《Future Generation Computer Systems》：PACE: Dynamic node consolidation for near-energy-proportionality in edge clusters
编辑推荐：
远程场景下的边缘计算部署通常完全依赖太阳能板搭配电池的可再生能源供电，降低能耗至关重要，因为过高的功率消耗可能导致电池耗尽并迫使系统停机。此类场景在突发工作负载下面临两难困境：一方面，边缘平台多数时间运行于低强度工作负载，此时硬件能效最低；另一方面，系统必须能
远程场景下的边缘计算部署通常完全依赖太阳能板搭配电池的可再生能源供电，降低能耗至关重要，因为过高的功率消耗可能导致电池耗尽并迫使系统停机。此类场景在突发工作负载下面临两难困境：一方面，边缘平台多数时间运行于低强度工作负载，此时硬件能效最低；另一方面，系统必须能够在工作负载峰值时提供足够的处理能力。同时应对这两项挑战需要平台尽可能接近能量比例特性。研究人员指出，基于高性能单体节点或固定规模单板计算机（Single-Board Computer, SBC）集群的静态资源配置策略因空闲负载下高基准功耗而无法解决上述问题：单体节点空闲功耗高，静态SBC集群则面临所有活跃节点累积的空闲功耗，而动态电压频率调节（Dynamic Voltage and Frequency Scaling, DVFS）等传统方法无法消除该问题。为此，研究人员提出面向边缘的比例自适应集群（Proportional Adaptive Cluster for Edge, PACE），一种采用轻量级节点整合算法管理的自适应SBC集群新型架构。PACE的节点整合算法通过动态开启或关闭集群节点，精确匹配实际工作负载需求，有效消除活跃但未利用资源的空闲功耗。通过全面的性能-功耗表征及真实轨迹评估，研究人员证明PACE相比静态配置最多可降低33%的总能耗，并将能量比例得分提升2倍。
论文解读
研究背景与意义
边缘计算作为计算连续体的关键组成部分，已在智慧城市、工业4.0等领域广泛应用。其中环境监测类边缘部署多位于偏远地区，完全依赖太阳能等可再生能源供电，能源可用性成为核心约束。此类场景的工作负载具有显著突发性：正常时期仅需低强度监测，而洪水、滑坡等环境事件发生时则会出现计算需求峰值。现有静态资源配置策略存在根本缺陷：高性能单体节点在低负载时空闲功耗过高，固定规模的单板计算机（SBC）集群则存在多节点空闲功耗累积问题，传统动态电压频率调节（DVFS）仅能实现边际能效提升，无法解决能量非比例特性带来的能源浪费。这一问题直接威胁离网部署的可靠性——低活动期的能源浪费会削弱系统应对关键事件的能力。该研究发表于《Future Generation Computer Systems》，针对离网边缘集群的能量比例优化问题，提出了硬件-软件协同设计的创新方案。
关键技术方法
研究人员采用模块化SBC集群架构，基于Turing Pi 2.5集群板实现单节点物理电源管理，通过基板管理控制器（Baseboard Management Controller, BMC）远程控制节点供电。算法层面设计基于阈值和滑动时间窗口的轻量级节点整合机制，采用MAPE（监测-分析-规划-执行）循环实现动态决策。实验以中国最大公共边缘平台的3个月真实轨迹为基础生成两类24小时工作负载：平滑型（对应长期观测站）和突发型（对应事件驱动观测站），采用Keysight 34461A万用表以1秒间隔采集集群总功耗，以99分位端到端处理延迟作为服务质量（Quality of Service, QoS）指标，对比峰值配置、最小配置与PACE三种策略的性能与能效。
研究结果
3. 静态与动态边缘平台分析
