KR20150001102A - 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법 - Google Patents

가상 머신을 이용한 서버 전력 예측 장치 및 그 방법 Download PDF

Info

Publication number
KR20150001102A
KR20150001102A KR1020130073805A KR20130073805A KR20150001102A KR 20150001102 A KR20150001102 A KR 20150001102A KR 1020130073805 A KR1020130073805 A KR 1020130073805A KR 20130073805 A KR20130073805 A KR 20130073805A KR 20150001102 A KR20150001102 A KR 20150001102A
Authority
KR
South Korea
Prior art keywords
amount
power
power consumption
virtual machine
server
Prior art date
Application number
KR1020130073805A
Other languages
English (en)
Inventor
김대원
전성익
오병택
김학영
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020130073805A priority Critical patent/KR20150001102A/ko
Priority to US14/290,133 priority patent/US20150006940A1/en
Publication of KR20150001102A publication Critical patent/KR20150001102A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Power Sources (AREA)
  • Debugging And Monitoring (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 발명은 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법에 관한 것으로, 서버에 할당된 가상 머신의 초기 전력량을 산출하는 단계; 상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 단계; 일정시간 동안 상기 가상 머신의 구성요소 별 소비 전력 변화량을 산출하는 단계; 상기 가상 머신의 초기 전력량과 상기 구성요소 별 소비 전력 비율 및 상기 구성요소 별 소비 전력 변화량을 토대로 상기 가상 머신의 전체 소비 전력량을 산출하는 단계; 및 상기 서버의 초기 전력량에 상기 가상 머신의 전체 소비 전력량을 합하여 상기 서버의 전체 소비 전력량을 예측하는 단계;를 포함한다.

