)

با قابلیت دسترس‌پذیری همه جایی اینترنت پهن باند، توسعه دهندگان نرم افزار به صورتی فزاینده به سمت ارائه کردن نرم افزار به صورت خدمات پیش‌می‌روند. نرم‌افزار در ابر میزبانی می‌شود و همه‌ی رایانش در ابر انجام می گیرد. رایانه‌ی شخصی مشتری تنها برای انتقال فرمان‌ها و دریافت نتایج بکار می‌رود(شبیه به مدل تین کلاینت است). بطور معمول، کاربرها در استفاده از هر کامپیوتری که متصل به اینترنت باشد آزاد هستند. در هر زمانی تنها به تعداد معینی از نمونه های نرم افزار اجازه داده می‌شود تا برای کاربر راه اندازی شوند. یک مثال از نرم‌افزار به عنوان خدمات اسناد گوگل است.

مدل های خدمات ابری (ذخیره‌سازی به عنوان خدمات)

بواسطه ی ذخیره سازی به عنوان خدمات، کاربرها می توانند نیازمندی‌های ذخیره سازی داده هایشان را به ابر بفرستند. تمام پردازش بر روی رایانه‌ی شخصی کابر انجام می گیرد و ذخیره‌سازی داده های اولیه کاربر در ابر است. فایل‌های داده ممکن است شامل اسناد، عکس‌ها یا ویدئوها باشند.به فایل‌های موجود در ابر می‌توان از هر کامپیوتری که دارای اتصال با اینترنت است در هر زمانی دسترسی داشت. جهت تغییری در فایل باید ابتدا آن را بارگیری و با استفاده از رایانه‌ی شخصی کاربر ویرایش کرد و سپس فایل‌ تغییر یافته را دوباره بر روی ابربارگذاری کرد. ارائه دهنده‌ی خدمات ابری اطمینان می‌دهد که فضای کافی در ابر موجود است و همچنین پشتیبانی از داده‌ها را نیز مدیریت می کند. بعد از این که کاربری فایلی را به ابر ارسال کرد می‌تواند امتیازات تغییر و یا خواندن آن را به دیگر کاربران اعطا کند. یک نمونه از ذخیره‌سازی به عنوان خدمات عبارتند از خدمات ساده‌ی ذخیره سازی آمازون.

مدل های خدمات ابری (پردازش به عنوان خدمات)

پردازش به عنوان خدمات، برای کابران، منابعی از سرورهای قدرتمند را جهت وظایف رایانشی بزرگ خاصی فراهم می‌آورد. اکثریت وظایف که از لحاظ رایانشی سخت نیستند بر روی رایانه‌ی شخصی کاربر انجام می‌شوند. وظایف رایانشی سخت‌تر به ابر فرستاده و در آن پردازش و نتایج به کاربر باز گردانده می‌شوند. مشابه با خدمات ذخیره سازی، به خدمات پردازشی می‌توان از هر رایانه‌ای که به اینترنت متصل باشد دسترسی داشت. یک نمونه از پردازش به عنوان خدمات، خدمات ابر رایانشی انعطاف پذیر آمازون است. هنگام استفاده از خدمات پردازشی،رایانه‌ی شخصی کاربر همچنان برخی وظایف کوچک را انجام می‌دهد و در نتیجه لازم است که نسبت به thin client ایکه در قسمت خدمات نرم افزاری استفاده می شود قدرتمندتر باشد. رایانه‌ی کاربر برای وظایفی که از لحاظ رایانشی سنگین هستند بکار نمی‌رود از این رو هدفی وجود دارد تا با استفاده از رایانه‌ای کم‌قدرت‌تر هزینه و مصرف انرژی نسبت به رایانه‌ی استاندارد شخصی مشتری کاهش داده شود.

