کاهش میزان مصرف انرژی در مراکز نگهداری داده

نویسنده: چارلز، کیو چوی
مترجم: حبیب الله علیخانی
 
محققین و مهندسین در پی بررسی استراتژی هایی هستند که بوسیله ی آن، میزان مصرف انرژی در بخش های ذخیره سازی داده را کاهش دهند.
مراکز نگهداری اطلاعات شرکت های بزرگ مانند کمپانی گوگل و سایر شرکت های آنلاین، مقادیر قابل توجهی از انرژی الکتریسیته را مصرف می کنند. امروزه، محققین در حالی ابداع چیپ های جدید و اتخاذ استراتژی های دیگری هستند که بواسطه ی آنها بتوانند موجب صرفه جویی در مصرف در این مراکز داده ای شوند. استراتژی دیگر که در حقیقت مهندس الکترونیک، دیوید ونتزلاف (David Wentzlaff) و همکارانش در دانشگاه پرینستون، دنبال می کنند، بر اساس این مسئله استوار است که چگونه مراکز داده کمک می کنند تا استفاده کننده ها، وظایف مشابهی انجام دهند مثلا بررسی ایمیل و یا جستجو در صفحات وب. با توجه به وزارتخانه ی انرژی ایالات متحده ی آمریکا، مراکز داده ای موجود در سطح ایالات متحده که در واقع انبارهای اطلاعاتی بزرگ می باشند و شامل کامپیوترهای بزرگی می باشند، یک پنجاهم میزان مصرف الکتریسیته در سال 2014 را به خود اختصاص داده اند. این میزان از مصرف انرژی معادل مصرف انرژی در 6.4 میلیون خانه می باشد. با افزایش تقاضا برای سرویس های آنلاین، مصرف انرژی در مراکز ذخیره سازی داده، به طور قابل توجهی افزایش پیدا کرده است.
تقریباً 40 % از انرژی که در مراکز داده مصرف می شود، به منظور خنک سازی کامپیوترها، مصرف می گردد. یکی از تکنیک هایی که شرکت گوگل به منظور خنک سازی مراکز داده ای خود مورد استفاده قرار داده است، پمپ آب دریا به داخل این بخش ها می باشد؛ در حالی که ماکروسافت مراکز داده ی خود را در زیر دریا می سازد.
یکی دیگر از استراتژی هایی که محققین در حال بررسی می باشند تا بدین صورت میزان مصرف انرژی در مراکز داده را کاهش دهند، افزایش بازده این بخش ها می باشد. برای مثال، آرویند (Arvind ) و همکارانش در مرکز تکنولوژی کامپیوتر انستیتوی ماساچوست، در حال پیدا کردن راهی به منظور تغییر دادن انبارهایی هستند که در این مراکز و به منظور ذخیره سازی اطلاعات مورد استفاده قرار می گیرند. این کاهش با یک فاکتور 25 انجام می شود. آرویند می گوید: "پیش بینی من این است که این کش ها یا انبارهای ذخیره سازی، 10 % انرژی مصرفی در مراکز داده را مورد استفاده قرار می دهند".
در انبار ذخیره سازی داده در مراکز داده، از میکروچیپ های حافظه ی با دسترسی تصادفی- دینامیکی (DRAM) استفاده می شود که سرعت بالایی دارند اما گران قیمت تر هستند و مصرف انرژی بالاتری نیز دارند. آرویند و همکارانش استراتژی جدیدی توسعه داده اند که کش یا انبار آبی ( BlueCache) نامیده می شود. این تکنولوژی مشابه تکنولوژی مورد استفاده در فلش مموری ها می باشد که در واقع نسبت به تکنولوژی قبل، 5 % مصرف انرژی دارند و هزینه ی آنها نیز در حدود 10 % تکنولوژی قبل است. این بخش ها دارای دانسیته ی ذخیره سازی 100 برابر تکنولوژی قبل می باشند. جزئیات این تکنولوژی در 29 آگوست 2017 در کنفرانس ببین المللی دیتابیس های بسیار بزرگ در مونیخ، انتشار یافت.
آرویند می گوید: فلش ها از لحاظ سرعت، آهسته تر از تکنولوژی DRAM می باشند. هنوز هم محققین به این نکته اشاره می کنند که فلش ها سریع تر از انسان ها عکس العمل نشان می دهند. بنابراین، استفاده از این فلش ها می تواند موجب صرفه جویی در انرژی در این مراکز داده شود. این در حالی است که زمان تأخیر مربوط به این سیستم ها، مورد قبول می باشد.
کش آبی (BlueCache ) از یک سری تکنیک ها به منظور ایجاد رقابت پذیری سیستم خود با سیستم های کنونی DRAM استفاده می کند. برای مثال، او تعداد اندکی DRAM را به هر انبار داده ای (کش) خود اضافه می کند تا بازده آن را بالاتر ببرد. همچنین به جای تأخیر در قرائت، رایت و دیلیت نرم افزار، هر یک از این کش ها، از مدارهای نرم افزاری خاص خود برای عملیات های مربوطه، استفاده می کنند. این مسئله موجب افزایش سرعت و کاهش میزان مصرف انرژی می شود. علاوه بر این، رویه ی بسته های داده در این تکنولوژی که در حقیقت بوسیله ی خود کش انجام می شود، موجب ماکزیمم شدن بازده مربوط به ارتباطات می شود.