Description

가상 머신을 이용한 서버 전력 예측 장치 및 그 방법{METHOD AND APPARATUS FOR SERVER POWER PREDICTION USING VIRTUAL MACHINE}
본 발명은 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법에 관한 것으로, 보다 자세하게는 가상 머신을 통해 산출된 전력 예측량을 이용하여 서버의 전체 소비 전력량을 예측하기 위한 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법에 관한 것이다.
일반적으로 가장 많이 사용되는 전체 서버의 전력을 구하는 방법으로는 크게 하드디스크 레벨에서 전력을 산출하는 방법과 시뮬레이션 레벨에서 전력 산출 모델을 이용하는 방법으로 나뉠 수 있다.
하드디스크 레벨에서 전력을 산출하는 방법은 센서 또는 계측기를 이용하여 데이터의 변화량을 산출하는 방법으로 변화량을 빠르고 정확하게 산출할 수 있으나 현재 시스템에 대한 전력 산출만 가능하고 분석방법이나 미래에 대한 전력분석에 적용하기에는 어려운 단점이 있다. 또한, 이러한 방법은 전력소모량을 실시간으로 산출하기 위해서는 전력 산출 센서 장치가 서버의 동작상태에 상관없이 항상 서버에 의해서 소비되는 전력량을 감시하여야 한다. 이를 위해서는 전력산출 센서는 항상 즉, 하루 24시간 동안 동작하고 있어야 한다. 이는 오히려 서버의 전력소비량이 적고 그 사용시간이 매우 제한적인 경우에 있어서는 감시하기 위한 전력산출 센서에 의해 소비되는 소모전력이 무시할 수 없는 상태에 이르러 전력소비를 증가시키는 문제점이 있다. 이와 관련하여, 한국공개특허 10-2011-0070297호는 "전력 산출 장치 및 이를 이용한 전력 소모량 절감 방법"에 관한 기술을 개시하고 있다.
한편, 시뮬레이션 레벨에서 전력 산출 모델을 모델링하는 방법은 상세한 정보를 이용하여 분석 및 예측이 가능하여 많이 적용되고 있다. 그러나 시뮬레이션은 한 시간 이상 길게는 하루 이상의 분석 시간이 걸리는 경우가 빈번하고, 시뮬레이션의 응용 소프트웨어 변경 및 수정은 전문적인 지식을 요구하며, 경우에 따라서는 소프트웨어를 재설계함에 있어 다시 프로그래밍을 수행하고, 이를 다시 분석하는데 막대한 시간과 비용이 소요되는 문제점이 있다.
본 발명은 상기와 같은 문제점을 해결하기 위해 발명된 것으로서, 가상 머신의 구성요소 별 소비 전력 비율과 소비 전력 변화량을 이용하여 가상 머신의 전체 소비 전력량을 산출하여 서버의 전체 소비 전력량을 예측함으로써, 전력을 산출하는 하드디스크 없이도 서버의 전력 변화나 추이를 빠르게 예측할 수 있도록 하는 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법을 제공하는데 그 목적이 있다.
상기한 목적을 달성하기 위한 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 방법은 서버에 할당된 가상 머신의 초기 전력량을 산출하는 단계; 상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 단계; 일정시간 동안 상기 가상 머신의 구성요소 별 소비 전력 변화량을 산출하는 단계; 상기 가상 머신의 초기 전력량과 상기 구성요소 별 소비 전력 비율 및 상기 구성요소 별 소비 전력 변화량을 토대로 상기 가상 머신의 전체 소비 전력량을 산출하는 단계; 및 상기 서버의 초기 전력량에 상기 가상 머신의 전체 소비 전력량을 합하여 상기 서버의 전체 소비 전력량을 예측하는 단계;를 포함한다.
또한, 상기 가상 머신의 초기 전력량을 산출하는 단계; 상기 가상 머신의 초기 전력량은 상기 가상 머신이 대기상태일 때의 전력량과 상기 가상 머신이 슬립상태일 때의 전력량 및 상기 가상 머신이 유휴상태일 때의 전력량의 합으로 산출되는 것을 특징으로 한다.
또한, 상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 단계에서, 상기 가상 머신의 구성요소는 중앙처리장치, 메모리 및 하드디스크 중 적어도 어느 하나를 포함하는 것을 특징으로 한다.
또한, 상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 단계에서, 상기 구성요소 별 소비 전력 비율은 특정시간의 상기 가상 머신의 전체 소비 전력량에 대한 상기 가상 머신의 구성요소 별 소비 전력량의 비율인 것을 특징으로 한다.
또한, 일정시간 동안 상기 가상 머신의 구성요소 별 소비 전력 변화량을 산출하는 단계에서, 특정 시간에 상기 가상 머신의 구성요소 별 제1 현재 소비 전력량을 산출하는 단계; 상기 특정 시간으로부터 일정 시간 이후의 상기 가상 머신의 구성요소 별 제2 현재 소비 전력량을 산출하는 단계; 및 상기 가상 머신의 구성요소 별로 상기 제2 현재 소비 전력량에서 상기 제1 현재 소비 전력량의 차이 값에 해당하는 상기 소비 전력 변화량을 산출하는 단계;를 포함하는 것을 특징으로 한다.
