» KENNZAHLEN UND MESSUNGEN ZUR ENERGIEEFFIZIENZ

Transkript

1 » KENNZAHLEN UND MESSUNGEN ZUR ENERGIEEFFIZIENZ Eine energetische Betrachtung der Community Cloud Björn Schödwell, TU Berlin GGC Abschlusskongress, Fachgebiet Informations- und Kommunikationsmanagement

2 Primäre Ziele der Messungen waren die Erfassung von Kennzahlen für das Lastmanagement zwischen den Rechenzentren und die Evaluation einer möglichen Effizienzsteigerung durch den Verbund. GGC-Lab Ökologische Effizienz Ökonomische Effizienz CO2-Effizienz Energiemarkt Energiekosteneffizienz Energieeffizienz Quelle: Schoedwell 2015a 2

3 Für das Lastmanagement beim Green Cloud Computing müssen eine Vielzahl von Messgrößen verschiedenster Betrachtungsebenen mit unterschiedlichen Messsystemen (kontinuierlich) erfasst werden. Präsentation Steuerung Geschäftslogik Fachanwendungen Datenzugriff Leistungsabrufe (Transaktionen), QoS (Latenz, Erreichbarkeit etc.) VM vlun vlan virtuelle IT-Infrastruktur Ressourcenbedarfe (CPU, RAM, Disk, NIC) Server Speicher Netzwerke physische IT-Infrastruktur (Hardware) Kapazitäten, Auslastungen (CPU, RAM, Disk, NIC), Energiebedarfe, Temperaturen Kühlung Stromversorgung Gebäudetechnische Infrastruktur Sonstiges Kapazitäten, Auslastungen, Volumenströme, Temperaturen Energiebedarfe Umweltparameter Rechenzentrum Standortfaktoren Außentemperaturen, Strompreise, Strommixe (CO2- & EE-Anteile) Quelle: Schoedwell 2015a 3

4 Im GGC-Lab wurden vor allem Kennzahlen zur ganzheitlichen Bewertung der Energieeffizienz der Rechenzentren (und des Cloud- Verbundes) gemessen. RZ CPE DCeP RZ A DC Gebäudetechnik A GT DCiE IT-System ITeP Funktionales Hauptsystem Klimatisierung DCiE Klima JAZ Support Energieversorgung Hardware OLF A Energie DCiE Energie A HW IT-PEW Software????? Funktionales System Kühlsystem Luftführung Stromversorgung Eigenerzeugung Servers Speicher Netzwerke CLF CS-E RTI PLF CPPE OGE EPR DCcE DC-CeP DCsE DC-SeP DCnE DC-NeP EP Luft A KS A SV A OGE A serv A stor A net technische System -klasse KA RK Pumpe ULK USV Trafo PDU NEA n Ch-E To-E WP-E AF-E UPS-SE EE Trafo EE PDU A KA A RK A Pumpe A ULK A USV A Trafo A PDU Server Speicher Netzwerkgerät SGL ScE CeP SsE SeP NtE NeP A serv, i A stor, i A net, i Einzelnes technisches System Quelle: Schoedwell et al. 2013a A CPU A RAM A Disk A NIC A HBA A Disk A NIC A HBA A Port Bauteil 4

5 Um Energieeffizienzkennzahlen wie die Energy Usage Effectiveness (EUE) zu bestimmen, müssen Strombedarfe einzelner Systeme in den Rechenzentren trennscharf erfasst werden. Gebäudetechnik Kühlsystem IT Legende Stromfluss EUE = Energiebedarf des RZ Energiebedarf der IT Kälteanlagen Rück-/Freikühler Systemgrenzen Splitgeräte EVU Stromversorgung Netzersatzanlage Transformator NSHV NSUV USV Umluftkühler Leitungsnetze (Pumpen) NSUV R-NSUV IT-System Server Speicher Eigenerzeugung Sonstiges Netzwerke Abkürzungen: EVU = Energieversorgungsunternehmen NSHV = Niederspannungshauptverteilung NSUV GLT + MSR Beleuchtung R-NSUV = Rack-Niederspannungsunterverteilung USV = Unterbrechungsfreie Stromversorgung MSR = Mess-, Steuer- und Regelungstechnik Gefahrenschutz Sonstiges GLT = Gebäudeleittechnik Quelle: Schoedwell et al. 2013b 5