خلاصه‌ی مدل ها

جدول ذیل خلاصه‌ای از محلِ پردازش، محل ذخیره سازی و عملکردِ نقل و انتقال برای هر یک از این خدمات ابری را ارائه می‌دهد. در خدمات ذخیره‌سازی، بخش اعظم پردازش در رایانه‌ی شخصی کاربر (مشتری) رخ می‌دهد و بیش‌ترِ ذخیره سازی در ابر است. شبکه سوئیچینگ ونقل و انتقال، فایل‌های کاربر را بین مرکز داده ها و کاربر انتقال می‌دهد. با خدمات پردازشی، پردازش رایانه‌ی کاربر تنها وظایف کوتاه را و ابر وظایفی را که از لحاظ محاسباتی سنگین هستند پردازش می‌کند. در خدمات نرم افزای، پردازش و ذخیره‌سازی در ابر انجام می‌شوند. برای همه‌ی وظایف نقل و انتقال لازم است تا وسیله‌ی انتقال فرمان‌ها به ابر و بازگشت نتایج فراهم شود.

مدل‌های مصرف انرژی

مدل ها بر اساس اندازه گیری های مصرف انرژی و مشخصات منتشر شده از تجهیزات است. مدل ها شامل توصیفاتی از تکنیک‌های معمول صرفه جویی انرژی هستند که توسط ارئه دهندگان خدمات رایانش ابری بکار برده می‌شوند. مدل‌ها جهت محاسبه‌ی مصرف انرژی در هر بیت برای انتقال و پردازش و ذخیره سازی بکار می‌روند.

تجهیزات کاربر

این جدول طیفی از کلاس‌های رایانه را که کاربران عموما برای رایانش شخصی و یا دسترسی به خدمات رایانش ابری مورد استفاده قرار می‌دهند فهرست می کند

مراکز داده‌ها

الف.پیشرفته‌ترین مرکز داده‌های مدرن وقت دارای سه جز اصلی یعنی ذخیره سازی داده‌ها، سرورها و شبکه ای محلی (LAN) است. ب.مرکز داده‌ها به باقی شبکه از طریق روتر درگاه متصل می‌شود. ج.جدول تجهیزات نمونه ای را که در مراکز داده ها مورد استفاده قرار می‌گیرند و نیز مصرف برق و ظرفیت این تجهیزات را فهرست می کند.

شبکه

جدول تجهیزات مورد استفاده در محاسبات راجع به مصرف انرژی را در شبکه‌ی شرکتی و شبکه‌ی IP اینترنت و نیز ظرفیت و مصرف برق تجهیزات این شبکه‌ها را فهرست می کند.

مصرف انرژی ذخیره سازی به عنوان خدمات

فرضیات مدل سازی

در جایی که همه‌ی پردازش و رایانش بر روی کامیپوتر کاربر انجام می گیرد اما داده‌های کابر در ابر ذخیره می‌شوند خدمات ذخیره‌سازی و پشتیبانی فایل را مورد نظر قرار می‌دهیم. فایل‌ها برای مشاهده و ویرایش از روی ابر بارگیری می‌شوند و سپس برای ذخیره سازی دوباره روی ابر بارگذاری می‌شوند. مصرف برق خدمات ذخیره سازی برای هر کاربر به عنوان تابعی از بارگیری‌های فایل در هر ساعت محاسبه می‌شود. درصد کل برق مصرف شده درنقل و انتقال، ذخیره سازی و سرورهابه عنوان تابعی از تعداد بارگیری‌ها در هر ساعت برای خدمات ذخیره‌سازی ابر عمومی

الف.در بیش از یک بار بارگیری در ساعت، سرورها تقریبا 10 درصد و ذخیره سازی کم‌تر از ده درصد نیرو را مصرف می کند و باقی نیرو در انتقال مصرف می‌شود.

ب.در سرعت بارگیری پایین برابر با /h 2-10، تقریبا 75 درصد نیرو در ذخیره سازی و تقریبا 25 درصد در نقل و انتقال و الباقی نیز توسط سرورها مصرف می شود.

• درصد کل برق مصرف شده درنقل و انتقال، ذخیره سازی و سرورهابه عنوان تابعی از تعداد بارگیری‌ها در هر ساعت برای خدمات ذخیره‌سازی ابر خصوصی

الف.در نرخ‌های بارگیری بیش‌تر از یک بارگیری در هر ساعت، سرورها 35 درصد و ذخیره سازی کم‌تر از 7 درصد از انرژی را مصرف می‌کند و 58 درصد باقی‌مانده‌ی نیرو در انتقال مصرف می شود.

ب.در سرعت بارگیری پایین برابر با /h 2-10، تقریبا 90 درصد نیرو در ذخیره سازی، 10 درصد در نقل و انتقال و الباقی توسط سرورها مصرف می شود.