또한, 상기 가상 머신의 초기 전력량과 상기 구성요소 별 소비 전력 비율 및 상기 구성요소 별 소비 전력 변화량을 토대로 상기 가상 머신의 전체 소비 전력량을 산출하는 단계에서, 상기 가상 머신의 전체 소비 전력량은 상기 구성요소 별로 산출된 상기 소비 전력 비율과 상기 소비 전력 변화량을 각각 곱한 후 합산한 값에 상기 초기 전력량을 합하여 산출되는 것을 특징으로 한다.
또한, 상기 서버의 초기 전력량에 상기 가상 머신의 전체 소비 전력량을 합하여 상기 서버의 전체 소비 전력량을 예측하는 단계에서, 상기 서버의 초기 전력량은 상기 서버가 대기상태일 때의 전력량과 상기 서버가 슬립상태일 때의 전력량 및 상기 서버가 유휴상태일 때의 전력량의 합으로 산출되는 것을 특징으로 한다.
상기한 목적을 달성하기 위한 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 장치는 서버에 할당된 가상 머신의 초기 전력량을 산출하는 초기 전력량 산출부; 상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 소비 전력 비율 산출부; 일정시간 동안 상기 가상 머신의 구성요소 별 소비 전력 변화량을 산출하는 소비 전력 변화량 산출부; 상기 가상 머신의 초기 전력량과 상기 구성요소 별 소비 전력 비율 및 상기 구성요소 별 소비 전력 변화량을 토대로 상기 가상 머신의 전체 소비 전력량을 산출하는 전체 소비 전력량 산출부; 상기 서버의 초기 전력량에 상기 가상 머신의 전체 소비 전력량을 합하여 상기 서버의 전체 소비 전력량을 예측하는 전력 예측부;를 포함하는 것을 특징으로 한다.
또한, 상기 초기 전력량 산출부는 상기 가상 머신이 대기상태일 때의 전력량과 상기 가상 머신이 슬립상태일 때의 전력량 및 상기 가상 머신이 유휴상태일 때의 전력량의 합으로 상기 가상 머신의 초기 전력량을 산출하는 것을 특징으로 한다.
또한, 상기 소비 전력 비율 산출부는 특정시간의 상기 가상 머신의 전체 소비 전력량에 대한 상기 가상 머신의 구성요소 별 소비 전력량의 비율인 상기 구성요소 별 소비 전력 비율을 산출하는 것을 특징으로 한다.
또한, 상기 소비 전력 변화량 산출부는, 특정 시간에 상기 가상 머신의 구성요소 별 제1 현재 소비 전력량을 제1 소비 전력량 산출부; 상기 특정 시간으로부터 일정 시간 이후의 상기 가상 머신의 구성요소 별 제2 현재 소비 전력량을 산출하는 제2 소비 전력량 산출부; 및 상기 가상 머신의 구성요소 별로 상기 제2 현재 소비 전력량에서 상기 제1 현재 소비 전력량의 차이 값에 해당하는 상기 소비 전력 변화량을 산출하는 변화량 산출부;를 포함하는 것을 특징으로 한다.
또한, 상기 전체 소비 전력량 산출부는 상기 구성요소 별로 산출된 상기 소비 전력 비율과 상기 소비 전력 변화량을 각각 곱한 후 합산한 값에 상기 초기 전력량을 합하여 상기 가상 머신의 전체 소비 전력량을 산출하는 것을 특징으로 한다.
또한, 상기 전력 예측부는 상기 서버가 대기상태일 때의 전력량과 상기 서버가 슬립상태일 때의 전력량 및 상기 서버가 유휴상태일 때의 전력량의 합으로 상기 서버의 초기 전력량을 산출하는 것을 특징으로 한다.
상기와 같은 구성을 갖는 본 발명에 의한 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법은 가상 머신의 구성요소 별 소비 전력 비율과 소비 전력 변화량을 이용하여 산출된 가상 머신의 전체 소비 전력량을 토대로 서버의 전체 소비 전력량을 예측함으로써, 실제 서버의 전력을 산출하는 하드디스크 없이도 서버 전체의 전력 변화나 추이를 빠르게 예측할 수 있도록 하는 효과가 있다.
도 1은 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 장치의 구성을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 장치에 채용되는 소비 전력 변화량 산출부의 세부 구성을 설명하기 위한 도면이다.
도 3은 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 방법의 순서를 설명하기 위한 도면이다.
도 4는 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 방법에서 소비 전력 변화량을 산출하는 단계를 설명하기 위한 도면이다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 가장 바람직한 실시예를 첨부 도면을 참조하여 설명하기로 한다. 우선, 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 및 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
이하에서는, 본 발명의 실시 예에 따른 가상 머신을 이용한 서버 전력 예측 방법에 대하여 첨부한 도면을 참고로 하여 상세히 설명한다.
도 1은 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 장치의 구성을 설명하기 위한 도면이고, 도 2는 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 장치에 채용되는 소비 전력 변화량 산출부의 세부 구성을 설명하기 위한 도면이다.