研究人员通过实测Mac Mini M4和Raspberry Pi 5的功耗特性，量化了硬件能量非比例性的影响：Mac Mini M4在低负载（9000 MIPS）下能效较髙负载（45000 MIPS）下降60%。DVFS虽能将Raspberry Pi 5的空闲功耗从4.1 W降至3.3 W，但仍无法解决低负载期能源浪费问题。进一步测试4节点Raspberry Pi 5集群发现，动态节点整合可使低负载能效从582 MIPS/W提升至1582 MIPS/W，接近理论最大值2120 MIPS/W，证明动态节点开关是提升能量比例的核心路径。通过定义能量比例得分P（实际能耗与理想比例系统能耗的比值），研究人员证实突发工作负载下静态SBC集群的P值达2.85（DVFS开启），而动态整合集群可降至1.27，接近理想比例系统。
4. 环境观测站及其工作负载特征
研究人员将环境监测站分为两类：长期观测站工作负载呈现可预测的周期性波动，事件驱动观测站则以低基线负载为主，伴随环境事件触发的突发峰值。后者对边缘平台的实时处理能力要求更高，延迟过髙可能导致错过事件早期关键数据，进一步凸显了能效与性能平衡的重要性。
5. PACE架构设计
PACE采用自适应SBC集群硬件与轻量级节点整合算法结合的架构。硬件层面基于支持单节点电源管理的集群板（如Turing Pi 2.5或Sipeed Nanocluster），通过BMC实现物理层电源控制。算法层面采用MAPE循环：监测阶段采集滑动窗口内的节点资源利用率；分析阶段将节点标记为过载（所有测量值高于阈值）、欠载（所有测量值低于阈值）或正常；规划阶段根据节点状态判断集群整体状态（正常、欠载、过载或不平衡）；执行阶段通过Kubernetes原生机制实现节点缩容（先污点禁止新Pod调度，再排空节点后物理断电）和扩容（物理上电后加入集群，通过descheduler触发负载重平衡）。
6. 实验评估
6.1 能耗与能量比例
在平滑工作负载下，PACE的总能耗为329 Wh，较峰值配置降低15%，能量比例得分P=1.47；在突发工作负载下，PACE总能耗为210 Wh，较峰值配置降低33%（每日节省105 Wh，年节省约38 kWh），P=1.79，显著优于峰值配置的P=2.69。最小配置虽能效接近理想（P=1.34平滑，P=1.74突发），但PACE在接近其能效的同时避免了能源浪费。
6.2 服务质量（QoS）
峰值配置的99分位延迟为0.04秒，最小配置在平滑和突发负载下分别达7792秒和929秒，出现严重服务降级。PACE在平滑负载下延迟为3.3秒，突发负载下仅为0.1秒，接近峰值配置的性能，证明动态节点整合可在几乎不损失QoS的前提下实现显著能效提升。
6.3 扩容延迟
研究人员分解扩容过程发现，总耗时105.1秒中，节点启动占35.7秒，节点加入集群占2.8秒， metrics采集占31.2秒，负载重平衡占35.4秒。其中应用实际停机时间仅为11.9秒，属于边缘环境可接受范围，且扩容导致的延迟峰值仅影响极少数请求，不影响整体QoS。
讨论与结论
研究人员指出，静态边缘平台仅在稳定高负载下可实现合理能量比例，而突发工作负载下必须通过单节点级动态电源管理才能接近理想比例特性。PACE的创新在于首次在离网边缘部署场景实现了集群层面的能量比例优化，通过物理层节点电源控制而非虚拟资源调整，彻底消除了空闲节点功耗。与依赖大量训练数据的机器学习扩缩容方案不同，PACE的阈值算法无需历史数据即可部署，更适配资源受限的边缘环境。实验证明，PACE在突发工作负载下可实现33%的能耗降低和2倍的能量比例提升，同时保持近峰值配置的QoS，为离网环境监测等场景提供了可持续、高可靠的边缘计算解决方案。该研究的结论为边缘集群的硬件-软件协同设计提供了实证依据，证明了动态节点整合是实现近能量比例边缘系统的有效路径。