در سرعت بارگیری پایین برابر با /h 2-10، هم در خدمات ذخیره‌سازی ابر خصوصی و هم در خدمات ذخیره سازی ابر عمومی مصرف نیرو در ذخیره سازی بر کل مصرف برق حکفرمایی می‌کند.در سطوح استفاده‌ی بالا برای خدمات ذخیره‌سازی ابر خصوصی و عمومی، انتقال بر کل مصرف برق حکمرانی می کند.از این رو انرژی مصرف شده در انتقال داده‌ها بین کاربرها و ابر نکته‌ی مهمی است که باید هنگام طراحی کردن خدمات ذخیره‌اسازی ابر انرژی-کارآمد مورد ملاحظه قرار گیرد.همچنین مصرف انرژی در سرورها نیز در سطوح استفاده‌ی بالا قابل ملاحظه است.

در نرخ های بارگیری متوسط و بالا عمدتا به علت افزایش مصرف انرژی در انتقال، مصرف برق خدمات ذخیره‌سازی ابر عمومی در حدود دو و نیم برابرِ خدمات ذخیره سازی ابر خصوصی است.

• کاربران از طریق ترمینال‌ (dumb client) به خدمات نرم‌افزاری دسترسی دارند. این ترمینال از طریق فرمان‌های ساده‌ی ارسال شده از طریق اینترنت با سرورش در ارتباط است. سرور به نوبه ی خود داده‌های ویدئویی را به ترمینال می‌فرستد که همان خروجی نمایش داده شده بر روی مانیتور است.
• پردازش همه‌ی داده‌ها در سرور راه دور انجام می‌گیرد.
• مصرف برق خدمات ابری بر حسب تعداد فریم‌ها در هر ثانیه محاسبه می شود
• مرکز داده‌ای با سرورهای رایانشی مدل سازی می‌شوند و دو حالت در نظر گرفته می شود. در حالت اول، هر سرور قادر به پشتیبانی از بیست کاربر و در حالت دوم هر سرور قادر به پشتیبانی از دویست کاربر است.

مصرف انرژی نرم افزار به عنوان خدمات (در ابر عمومی )

• درصد کل مصرف برق برای هر مولفه (ذخیره سازی، انتقال، سرورها)‌متعلق به خدمات نرم افزاری ابر عمومی به صورت تابعی از نرخ فریم
• با دویست کاربر در هر سرور،منحنی‌ها در 0.11 فریم بر ثانیه متوقف می‌شوند زیرا حداکثر ظرفیت ارسال هر سرور برابر با Mb/s 800 است
• درصد کل برق مصرف شده توسط ترمینال کاربر نشان داده نمی‌شود

الف.transport(200 per server) : در 0.1 فریم بر ثانیه (frames/s)، انتقال 20% از توان کل با 20 کاربر برای هر سرور به مصرف میرساند. در سرعت فریم مشابه، با 200 کاربر برای هر سرور، انتقال 42% از توان کل را مصرف میکند. Cloud storage کمتر از 15% توان کل را در همه سرعتهای فریم مصرف می کند.

ب.severs(20 per ser5ver): در نرخ فریم‌های زیر 2-10، کم تر از ده درصد کل نیرو در نقل و انتقال مصرف می‌شود.با افزایش سرعت فریم، درصد توان مصرفی در انتقال به طور قابل توجهی افزایش میابد.

مصرف انرژی نرم افزار به عنوان خدمات (در ابر خصوصی )

• درصد توان کل مصرفی در هر یک از مولفه های انتقال، storage و servers به عنوان تابعی از سرعت فریم برای یک سرویس نرم­افزار ابر خصوصی

الف.با 20 کاربر در هر سرور در نرخ فریم کمتر از 0.1frames/s، انتقال کمتر از 5% توان کل را مصرف میکند، افزایش نرخ ارسال فریم به 1 مصرف توان را به40% افزایش می دهد. با 20 کاربر در هر سرور بیشتر توان در سرورها مصرف می شوند.

ب.با 200 کاربر در هر مولفه انتقال، storage و سرورها با هم کمتر از نصف مصرف توان کل را مصرف میکنند. باقی مانده توان در پایانه مصرف می شود.