도 1을 참조하여 설명하면, 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 장치(100)는 크게 초기 전력량 산출부(110), 소비 전력 비율 산출부(120), 소비 전력 변화량 산출부(130), 전체 소비 전력량 산출부(140) 및 전력 예측부(150)를 포함한다.
먼저, 본 발명에 따른 가상 머신은 가상의 전력량을 산출하기 위해 할당되는 서버로, 미리 중앙처리장치의 종류, 메모리의 종류나 용량 그 외의 하드디스크 구성이 설정되어 있다. 또한, 본 발명에서 가상 머신은 필요에 따라 서버에 다수 개 할당될 수 있다.
초기 전력량 산출부(110)는 서버에 할당된 가상 머신의 초기 전력량을 산출한다. 초기 전력량 산출부(110)는 가상 머신이 대기상태(standby)일 때의 전력량과 가상 머신이 슬립상태(sleep)일 때의 전력량 및 가성 머신이 유휴상태(idle)일 때의 전력량의 합으로 산출된다.
즉, 초기 전력량 산출부(110)는 다음의 수식 1에 의해 초기 전력량을 산출한다.
[수식 1]
Figure pat00001
이때, Pstart(S)는 초기 전력량이고, Pstandby는 가상 머신이 대기상태일 때의 전력량, Psleep는 가상 머신이 슬립상태일 때의 전력량 및 Pidle는 가상 머신이 유휴상태일 때의 전력량을 나타낸다.
소비 전력 비율 산출부(120)는 가상 머신의 구성요소 별 소비 전력 비율을 개별적으로 산출한다. 즉, 소비 전력 비율 산출부(120)는 특정시간 가상 머신의 전체 소비 전력량에 대한 가상 머신의 구성요소 별 소비 전력량의 비율을 나타내는 구성요소 별 소비 전력 비율을 산출한다. 이때, 가상 머신의 구성요소는 서버의 구성요소와 마찬가지로 중앙처리장치, 메모리 및 하드디스크 중 적어도 어느 하나를 포함하고 있다. 여기서,가상 머신 한대당 차지하는 구성요소들의 소비 전력을 측정하면 전체 소비 전력의 약 70% 이상이 중앙처리장치, 메모리 및 하드디스크에 집중되어 있다. 자세하게는 중앙처리장치가 가장 많은 전력을 차지하고, 그 다음으로 많이 차지하는 구성요소는 메모리, 하드디스크 순이다.
즉, 소비 전력 비율 산출부(120)는 다음의 수식 2에 의해 소비 전력 비율을 산출한다. 즉, 수식 2에 나타나는 것처럼 소비 전력 비율(α)을 고정하고 가상 머신의 전체 소비 전력량을 측정하게 되면 특정 시간에서의 구성요소 별 소비 전력 비율이 산출된다. 이는 3차원 1차 연립 방정식의 해를 구하는 것과 동일하다.
[수식 2]
Figure pat00002
이때, Ucpu1, Umem1, Uhdd1은 제1 가상 머신의 중앙처리장치, 메모리, 하드 디스크에 대한 각각의 소비 전력 변화량, Ucpu2, Umem2, Uhdd2은 제2 가상 머신의 중앙처리장치, 메모리, 하드 디스크에 대한 각각의 소비 전력 변화량, Ucpu3, Umem3, Uhdd3은 제3 가상 머신의 중앙처리장치, 메모리, 하드 디스크에 대한 각각의 소비 전력 변화량, αcpu, αmem, αhdd는 중앙처리장치, 메모리, 하드 디스크의 소비 전력 비율, Pvm1은 제1 가상 머신의 전체 소비 전력량, Pvm2는 제2 가상 머신의 전체 소비 전력량, Pvm3은 제3 가상 머신의 전체 소비 전력량을 나타낸다.
소비 전력 변화량 산출부(130)는 일정시간 동안 가상 머신의 구성요소 별 소비 전력 변화량을 산출한다. 이를 위해, 소비 전력 변화량 산출부(130)는 도 2에 도시된 바와 같이 제1 소비 전력량 산출부(131), 제2 소비 전력량 산출부(132) 및 변화량 연산부(133)를 포함한다.
제1 소비 전력량 산출부(131)는 특정 시간에 가상 머신의 구성요소 별 제1 현재 소비 전력량을 산출한다.
제2 소비 전력량 산출부(132)는 특정 시간으로부터 일정 시간 이후의 상기 가상 머신의 구성요소 별 제2 현재 소비 전력량을 산출한다.
변화량 연산부(133)는 가상 머신의 구성요소 별로 제2 현재 소비 전력량에서 제1 현재 소비 전력량의 차이 값에 해당하는 소비 전력 변화량을 산출한다.
전체 소비 전력량 산출부(140)는 가상 머신의 초기 전력량과 구성요소 별 소비 전력 비율 및 구성요소 별 소비 전력 변화량을 토대로 가상 머신의 전체 소비 전력량을 산출한다. 즉, 전체 소비 전력량 산출부(140)는 구성요소 별로 산출된 소비 전력 비율과 소비 전력 변화량을 각각 곱한 후 합산한 값에 앞서 수학식 1을 통해 산출된 가상 머신의 초기 전력량을 합하여 가상 머신의 전체 소비 전력량을 산출한다.
즉, 전체 소비 전력량 산출부(140)는 다음의 수학식 3에 의해 전체 소비 전력량을 산출한다.
[수식 3]
Figure pat00003
이때, Pvm은 가상 머신의 전체 소비 전력량이고, Pstart,vm(S)는 가상 머신의 초기 전력량이고, αcpu?Ucpu(t)는 가상 머신의 구성요소 중 중앙처리장치에 대한 소비 전력 비율과 t 시간에서 소비 전력 변화량의 곱이고, αmem?Umem(t)는 가상 머신의 구성요소 중 메모리에 대한 소비 전력 비율과 t 시간에서 소비 전력 변화량의 곱이고, αhdd?Uhdd(t)는 가상 머신의 구성요소 중 하드 디스크에 대한 소비 전력 비율과 t 시간에서 소비 전력 변화량의 곱을 나타낸다.
