考虑时空工作负载灵活性的地理分布式数据中心两阶段随机能效调度

《Sustainability》:Two-Stage Stochastic Energy-Efficient Scheduling of Geo-Distributed Data Centers with Spatio-Temporal Workload Flexibility

【字体: 大 中 小 】 时间:2026年06月29日 来源:Sustainability 4.1

编辑推荐:

  本研究针对地理分布式数据中心(DCs)在随机工作负载条件下的成本最优调度问题展开研究。通过协同考虑时间维度的工作负载时移、空间维度的工作负载迁移、服务器功耗、冷却运行及数据中心间网络约束,研究人员构建了一种两阶段随机优化框架。在该模型中,第一阶段决策提供共享的

  
本研究针对地理分布式数据中心(DCs)在随机工作负载条件下的成本最优调度问题展开研究。通过协同考虑时间维度的工作负载时移、空间维度的工作负载迁移、服务器功耗、冷却运行及数据中心间网络约束,研究人员构建了一种两阶段随机优化框架。在该模型中,第一阶段决策提供共享的日前调度方案,第二阶段追索决策则根据实际工作负载进行自适应调整,从而增强运行可靠性。仿真结果表明,工作负载灵活性的协同利用使总能耗相对于基线降低约3.7%,运行成本降低约6.7%,同时在不同不确定性水平下维持服务器利用率高于69%。这些发现表明,所提出的调度框架能够通过实现更低的电力成本和能耗、减少不必要的服务器激活以及提高计算资源利用率,来支持地理分布式数据中心的运行可持续性。
随着云计算、人工智能和大规模数字服务的快速发展,全球对计算基础设施的需求显著增长。数据中心(Data Center, DC)作为现代数字经济的支柱,为各类在线应用提供大规模计算和存储能力,但其电力消耗也十分可观。据国际能源署报告,2024年数据中心消耗约415太瓦时(TWh)的电力,约占全球电力需求的1.5%,预计到2030年将上升至约3.7%。在此背景下,提升能效和经济性能对于大规模计算基础设施的运行可持续性至关重要。

与传统电力负荷不同,数据中心的电力需求与计算工作负载的处理密切相关,这一特性使数据中心能够通过工作负载管理提供运行灵活性。例如,服务器供应和工作负载整合可减少不必要的空闲功耗,而延迟容忍任务可在可接受的服务窗口内推迟执行。从电力系统角度看,这种灵活性使数据中心能够参与需求响应、应对时变电价,并更好地消纳可再生能源。地理分布式数据中心进一步提供了额外的调度灵活性,可利用不同地区在电价、环境温度、冷却效率、可再生能源可用性和计算容量方面的区域异质性。

然而,现有研究在空间工作负载平衡中通常简化时间延迟,而时间调度和需求响应研究往往未显式协调数据中心间迁移。在实际地理分布式数据中心中,这两个决策本质上是耦合的:推迟工作负载会改变其未来执行的位置和时机,而迁移决策则取决于未来电价、服务器容量、冷却需求和网络可行性。此外,实际调度还必须 captured 计算、冷却和网络操作之间的耦合关系。同时,不确定性是限制调度决策鲁棒性的另一关键因素。现有地理分布式工作负载管理研究主要基于预测工作负载和运行信息构建,其调度决策未显式配备针对工作负载预测误差的场景依赖追索。

针对上述研究空白,研究人员提出了考虑时空灵活性的地理分布式数据中心两阶段随机调度框架。该框架显式 capture 了地理工作负载迁移和时间工作负载时移,使系统能够在不确定性条件下充分利用空间和时间的灵活性。

研究人员采用的关键技术方法包括:(1)基于拉丁超立方采样(Latin Hypercube Sampling, LHS)和快速前向场景削减(Fast Forward scenario reduction)的两阶段随机优化方法,用于处理工作负载不确定性;(2)集成工作负载调度、服务器利用、冷却功耗和数据中心间网络约束的耦合运行模型;(3)以三数据中心系统为对象,利用YALMIP建模平台和Gurobi求解器进行数值实验。样本数据来源方面,研究人员使用了中国某运营数据中心2025年1月至7月的历史工作负载轨迹数据,经预处理后提取代表性24小时曲线作为基线输入。