مصرف انرژی نرم افزار به عنوان خدمات به طور کلی

• نموداری از مصرف توان بازا هر کاربر در سرویس های نرم افزار private و public
• تعداد کاربران در هر سرور مهمترین عامل بهره وری انرژی سرویس نرم افزار ابر است.
• سرویس های نرم افزار ابر برای وظایف اداری ساده موثرتر از modern midrange PCها هستند.
• اگر وظایف کاربران فشرده و سرعت های بالای فریم مورد نیاز باشد، آنگاه سرویس های نرم افزاری ابر عمومی از لحاظ مصرف انرژی نسبت به modern midrange PC موثرتر نیستند.
• به دلیل مصرف انرژی انتقال پایین با سرویس های نرم افزار private، حتی وظایف محاسباتی فشرده با سرعت های بالای فریم، از لحاظ مصرف انرژی موثرتر از midrange PCها هستند.
• نتایج نشان می دهد که شرکت ها برای کاهش مصرف انرژی باید قویا سرویس های نرم افزاری private را بجای PCهای مستقل در نظر بگیرند.

الف.در 1 frames/s، مصرف توان سرویس به دلیل نیازهای بالای انتقال به 129W افزایش می یابد. مصرف توان سرویس ابر خصوصی با 20 کاربردر هر سرور حتی در سرعتهای فریم بالا از 60W تجاوز نمی کند. مصرف توان کمتر سرویس ابر خصوصی به این علت است که زیرساخت انتقال کمتر درگیر است.

ب.مصرف توان سرویس­های cloud با 200 کاربردر هر سرور 12-23W است. مصرف توان در انتقال با افزایش سرعت فریم، افزایش می یابد.

ج.زمانیکه سرعت فریم پایین و تعداد کاربران در هر سرور بالاست، کاربران با استفاده ازسرویس نرم افزار بمیزان تقریبا 33-35W کمتر از کاربران با midrange PC مصرف می کنند. با افزایش سرعت فریم یا با کاهش تعداد کاربران در هر سرور، صرفه جویی در انرژی کاهش می یابد.

د.یک low-end laptop حداقل توان را مصرف می­کند اما حداقل قابلیت پردازش و کارایی را نیز دارد. سرویس cloud در هر دو سناریو موثرتر از modern midrange PCدر سرعت­های پایین فریم است. به هر حال با افزایش سرعت فریم، مصرف توان سرویس public cloud با 20 کاربردر هر سرور به مصرف توان midrange PC نزدیک می­شود و از آن تجاوز می کند.

مصرف انرژی پردازش به عنوان سرویس

فرضیات مدل سازی

• هر کاربر دارای یک low-end laptop است که برای وظایف روتین استفاده شده است.
• در ابر،سرورهای محاسباتی وجود دارند که برای وظایف فشرده محاسباتی استفاده می شوند. داده­ها برای وظایف فشرده محاسباتی در یک سرویس cloudبارگذاری شده اند و خروجی های کامل شده به کاربر بازگردانده می شود.
• به عنوان مثالی از وظایف فشرده محاسباتی، وظیفه تبدیل و فشرده سازی یک فایل ویدئو مدل شده است.

مصرف انرژی پردازش به عنوان خدمات (در ابر عمومی)

• درصد مصرف توان انتقال و سرورها در سرویس پردازش ابر عمومی به عنوان تابعی از تعداد دفعاتی که کاربر چنین رمزگذاری­هایی را در هفته انجام می دهد.

الف.در یک رمزگذاری در هفته تقریبا 40% انرژی کل در سرورها و تقریبا 15% انرژی کل در انتقال و باقیمانده در لپ­تاپ کاربر مصرف می شود.

ب.در رمزگذاری­های کمتر از 10-1 در هفته، بیش از 90% توان در لپ­تاپ کاربر مصرف شده است. با افزایش تعداد چنین رمزگذاری هایی در هفته، مصرف انرژی در انتقال و پردازش افزایش می­یابد.

مصرف انرژی پردازش به عنوان خدمات (در ابر خصوصی)

• درصد مصرف توان کل انتقال و سرورها در سرویس پردازش private cloud به عنوان تابعی از رمزگذاری­ها در هفته

الف.با یک رمزگذاری در هفته تقریبا 40% انرژی کل در سرورها و باقیمانده در انتقال مصرف می شود. روند افزایش مصرف انرژی در انتقال و سرورها با افزایش تعداد رمزگذاری ها در هفته ادامه می یابد.