6 Die Messungen der EUE ergaben das bei nahezu identischen Außentemperaturen die Gebäudetechnik des RZ1 in 2013 ganzjährig energieeffizienter als die des RZ2 war. Quelle: Schoedwell 2015b 6

7 Die Gebäudetechnik des RZ1 benötigte im relativen Vergleich zur Gebäudetechnik des RZ3 weniger als ein Drittel der Energie. Quelle: Schoedwell 2015b 7

8 Über den Jahresverlauf verhalten sich die Stromverbraucher im RZ1 bis auf die IT, die Kälteanlagen und den Freikühler sehr statisch. Quelle: Schoedwell 2015b 8

9 Der IT-Strombedarf in RZ1 folgt tendenziell dem Arbeitsrhythmus der Menschen, zeigt mit einem maximalen Leistungshub von 6 kw el aber nur eine sehr geringe Dynamik. < 6 kw el!!! Quelle: Schoedwell 2015b 9

10 Die vollständige und trennscharfe Erfassung des Energiebedarfes einer spezifischen Anwendung ist (in virtualisierten Umgebungen) komplex und messtechnisch aufwändig. Gesamtenergiebedarf der Fachanwendung: EFA = EUE x EFA IT IT-Energiebedarf der Fachanwendung: EFA IT = EFA Server + EFA Speicher + EFA Netzwerk Server-Energiebedarf (mit i aktive virtuelle Maschinen): EFA Server = EFA Server Leerlauf + Summe(EFA Virtuelle Maschine 1 i ) Energiebedarf einer virtuellen Maschine einer Fachanwendung: EFA VM = (EFA Server Leerlauf / i ) + EFA CPU + EFA RAM + EFA Disk + EFA NIC Quelle: Schoedwell 2015a 10

11 Um virtuellen Maschinen (VM) verursachungsgerecht dynamische Strombedarfe eines Servers (Host) zuzuordnen, sollten (idealerweise maschinell) multivariable Energiemodelle erlernt werden. Messung Allokation IT-System Energie- Bedarf Host (ipdu) Energiemodelle evaluieren (Aggregation) Last (Leistungs -abrufe) VM FA Hypervisor Kapazität Host (CPU, RAM, DIsk, NIC) Ressourcenbedarf Host (Hypervisor) Ressourcenbedarf VM (Hypervisor) Energiemodelle für Host und VM lernen Energiebedarf pro VM berechnen wenn Fehler Schwellwert überschreitet, erneut lernen Durchsatz VM (Leistungsmaß) Normierung Energie- und Ressourcenbedarf pro Leistungsmaß Quelle: Schoedwell 2015a 11

12 Die im Rahmen der Messungen absolvierten Tests wurden von großen (software-)technischen Herausforderungen begleitet. Test Threads Auslastung [%] / MHz Bemerkung Grinder / 300 Hoher Startpeak 5%, starker Abfall 676 MHz abfallend / 2300 Anfangs kurzes Zappeln, dann recht konstant 852 MHz abfallend / 2300 Threads bearbeitet, sehr Konstante Belastung 50 MHz, Kaum belastet Belastung bleibt bei Neustart Grinder konstant -> Systemabsturz 12

13 Das NRG2.0 bringt die Messungen zum Energie- und Ressourcenbedarf und zur Performanz der IT und Gebäudetechnik zusammen. NRG2.0 Monitoring-System mit Schnittstellen zu ESX-Server, GLT, EMS, ipdus erforderlich Integrierendes Monitoring-System wurde von regioit entwickelt Quelle: Schoedwell et al