전력 예측부(150)는 서버의 초기 전력량에 가상 머신의 전체 소비 전력량을 합하여 서버의 전체 소비 전력량을 예측한다.
즉, 전체 예측부(150)는 다음의 수학식 4에 의해 전체 소비 전력량을 산출한다.
[수식 4]
Figure pat00004
이때, Pserver는 서버의 전체 소비 전력량이고, Pstart,server(S)는 서버의 초기 전력량이고, Pvm1은 t 시간에서 제1 가상 머신의 전체 소비 전력량, Pvm2는 t 시간에서 제2 가상 머신의 전체 소비 전력량, Pvm3은 t 시간에서 제3 가상 머신의 전체 소비 전력량 및 Pvmn은 t 시간에서 제n 가상 머신의 전체 소비 전력량을 나타낸다.
한편, 전력 예측부(150)는 서버가 대기상태일 때의 전력량과 서버가 슬립상태일 때의 전력량 및 서버가 유휴상태일 때의 전력량의 합으로 서버의 초기 전력량을 산출한다.
즉, 전력 예측부(150)는 다음의 수학식 5에 의해 서버의 초기 전력량을 산출한다.
[수식 5]
Figure pat00005
이때, Pstart,server(S)는 초기 전력량이고, Pstandby,server는 서버가 대기상태일 때의 전력량, Psleep,server는 서버가 슬립상태일 때의 전력량 및 Pidle,server는 서버가 유휴상태일 때의 전력량을 나타낸다.
도 3은 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 방법의 순서를 설명하기 위한 도면이다.
도 3을 참조하여 설명하면, 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 방법은 앞서 설명한 가상 머신을 이용한 서버 전력 예측 장치를 이용하는 것으로 이하 중복되는 설명은 생략하기로 한다.
먼저, 서버에 할당된 가상 머신의 초기 전력량을 산출한다.(S300) S300 단계에서 초기 전력량은 가상 머신이 대기상태(standby)일 때의 전력량과 가상 머신이 슬립상태(sleep)일 때의 전력량 및 가성 머신이 유휴상태(idle)일 때의 전력량의 합으로 산출된다.
다음, 가상 머신의 구성요소 별 소비 전력 비율을 산출한다.(S310) S310 단계에서 소비 전력 비율은 구성요소 별로 특정시간 가상 머신의 전체 소비 전력량에 대한 가상 머신의 구성요소 별 소비 전력량의 비율로 산출된다.
다음, 일정시간 동안 가상 머신의 구성요소 별 소비 전력 변화량을 산출한다.(S320) S320 단계를 통해 소비 전력 변화량을 산출하는 방법은 이후 도 4에서 자세하게 설명하기로 한다.
다음, 가상 머신의 초기 전력량과 구성요소 별 소비 전력 비율 및 구성요소 별 소비 전력 변화량을 토대로 가상 머신의 전체 소비 전력량을 산출한다.(S330) S330 단계에서 전체 소비 전력량은 앞서 구성요소 별로 산출된 소비 전력 비율과 소비 전력 변화량을 각각 곱한 후 합산한 값에 가상 머신의 초기 전력량을 합하여 산출한다.
다음, 서버의 초기 전력량에 가상 머신의 전체 소비 전력량을 합하여 서버의 전체 소비 전력량을 예측한다.(S340) S340 단계에서 전체 소비 전력량은 서버의 초기 전력량에 가상 머신의 전체 소비 전력량을 합한 값으로 예측할 수 있다. 이때, 전력 예측부(150)는 서버가 대기상태일 때의 전력량과 서버가 슬립상태일 때의 전력량 및 서버가 유휴상태일 때의 전력량의 합으로 서버의 초기 전력량을 산출한다.
도 4는 본 발명에 따른 가상 머신을 이용한 서버 전력 예측 방법에서 구성요소 별 소비 전력 변화량을 산출하는 단계를 설명하기 위한 도면이다.
도 4를 참조하여 설명하면, 구성요소 별 소비 전력 변화량을 산출하는 단계는 먼저, 특정 시간 가상 머신의 구성요소 별 제1 현재 소비 전력량을 산출한다.(S400)
다음, 특정 시간으로부터 일정 시간 이후의 가상 머신의 구성요소 별 제2 현재 소비 전력량을 산출한다.(S410)
다음, 가상 머신의 구성요소 별로 상기 제2 현재 소비 전력량에서 상기 제1 현재 소비 전력량의 차이 값에 해당하는 소비 전력 변화량을 산출한다.(S420)
이처럼, 본 발명에 의한 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법은 가상 머신의 구성요소 별 소비 전력 비율과 소비 전력 변화량을 이용하여 산출된 가상 머신의 전체 소비 전력량을 토대로 서버의 전체 소비 전력량을 예측함으로써, 실제 서버의 전력을 산출하는 하드디스크 없이도 서버 전체의 전력 변화나 추이를 빠르게 예측할 수 있다.
이상에서와 같이 도면과 명세서에서 최적의 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100 ; 가상 머신을 이용한 서버 전력 예측 장치
110 ; 초기 전력량 산출부 120 ; 소비 전력 비율 산출부
130 ; 소비 전력 변화량 산출부 140 ; 전체 소비 전력량 산출부
150 ; 전력 예측부