بیشتر بخوانید: مدیریت مصرف چیست؟


استراتژی دیگر که در حقیقت مهندس الکترونیک، دیوید ونتزلاف (David Wentzlaff) و همکارانش در دانشگاه پرینستون، دنبال می کنند، بر اساس این مسئله استوار است که چگونه مراکز داده کمک می کنند تا استفاده کننده ها، وظایف مشابهی انجام دهند مثلا بررسی ایمیل و یا جستجو در صفحات وب. معماری جدید میکروچیپ ها بوسیله ی این گروه تحقیقاتی توسعه یافته است که به آن "پیتون (Piton) گفته می شود. این معماری برای تشخیص زمانی مورد استفاده قرار می گیرد که استفاده کننده ها محاسبات و عملیات های ایده آل مشابهی انجام می دهند به نحوی که این روند ها یکی پس از دیگری، اتفاق می افتد. انجام این کار منجر به افزایش بازده انرژی مراکز داده به میزان 20 % می شود.
هر چیپ پیتون همچنین دسترسی را کنترل می کند که برنامه های رقابتی به حافظه دارند به نحوی که افزایش عملکرد به میزان 18 % مشاهده می شود. علاوه بر این، قراگیری هسته ها و پردازنده ها در یک چیپ فیزیکی نزدیک به داده ها، موجب می شود تا بازده به میزان 29 % بهبود یابد (وقتی از چیپ های 1024 هسته ای استفاده می شود).
ونتزلاف و همکارانش هم اکنون 25 هسته را بر روی یک چیپ 6 در 6 میلی متری قرار داده اند. او می گوید: "ما با این چیپ، بازی های ویدئویی انجام می دهیم". او اضافه می کند که آنها می توانند سیستم را توسعه دهند و بتوانند هزاران چیپ را به هم متصل کنند. با این کار، می توان سیستمی با میلیون ها هسته داشت. آنها همچنین طراحی پیتون را به صورت باز و آنلاین در اینترنت، قرار داده اند.
یک روش که مراکز داده ممکن است به صورت امکان پذیر، دوستدار محیط زیست شوند، در حقیقت استفاده از منابع تجدید پذیر به جای استفاده از سوخت های فصیلی، می باشد. به هر حال، تحقیقات قبلی بوسیله ی مهندسین کامپیوتر از جمله مایکل زینک و دیوید اروین در دانشگاه ماساچوست نشان می دهد که مراکز داده در حقیقت الکتریسیته ی بیشتری مصرف می کنند اگر، آنها منحصراً بر پایه ی برق خورشیدی و یا بادی کار کنند. این مسئله به دلیل این رخ می دهد که طبیعت متغیر این منابع انرژی بدین معناست که برنامه ها به صورت طولانی تر، اجرا می شوند و اجرای طولانی تر به معنای مصرف بیشتر انرژی می باشد.
اروین می گوید: هنوز هم راه هایی وجود دارد که بوسیله ی آنها، می تواند این نوسانات را کاهش داد. او می گوید: "محاسبات کاری انعطاف پذیر است. بار کاری یک مرکز داده می تواند به مرکز داده ی دیگر ارسال شود که در حقیقت تحت تابش نور خورشید است". "ما منابع خورشیدی را به عنوان بخش بزرگی از تأمین مصرف انرژی مراکز داده در آینده تصور می کنیم".
وقتی این مسئله موجب کاهش در انرژی مصرف شده بوسیله ی مراکز می شود، "استراتژی های متعددی وجود دارد که می تواند بوسیله ی افراد دنبال شود". ارویند می گوید: ما هیچکدام از این موارد را به عنوان گلوله ی نقره ای نگاه نمی کنیم اما وقتی شما همه ی موارد را در طی 5 یا 10 سال گذشته، نگاه می کنید، نتایج آنها جالب توجه می باشد".
استفاده از مطالب این مقاله با ذکر منبع راسخون، بلامانع می باشد.
منبع تحقیق :
https://www.insidescience.org