**消融研究结果:工作负载灵活性的个体贡献**

研究人员通过消融实验探究了时间工作负载时移和空间工作负载迁移的个体贡献。与无灵活性基线相比,仅启用时间时移(C2)使总能耗从104.24兆瓦时(MWh)降至100.48兆瓦时,降幅约3.6%,这归因于延迟容忍工作负载跨时段defer的能力,使活跃服务器数从1443台减至1370台,平均服务器利用率从65.73%提升至69.15%。仅启用空间迁移(C3)虽降低了总运行成本,但总能耗略增至105.51兆瓦时,表明空间迁移主要由电价差异和网络可行性驱动,而非单纯能耗最小化。两者联合启用(C4)时性能最优:总能耗降至100.34兆瓦时,降幅约3.7%,活跃服务器数进一步降至1365台,平均利用率达69.41%。这表明时间时移和空间迁移具有互补性——时间时移首先缓解高峰时段工作负载拥塞,空间迁移则根据电价、容量、冷却和网络约束进一步重新分配剩余灵活工作负载。

**工作负载不确定性对调度性能的影响**

研究人员考察了不同工作负载不确定性水平(±5%、±10%、±15%和±20%)对调度决策和系统性能的影响。结果显示,随着波动范围从±5%增至±20%,总能耗仅从100.12兆瓦时微增至100.80兆瓦时,总运行成本从7.57×106美元增至7.64×106美元,增幅有限。更有意义的变化体现在服务器端运营指标:平均活跃服务器数从1360台增至1376台,平均利用率从69.70%微降至68.86%。这反映了两阶段随机模型的核心机制:为在多种潜在工作负载实现下保持可行性,调度器主动维持稍大的在线服务器池作为容量缓冲,以少量平均利用率为代价换取对高需求场景的适应性和鲁棒性。

**与确定性优化和鲁棒优化的比较**

研究人员将所提两阶段随机调度(Two-Stage Stochastic, TSS)与确定性优化(Deterministic Optimization, DO)和鲁棒优化(Robust Optimization, RO)进行了对比评估,三者基于相同历史数据训练,并在2000个样本外场景上进行测试。成本-风险性能评估采用平均成本、中位成本、成本标准差、99百分位成本(Q99)和95%置信水平下的条件风险价值(CVaR0.95)等指标。

DO在三种方法中具有最大的成本波动和最高的上尾成本,表明仅优化名义场景在实现工作负载偏离预期值时不足。RO实现了最低的成本标准差、Q99成本和CVaR0.95成本,因其显式保护调度决策对抗最坏运行条件,但以高得多的平均和中位运行成本为代价(均值达8.54×106美元)。相比之下,TSS将平均成本从DO的7.90×106美元降至7.84×106美元,同时降低了中位、Q99和CVaR0.95成本,成本标准差从0.45×106美元降至0.39×106美元。与RO相比,TSS的Q99和CVaR0.95成本略高,但大幅降低了平均和中位运行成本。这表明RO提供更强的最坏情况保护,而TSS通过在代表场景上优化概率加权性能避免了过度保守,提供了更平衡的成本-风险权衡。

运算时间方面,DO策略优化时间最短(单一场景),TSS策略优化时间为33.50秒,对于所考虑的三数据中心、24小时调度案例可接受;TSS的平均追索评估时间仅0.05秒/场景,表明第一阶段决策固定后场景依赖追索问题可高效求解。

在讨论部分,研究人员指出所提框架可作为地理分布式数据中心运营商的日前决策支持工具。通过输入工作负载预测、电价、室外温度、服务器运行参数和数据中心间网络条件,模型生成协调的服务器供应、工作负载延迟和工作负载迁移调度方案,帮助运营商避免高峰时段过度服务器激活、将灵活工作负载转移至更经济或热更优的位置,并预留足够处理容量应对工作负载不确定性。数值结果表明,这种协调调度能够在维持服务质量和运行可行性的同时降低电力成本和能耗。

研究结论部分总结如下:本研究针对随机工作负载条件下地理分布式数据中心的成本最优调度问题,通过联合考虑时间工作负载时移、空间工作负载迁移、服务器功耗、冷却运行和数据中心间网络约束,构建了二维反映随机优化框架。仿真结果显示,工作负载灵活性的协同利用使总能耗相对基线降低约3.7%,运行成本降低约6.7%,同时在不同不确定性水平下维持服务器利用率高于69%。这些发现表明,所提出的调度框架能够通过实现更低的电力成本和能耗、减少不必要的服务器激活以及提高计算资源利用率,来支持地理分布式数据中心的运行可持续性。

研究人员也指出了若干局限性:数值研究在三数据中心系统、24小时调度范围内进行,更大规模系统可能需要分解或分布式优化技术;当前随机形式主要focus工作负载不确定性,而电价、室外温度、冷却效率和迁移带宽被视为确定性输入;服务器、冷却和网络模型采用聚合级别表述以保持计算可处理性;碳强度、可再生能源集成、储能和生命周期排放未显式建模,这些方面将在未来工作中进一步研究。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号