Claims (13)

  1. 서버에 할당된 가상 머신의 초기 전력량을 산출하는 단계;
    상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 단계;
    일정시간 동안 상기 가상 머신의 구성요소 별 소비 전력 변화량을 산출하는 단계;
    상기 가상 머신의 초기 전력량과 상기 구성요소 별 소비 전력 비율 및 상기 구성요소 별 소비 전력 변화량을 토대로 상기 가상 머신의 전체 소비 전력량을 산출하는 단계; 및
    상기 서버의 초기 전력량에 상기 가상 머신의 전체 소비 전력량을 합하여 상기 서버의 전체 소비 전력량을 예측하는 단계;
    를 포함하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 방법.
  2. 제1 항에 있어서,
    상기 가상 머신의 초기 전력량을 산출하는 단계;
    상기 가상 머신의 초기 전력량은 상기 가상 머신이 대기상태일 때의 전력량과 상기 가상 머신이 슬립상태일 때의 전력량 및 상기 가상 머신이 유휴상태일 때의 전력량의 합으로 산출되는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 방법.
  3. 제1 항에 있어서,
    상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 단계에서,
    상기 가상 머신의 구성요소는 중앙처리장치, 메모리 및 하드디스크 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 방법.
  4. 제1 항에 있어서,
    상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 단계에서,
    상기 구성요소 별 소비 전력 비율은 특정시간의 상기 가상 머신의 전체 소비 전력량에 대한 상기 가상 머신의 구성요소 별 소비 전력량의 비율인 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 방법.
  5. 제1 항에 있어서,
    일정시간 동안 상기 가상 머신의 구성요소 별 소비 전력 변화량을 산출하는 단계에서,
    특정 시간에 상기 가상 머신의 구성요소 별 제1 현재 소비 전력량을 산출하는 단계;
    상기 특정 시간으로부터 일정 시간 이후의 상기 가상 머신의 구성요소 별 제2 현재 소비 전력량을 산출하는 단계; 및
    상기 가상 머신의 구성요소 별로 상기 제2 현재 소비 전력량에서 상기 제1 현재 소비 전력량의 차이 값에 해당하는 상기 소비 전력 변화량을 산출하는 단계;
    를 포함하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 방법.
  6. 제1 항에 있어서,
    상기 가상 머신의 초기 전력량과 상기 구성요소 별 소비 전력 비율 및 상기 구성요소 별 소비 전력 변화량을 토대로 상기 가상 머신의 전체 소비 전력량을 산출하는 단계에서,
    상기 가상 머신의 전체 소비 전력량은 상기 구성요소 별로 산출된 상기 소비 전력 비율과 상기 소비 전력 변화량을 각각 곱한 후 합산한 값에 상기 초기 전력량을 합하여 산출되는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 방법.
  7. 제1 항에 있어서,
    상기 서버의 초기 전력량에 상기 가상 머신의 전체 소비 전력량을 합하여 상기 서버의 전체 소비 전력량을 예측하는 단계에서,
    상기 서버의 초기 전력량은 상기 서버가 대기상태일 때의 전력량과 상기 서버가 슬립상태일 때의 전력량 및 상기 서버가 유휴상태일 때의 전력량의 합으로 산출되는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 방법.
  8. 서버에 할당된 가상 머신의 초기 전력량을 산출하는 초기 전력량 산출부;
    상기 가상 머신의 구성요소 별 소비 전력 비율을 산출하는 소비 전력 비율 산출부;
    일정시간 동안 상기 가상 머신의 구성요소 별 소비 전력 변화량을 산출하는 소비 전력 변화량 산출부;
    상기 가상 머신의 초기 전력량과 상기 구성요소 별 소비 전력 비율 및 상기 구성요소 별 소비 전력 변화량을 토대로 상기 가상 머신의 전체 소비 전력량을 산출하는 전체 소비 전력량 산출부;
    상기 서버의 초기 전력량에 상기 가상 머신의 전체 소비 전력량을 합하여 상기 서버의 전체 소비 전력량을 예측하는 전력 예측부;
    를 포함하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 장치.
  9. 제8 항에 있어서,
    상기 초기 전력량 산출부는 상기 가상 머신이 대기상태일 때의 전력량과 상기 가상 머신이 슬립상태일 때의 전력량 및 상기 가상 머신이 유휴상태일 때의 전력량의 합으로 상기 가상 머신의 초기 전력량을 산출하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 장치.
  10. 제8 항에 있어서,
    상기 소비 전력 비율 산출부는 특정시간의 상기 가상 머신의 전체 소비 전력량에 대한 상기 가상 머신의 구성요소 별 소비 전력량의 비율인 상기 구성요소 별 소비 전력 비율을 산출하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 장치.
  11. 제8 항에 있어서,
    상기 소비 전력 변화량 산출부는,
    특정 시간에 상기 가상 머신의 구성요소 별 제1 현재 소비 전력량을 제1 소비 전력량 산출부;
    상기 특정 시간으로부터 일정 시간 이후의 상기 가상 머신의 구성요소 별 제2 현재 소비 전력량을 산출하는 제2 소비 전력량 산출부; 및
    상기 가상 머신의 구성요소 별로 상기 제2 현재 소비 전력량에서 상기 제1 현재 소비 전력량의 차이 값에 해당하는 상기 소비 전력 변화량을 산출하는 변화량 산출부;
    를 포함하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 장치.
  12. 제8 항에 있어서,
    상기 전체 소비 전력량 산출부는 상기 구성요소 별로 산출된 상기 소비 전력 비율과 상기 소비 전력 변화량을 각각 곱한 후 합산한 값에 상기 초기 전력량을 합하여 상기 가상 머신의 전체 소비 전력량을 산출하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 장치.
  13. 제8 항에 있어서,
    상기 전력 예측부는 상기 서버가 대기상태일 때의 전력량과 상기 서버가 슬립상태일 때의 전력량 및 상기 서버가 유휴상태일 때의 전력량의 합으로 상기 서버의 초기 전력량을 산출하는 것을 특징으로 하는 가상 머신을 이용한 서버 전력 예측 장치.
KR1020130073805A 2013-06-26 2013-06-26 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법 KR20150001102A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130073805A KR20150001102A (ko) 2013-06-26 2013-06-26 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법
US14/290,133 US20150006940A1 (en) 2013-06-26 2014-05-29 Server power predicting apparatus and method using virtual machine

