基于受控基因多样性遗传算法的数据中心容器放置与联合能耗优化方法

《Big Data and Cognitive Computing》：GA-CGD: A Global Energy-Aware Container Placement Strategy for Heterogeneous Data Centers

　　

摘要

由于人工智能工作负载的增长，数据中心持续扩张，导致高能耗问题日益突出。在异构数据中心中，IT 设备和冷却设备的多样性使整体能源优化变得复杂。本文提出了受控基因多样性遗传算法（GA-CGD），这是一种联合优化计算和冷却能源的容器放置策略。与以往专注于虚拟机的方法不同，GA-CGD 在遗传算法中引入了受控基因多样性机制，以平衡服务器整合和热感知工作负载分布。概率分配范围策略减少了活动服务器数量，而动态电压和频率调整（DVFS）进一步降低了计算功耗。实验结果表明，与 SABA（一种基于模拟退火、感知热量回收的放置方法）和 TSTD（一种感知热量且支持 DVFS 的任务调度方法）相比，GA-CGD 分别将数据中心总能耗降低了 16.93% 和 12.83%。