14 Von der Theorie des Green Cloud Computing bis zur praktischen Umsetzung eines Organisations-übergreifenden Lastmanagements ist es noch ein langer, aber lohnenswerter Weg. Herausforderungen» Robuste, vollständige und einheitliche Erfassung und Bereitstellung aller notwendigen Messgrößen» Aufwand zur Einrichtung und kontinuierlichen Pflege der eingesetzten Messinfrastruktur» Umsetzung eines RZ-übergreifendes Monitoring zur Überwachung von SLA (Latenz) einer spezifischen FA» Keine modularen (service orientierten) und über Schnittstellen dynamisch konfigurierbaren Fachanwendungen» ähnliche zeitliche IT-Ressourcennutzungsmuster begrenzen potentielle Kapazitätseinsparungen in den RZ Potentiale und Ausblick:» Energie- und Kosten-Einsparungen im Verbund von mehr als 50% bereits durch Lastkonsolidierung in das RZ mit effizientester Gebäudetechnik» (erhebliche) IT-Energieeinsparungen durch dynamische Lastkonsolidierung und Abschaltung nicht benötigter Hardware» Neue Hardware und Gebäudetechnik verfügt über umfassende Sensorik und unterstützt offene Schnittstellen und Protokolle» Data Center Infrastructure Management (DCIM)-Lösungen integrieren Messdaten der Gebäudetechnik und der IT für die systemübergreifende Planung, Steuerung und Regelung (Automation) 14

15 Ausführliche Informationen und Ergebnisse finden Interessierte im Loseblattwerk Rechenzentren und Cloud Computing - Ein aktuelles Handbuch für die Öffentliche Verwaltung. Rechtliche Rahmenbedingungen und mögliche Geschäftsmodelle für die Umsetzung des Cloud Computing im Öffentlichen Bereich Ansätze zur Verbesserung der Energieeffizienz in RZ mit Fokus auf den technischen und organisatorischen Voraussetzungen Bewertung von Chancen und Risiken der aktuellen Trends im Energiemarkt aus Sicht kommunaler Rechenzentren-Betreiber Bestellmöglichkeit: Heise Zeitschriften Verlag GmbH & Co. KG Loseblattsammlung Karl-Wiechert-Allee Hannover Telefon: +49 [0] , -276 oder -277 Fax: +49 [0] loseblattbestellungen@heise.de» Weitere Inforationen finden Sie hier: 15

16 Dipl.-Ing. Björn Schödwell Wissenschaftlicher Mitarbeiter THE END Technische Universität Berlin Institut für Technologie und Management Fachgebiet IuK-Management Hauptgebäude Raum H 9124A Straße des 17. Juni Berlin Tel: +49 (0) b.schoedwell@tu-berlin.de Fachgebiet Informations- und Kommunikationsmanagement 16

17 Quellennachweis» Schödwell, B.; Drenkelfort, G.; Erek, K.; Zarnekow, R.; Behrendt, F.: Auf dem Weg zu einem ganzheitlichen, quantitativen Bewertungsansatz für Energiemonitoring-Systeme in Rechenzentren. Informatik 2012, 42. Jahrestagung der Gesellschaft für Informatik e.v. (GI), LNI 208, 2012, Braunschweig, 2012, S Online verfügbar unter: Schödwell, B., Barz, B. and Zarnekow, R. (2013a). Auf dem Weg zum integrierten Energieproduktivitäts-Monitoring im Rechenzentrum: Konzept und Status Quo der prototypischen Implementierung. Informatik 2013, 43. Jahrestagung der Gesellschaft für Informatik e.v. (GI), LNI 220, 2013, Koblenz, , S , Online verfügbar unter: Schödwell, B., Erek, K. and Zarnekow, R. (2013b). Erfolgsfaktoren und Herausforderungen bei der Implementierung eines Messkonzeptes zum energie- und kosteneffizienten Lastmanagement in einer Community-Cloud. Proceedings 15. Tagung der Fachgruppe Betriebliche Umweltinformationssysteme (5. BUIS Tage), Oldenburg, 24. April April 2013, online verfügbar unter: Schödwell, B. (2015a) Kennzahlen und Messungen zum effizienten Lastmanagement im GGC-Lab, wird erscheinen in: Rechenzentren und Cloud Computing Ein aktuelles Handbuch für die Öffentliche Verwaltung. Heise Zeitschriften Verlag, 2015» Schödwell, B. (2015b) Fallstudien zur Energieeffizienz der Rechenzentren des GGC-Lab, wird erscheinen in: Rechenzentren und Cloud Computing Ein aktuelles Handbuch für die Öffentliche Verwaltung. Heise Zeitschriften Verlag,