ب.در رمزگذاری­های کمتر از 10-1 در هفته، بیش از 90% توان در لپ­تاپ کاربر مصرف شده است. با افزایش تعداد چنین رمزگذاری­هایی در هفته، مصرف انرژی در انتقال و پردازش افزایش می­یابد.

ج.نتایج نشان می دهد که در یک سرویس پردازش ابر عمومی، انتقال درصد قابل توجهی از مصرف انرژی کل را در نرخ های استفاده بالا و متوسط مصرف می کند. درحالیکه درصد انرژی مصرفی در انتقال با سرویس پردازش private cloud کمتر از 5% همه سرعت های استفاده است.

مصرف انرژی پردازش به عنوان خدمات به طور کلی

• انرژی مصرفی کل بازای هر کاربر در هفته با سرویس­های پردازش ابر خصوصی و عمومی ،به عنوان تابعی از تعداد رمزگذاری ویدئو در هفته

الف.در کمتر از 10-1 رمزگذاری در هفته، مصرف انرژی کل با سرویس­های پردازش ابر خصوصی و عمومی یکسان است. در این سطح از استفاده، مصرف انرژی کل بوسیله مصرف انرژی لپ تاپ کاربر مشخص می شود.

ب.در تعداد برابر رمزگذاری در هفته مصرف انرژی کل سرویس­ پردازش privateبه دلیل مصرف انرژی کمتردر انتقال کمتر است.

ج.یک سرویس پردازش cloud همیشه در مصرف انرژی از مدل قدیمی­تر midrange PC کارامدتر است. بنابراین کاربران با نسل­های قدیمی­تر تجهیزات محاساباتی می­تواند به ذخیره انرژی قابل توجهی دست یابد

د.اگر کاربری کمتر از 4 رمزگذاری­ در هفته انجام دهد، کارامدترین گزینه انرژی، یک سرویس پردازش ابری است.در بیشتر از چهار رمزگذاری در هفته برای سرویس پردازش public cloud و هشت رمزگذاری در هفته برای سرویس پردازش private cloud، مصرف انرژی سرورها و انتقال به نقطه­ای می رسد که یک midrange PC مدرن کارامدترین گزینه انرژی است.

طرحی از شبکه‌ی رایانش ابر عمومی

این طرح شامل مرکز داده‌ها و نیز شبکه‌های دسترسی، metro and edge و core است.

Data Center : مراکز داده به نوبه‌ی خود از طریقِ روتر درگاهشان به هسته‌ی شبکه متصل می‌شوند. مرکز داده‌های متداول شامل روتر دروازه، شبکه‌ی محلی، سرورها و storage است. Metro And Edge Network : درون شبکه‌ی آی اس پی، سوئیچ های اترنت ترافیک کاربر را جمع می کنند، درگاه‌های شبکه‌ی پهن باند (BNGها) استفاده و دسترسی را تنظیم می‌کنند، روترهای لبه‌‌ای رساننده، درگاهی را به سوی اینترنت جهانی تشکیل می‌دهند که این درگاه دربردانده‌ی تعداد زیادی روترهای هسته‌ای بزرگ و شبکه‌های انتقال با ظرفیت بالا است.

Access Network PON : کاربران ابر عمومی بطور معمول کاربران خانگی هستند و از طریق ISP به اینترنت متصل می‌شوند. با نگاه به جلو، انتظار می‌رود که بخش دسترسی چنین شبکه‌هایی بطور فزاینده‌ای از تکنولوژی‌های شبکه‌ی نوری غیرفعال (PON)استفاده کنند که انرژی-کارآمد هستند

طرحی از شبکه‌ی رایانش ابر خصوصی

ابر خصوصی شامل مرکز داده‌ها و نیز شبکه‌‌ی شرکت است

Data Center : مرکز داده ها که به مرکز داده‌های مورد استفاده برای رایانش ابری عمومی شباهت دارد بطور معمول مستقیما به این سوئیچ بزرگ اترنت متصل می‌شود.

