DCcluster-Opt: Benchmarking Dynamic Multi-Objective Optimization for Geo-Distributed Data Center Workloads
Created by
- Haebom
Category
Empty
저자
Antonio Guillen-Perez, Avisek Naug, Vineet Gundecha, Sahand Ghorbanpour, Ricardo Luna Gutierrez, Ashwin Ramesh Babu, Munther Salim, Shubhanker Banerjee, Eoin H. Oude Essink, Damien Fay, Soumyendu Sarkar
개요
DCcluster-Opt는 지속 가능한, 지리적-시간적 작업 스케줄링을 위한 오픈 소스, 고충실도 시뮬레이션 벤치마크입니다. 이는 AI 작업 부하 추적, 그리드 탄소 집약도, 전력 시장, 날씨, 클라우드 전송 비용 및 데이터 센터 운영의 물리 기반 모델을 포함하는 실제 데이터 세트를 결합하여 지속 가능한 컴퓨팅 연구를 가능하게 합니다. DCcluster-Opt는 다양한 목표를 최적화하기 위해 데이터 센터 클러스터에서 작업 할당 또는 연기를 동적으로 수행해야 하는 문제를 제시합니다. 열 회수와 같은 고급 구성 요소도 모델링하며, 탄소 배출량, 에너지 비용, 서비스 수준 계약 및 물 사용 간의 트레이드 오프를 연구하기 위한 모듈형 보상 시스템을 제공합니다. 또한, 재현 가능한 ML 연구와 다양한 알고리즘의 공정한 비교를 지원하기 위해 Gym API와 기본 컨트롤러를 제공합니다.
시사점, 한계점
•
시사점:
◦
지속 가능한 지리적-시간적 작업 스케줄링 연구를 위한 현실적이고, 구성 가능하며, 접근 가능한 테스트베드를 제공합니다.
◦
AI 작업 부하 추적, 그리드 탄소 집약도, 전력 시장, 날씨 등 실제 데이터를 활용하여 시뮬레이션의 현실성을 높였습니다.
◦
다양한 목표(탄소 배출량, 에너지 비용, SLA, 물 사용)를 고려한 최적화 연구를 지원합니다.
◦
강화 학습 및 규칙 기반 전략을 포함한 기본 컨트롤러를 제공하여 다양한 알고리즘의 공정한 비교를 가능하게 합니다.
◦
데이터 센터의 열 회수와 같은 고급 구성 요소를 모델링합니다.
•
한계점:
◦
논문 자체에서 한계점이 직접적으로 언급되지 않았습니다.
◦
(추측) 복잡한 데이터 센터 운영과 다양한 환경 요인을 시뮬레이션하는 데 필요한 계산 비용이 높을 수 있습니다.
◦
(추측) 실제 데이터 센터 환경과의 간극을 완전히 좁히는 데에는 한계가 있을 수 있습니다. (모델의 정확도와 실제 환경의 차이)