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130073805A KR20150001102A (ko) 2013-06-26 2013-06-26 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20150001102A true KR20150001102A (ko) 2015-01-06

Family

ID=52116903

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130073805A KR20150001102A (ko) 2013-06-26 2013-06-26 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법

Country Status (2)

Country Link
US (1) US20150006940A1 (ko)
KR (1) KR20150001102A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180105874A (ko) * 2017-03-16 2018-10-01 한국전자통신연구원 파워 사용량에 대한 실측을 통해 가상 머신을 선별적으로 제공하는 방법, 장치 및 시스템
KR20200059435A (ko) * 2018-11-21 2020-05-29 전자부품연구원 가상머신의 어플리케이션 중요도 평가를 통한 bmc기반 서버 전원 임계치 설정 방법

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170285722A1 (en) * 2014-08-27 2017-10-05 Samsung Electronics Co., Ltd. Method for reducing battery consumption in electronic device
US9766693B2 (en) * 2016-01-07 2017-09-19 International Business Machines Corporation Scheduling framework for virtual machine power modes
US10545560B2 (en) * 2016-10-10 2020-01-28 International Business Machines Corporation Power management and utilization detection of computing components
US11169592B2 (en) 2016-10-10 2021-11-09 International Business Machines Corporation SLA-based backup power management during utility power interruption in disaggregated datacenters
US10838482B2 (en) 2016-10-10 2020-11-17 International Business Machines Corporation SLA-based power management in disaggregated computing systems
US10819599B2 (en) 2016-10-10 2020-10-27 International Business Machines Corporation Energy consumption as a measure of utilization and work characterization in a system
US10401940B2 (en) 2016-10-10 2019-09-03 International Business Machines Corporation Power management in disaggregated computing systems
US10360077B2 (en) * 2016-10-10 2019-07-23 International Business Machines Corporation Measuring utilization of resources in datacenters
WO2019139632A1 (en) 2018-01-11 2019-07-18 Lancium Llc Method and system for dynamic power delivery to a flexible datacenter using unutilized energy sources
US11031787B2 (en) 2018-09-14 2021-06-08 Lancium Llc System of critical datacenters and behind-the-meter flexible datacenters
US11128165B2 (en) 2019-02-25 2021-09-21 Lancium Llc Behind-the-meter charging station with availability notification
US11023287B2 (en) * 2019-03-27 2021-06-01 International Business Machines Corporation Cloud data center with reduced energy consumption
CA3183109A1 (en) 2019-05-15 2020-11-19 Upstream Data Inc. Portable blockchain mining system and methods of use
US11397999B2 (en) 2019-08-01 2022-07-26 Lancium Llc Modifying computing system operations based on cost and power conditions
US11868106B2 (en) 2019-08-01 2024-01-09 Lancium Llc Granular power ramping
US10608433B1 (en) 2019-10-28 2020-03-31 Lancium Llc Methods and systems for adjusting power consumption based on a fixed-duration power option agreement
US11042948B1 (en) 2020-02-27 2021-06-22 Lancium Llc Computing component arrangement based on ramping capabilities
EP4196876A4 (en) 2020-08-14 2024-04-10 Lancium Llc PERFORMANCE-CONSCIOUS PLANNING