Corporate Network : هر کاربری به سوئیچ اترنت کوچکی متصل می‌شود که به یک یا بیش از یک سوئیچ‌ بزرگ‌تر اترنت متصل می‌شود تا شبکه‌ی هسته‌ خصوصی را تشکیل دهد.

نتیجه گیری

ما نمی­توانیم فرض کنیم که رایانش ابری همیشه از نظر مصرف انرژی ،کارامدتر از پردازش از طریق محاسبات خانگی متداول است. محاسبات ابری زمانی کارامدتر است که انرژی مصرفی در انتقال داده توسط صرفه جویی در مصرف انرژی سرورهای محاسباتی ابری و یا با صرفه جویی توان در کامپیوتر کاربر خانگی جبران شود. اگر کاربر وظایف متمرکز محاسباتی را فقط گاهی اوقات انجام دهد، استراتژی استفاده از کامپیوتر با قابلیت کمتر نظیر لپ­تاپ low-end ، به همراه برون سپاری وظایف متمرکز محاسباتی گاه به گاه، باعث صرفه جویی در استفاده از انرژی و همچنین هزینه ارسال خواهد شد. به هر حال اگر صرفه جویی انرژی تجهیزات محاسباتی کاربر ناچیز باشد یا انرژی مصرفی در انتقال زیاد باشد، پردازش cloud کمتر از پردازش از طریق محاسبات معمولی کارامد است.

مراجع

[1] Cisco. (2009). Cisco visual networking index:Forecast and methodology, 2009–2014.White paper. [Online]. Available:http://www.cisco.com. [2] A. Weiss, BComputing in the clouds,[netWorker, vol. 11, no. 4, pp. 16–25, 2007.[3] B. Hayes, BCloud computing,[ Commun.ACM, vol. 51, no. 7, pp. 9–11, 2008.

[4] T. Singh and P. K. Vara, BSmart meteringthe clouds,[ in Proc. IEEE Int. WorkshopsEnabling Technol., Infrastructures forCollaborative Enterprises, Groningen,The Netherlands, Jun.–Jul. 2009, pp. 66–71.

[5] D. Kondo, B. Javadi, P. Malecot, F. Cappello,and D. P. Anderson, BCost-benefit analysis ofcloud computing versus desktop grids,[ inProc. IEEE Int. Symp. Parallel Distrib. Process.,Rome, Italy, May 2009, DOI: 10.1109/IPDPS.2009.5160911. [6] R. Buyya, C. S. Yeo, and S. Venugopal,BMarket-oriented cloud computing:Vision, hype, and reality for deliveringIT services as computing tilities,[ inProc. 10th IEEE Int. Conf. High PerformanceComput. Commun., Dalian, China, Sep. 2008,pp. 5–13.

[7] A. Greenberg, P. Lahiri, D. A. Maltz, P. Patel,and S. Sengupta, BTowards a next generationdata center architecture: Scalability andcommoditization,[ in Proc. ACM WorkshopProgrammable Routers for ExtensibleServices of Tomorrow, New York, 2008,pp. 57–62.

[8] Open Cloud Manifesto. [Online]. Available:http://www.opencloudmanifesto.org/[9] M. Armbrust, A. Fox, R. Griffith, A. D. Joseph,R. H. Katz, A. Konwinski, G. Lee,D. A. Patterson, A. Rabkin, I. Stoica, andM. Zaharia, BAbove the clouds: A Berkeleyview of cloud computing,[ Electr. Eng.Comput. Sci. Dept., Univ. California,Berkeley, CA, Tech. Rep. UCB/EECS-2009-28, Feb. 2009.[10] L. M. Vaquero, L. Rodero-Merino,J. Caceres, and M. Lindner, BA break inthe clouds: Towards a cloud definition,[SIGCOMM Comput. Commun. Rev., vol. 39,no. 1, pp. 50–55, 2009.[11] P. Mell and T. Grance, Draft NIST WorkingDefinition of Cloud Computing v14, Nat.Inst. Standards Technol., 2009. [Online].Available: http://csrc.nist.gov/groups/SNS/cloud-computing/index.html.[12] Google Docs. [Online]. Available: http://docs. google.com

[13] Amazon Web Services. [Online]. Available:http://aws.amazon.com

[14] Azure Services Platform. [Online]. Available:http://www.microsoft.com/azure