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4488072B2 (ja) * 2008-01-18 2010-06-23 日本電気株式会社 サーバシステム、及びサーバシステムの電力削減方法
JP5157717B2 (ja) * 2008-07-28 2013-03-06 富士通株式会社 仮想バッテリを備えた仮想マシンシステムおよび仮想バッテリを備えた仮想マシンシステム用プログラム
US8271644B2 (en) * 2009-06-18 2012-09-18 Dell Products, Lp System and method to manage information handling system resources in virtual machine infrastructure
US8862914B2 (en) * 2010-02-26 2014-10-14 Microsoft Corporation Virtual machine power consumption measurement and management
JP6056488B2 (ja) * 2013-01-15 2017-01-11 富士通株式会社 消費電力量推定装置、及び消費電力量推定方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180105874A (ko) * 2017-03-16 2018-10-01 한국전자통신연구원 파워 사용량에 대한 실측을 통해 가상 머신을 선별적으로 제공하는 방법, 장치 및 시스템
KR20200059435A (ko) * 2018-11-21 2020-05-29 전자부품연구원 가상머신의 어플리케이션 중요도 평가를 통한 bmc기반 서버 전원 임계치 설정 방법

Also Published As

Publication number Publication date
US20150006940A1 (en) 2015-01-01

Similar Documents

Publication Publication Date Title
KR20150001102A (ko) 가상 머신을 이용한 서버 전력 예측 장치 및 그 방법
US9696786B2 (en) System and method for optimizing energy consumption by processors
US8875150B2 (en) Monitoring real-time computing resources for predicted resource deficiency
JP4756675B2 (ja) コンピュータ資源のキャパシティを予測するためのシステム、方法およびプログラム
US8185428B1 (en) Method and apparatus for predicting project cost performance
US20170185132A1 (en) Method to assess energy efficiency of hpc system operated with & without power constraints
US20120185851A1 (en) Calculating virtual machine resource utilization information
Tan et al. Exploiting resource usage patterns for better utilization prediction
JP7010674B2 (ja) 電力需要予測装置、電力需要予測方法およびプログラム
JP6056488B2 (ja) 消費電力量推定装置、及び消費電力量推定方法
CN107862413A (zh) 基于马尔科夫链的预测方法和装置
US8732307B1 (en) Predictive control for resource entitlement
CN110633194B (zh) 一种硬件资源在特定环境下的性能评估方法
JP2010225133A (ja) 消費電力評価装置、電力係数作成システム、消費電力評価方法及び電力係数作成方法。
CN110245061B (zh) 计算装置、其功耗预测方法及计算机可读存储介质
EP2924580A1 (en) Operation management device and operation management method
KR20170134193A (ko) 배터리의 충전 상태를 추정하는 방법 및 그 방법을 실행하는 배터리 관리 시스템
Salinas-Hilburg et al. Unsupervised power modeling of co-allocated workloads for energy efficiency in data centers
EP2667474A2 (en) Information processing apparatus, method for processing information, and information processing system
CN103245829A (zh) 一种虚拟机功耗测量方法
JP2020076744A5 (ko)
US11669762B2 (en) Apparatus and method for forecasted performance level adjustment and modification
US20130282337A1 (en) Performance evaluation device and performance evaluation method
JP2019168800A (ja) 工程改善支援システムおよび工程改善支援方法
Stoico et al. An approach using performance models for supporting energy analysis of software systems

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid