En informática, la proporcionalidad de la energía es una medida de la relación entre la energía consumida en un sistema informático y la velocidad a la que se realiza el trabajo útil (su utilización, que es una medida del rendimiento ). Si el consumo total de energía es proporcional a la utilización de la computadora, entonces se dice que la máquina es proporcional a la energía. [1] Dicho de manera equivalente, para una computadora proporcional de energía idealizada, la energía total por operación (una medida de eficiencia energética ) es constante para todas las cargas de trabajo y condiciones de operación posibles.
El concepto fue propuesto por primera vez en 2007 por los ingenieros de Google Luiz André Barroso y Urs Hölzle , quienes instaron a los arquitectos informáticos a diseñar servidores que fueran mucho más eficientes energéticamente para el entorno del centro de datos . [1]
La computación proporcional de energía es actualmente un área de investigación activa y se ha destacado como un objetivo de diseño importante para la computación en la nube . [2] Quedan muchos desafíos técnicos en el diseño de computadoras proporcionales de energía. Además, el concepto de proporcionalidad de la energía no está inherentemente restringido a la informática. Aunque se han realizado innumerables avances en la eficiencia energética en disciplinas distintas de la informática, no se han evaluado rigurosamente en términos de su proporcionalidad energética.
Antecedentes en sostenibilidad energética
La energía sostenible es el ideal de que la sociedad debe satisfacer sus necesidades energéticas sin afectar negativamente a las generaciones futuras, y que varias organizaciones, gobiernos e individuos han estado defendiendo. Para alcanzar este ideal, se requieren mejoras de eficiencia en tres aspectos del ecosistema energético:
Dado que nuestra necesidad de generación y almacenamiento de energía está impulsada por nuestra demanda, las formas más eficientes de consumir energía pueden impulsar grandes mejoras en la sostenibilidad energética. Los esfuerzos en el consumo de energía sostenible se pueden clasificar en un nivel alto en las tres categorías siguientes:
- Reciclar : captura y recupera la energía desperdiciada para hacer más trabajo, que de otro modo se perdería en forma de calor.
- Reutilización : Amortice el costo de generación, almacenamiento y entrega de energía compartiendo la energía y su infraestructura entre diferentes cargas.
- Reducir : Reducir la demanda de energía haciendo más trabajo con menos energía (mejorar la eficiencia del consumo), o no hacer el trabajo en absoluto cambiando el comportamiento.
Muchos esfuerzos para hacer que el consumo de energía sea más sostenible se centran en el tema de "reducir" para cargas de trabajo dinámicas e impredecibles (que se encuentran comúnmente en la informática). Esto se puede considerar como gestión de energía . Estos esfuerzos se pueden agrupar en dos enfoques generales, que no son específicos de la informática, pero que se aplican comúnmente en ese dominio:
- Apagado inactivo : esta técnica aprovecha las brechas en la demanda de carga de trabajo para apagar los componentes que están inactivos. Cuando se apagan, los componentes no pueden realizar ningún trabajo útil. Los problemas exclusivos de este enfoque son: (1) cuesta tiempo y energía hacer la transición entre los estados de apagado activo e inactivo, (2) no se puede realizar ningún trabajo en el estado apagado, por lo que se debe realizar el encendido para manejar un solicitud, y (3) predecir los períodos de inactividad y adaptarse adecuadamente eligiendo el estado de energía correcto en cualquier momento es difícil.
- Escalado de rendimiento activo : a diferencia de inactivo-apagado, este enfoque permite que el trabajo se realice en cualquier estado, todos los cuales se consideran activos, pero con diferentes compensaciones de potencia / rendimiento. Por lo general, los modos más lentos consumen menos energía. Los problemas exclusivos de este enfoque son: (1) es difícil determinar qué combinación de estados es la más eficiente desde el punto de vista energético para una aplicación, y (2) las mejoras en la eficiencia energética no suelen ser tan lucrativas como las de los modos inactivos de apagado. .
En la práctica, ambos tipos de enfoques se utilizan comúnmente y se combinan.
Motivación por la proporcionalidad energética
Hasta aproximadamente 2010, [3] las computadoras estaban lejos de ser proporcionales a la energía [1] [4] por dos razones principales. Un problema crítico es la alta potencia estática, [1] [4] lo que significa que la computadora consume una cantidad significativa de energía incluso cuando está inactiva. La alta potencia estática es común en los servidores debido a sus optimizaciones de arquitectura, circuitos y fabricación que favorecen un rendimiento muy alto en lugar de una potencia baja. Una potencia estática alta en relación con la potencia máxima cargada da como resultado un rango dinámico bajo , una proporcionalidad de energía pobre y, por lo tanto, una eficiencia muy baja en utilizaciones bajas a medias. [1] [4] Esto puede ser aceptable para cargas de trabajo y sistemas informáticos tradicionales de alto rendimiento , que intentan extraer la máxima utilización posible de las máquinas, donde son más eficientes. Sin embargo, en los centros de datos modernos que ejecutan aplicaciones de computación en la nube populares y a gran escala , los servidores pasan la mayor parte de su tiempo alrededor del 30% de utilización y rara vez funcionan con la carga máxima, [1] [4] que es un punto de operación muy ineficiente en energía para servidores típicos.
La segunda razón principal es que los diversos estados operativos del hardware para la administración de energía pueden ser difíciles de usar de manera efectiva. Esto se debe a que los estados de baja potencia más profundos tienden a tener una latencia de transición y costos de energía mayores que los estados de baja potencia más ligeros. Para cargas de trabajo que tienen ráfagas de actividad frecuentes e intermitentes, como consultas de búsqueda web, esto evita el uso de estados de energía más bajos sin incurrir en sanciones de latencia significativas, que pueden ser inaceptables para la aplicación. [1] [4]
El hardware de computadora proporcional a la energía podría resolver este problema al ser eficiente en niveles de utilización medios, además de un rendimiento máximo eficiente y estados inactivos (que pueden permitirse el uso de modos de suspensión profunda de bajo consumo). Sin embargo, lograr este objetivo requerirá muchas innovaciones en arquitectura de computadoras, microarquitectura y quizás circuitos y tecnología de fabricación. El beneficio final sería una mayor eficiencia energética, lo que permitiría un hardware informático más barato, el aprovisionamiento de centros de datos, los costos de los servicios públicos de energía y el costo total de propiedad (TCO) general. [4]
Investigación en computación proporcional de energía
Desde el artículo de 2007 de Barroso y Hölzle en IEEE Computer , [1] muchos investigadores han comenzado a abordar el problema de la computación proporcional de energía en una variedad de formas y en diferentes componentes.
UPC
La CPU fue el primer y más obvio lugar en el que los investigadores se centraron en la eficiencia energética y el bajo consumo de energía. Esto se debe a que tradicionalmente ha sido el mayor consumidor de energía en las computadoras. Debido a muchas innovaciones en tecnología de bajo consumo, dispositivos, circuitos, microarquitectura y automatización del diseño electrónico, las CPU de hoy en día han mejorado mucho en cuanto a eficiencia energética. [1] [4] Esto ha llevado a una situación en la que las CPU ya no dominan el consumo de energía en una computadora.
Algunos ejemplos más conocidos de las muchas innovaciones en la eficiencia energética de la CPU incluyen los siguientes:
- Puerta de reloj : [5] [6] [7] La distribución de reloj a unidades funcionales enteras en el procesador está bloqueada, ahorrando energía dinámica de la carga y descarga capacitiva de puertas y cables síncronos.
- Puerta de alimentación : [7] [8] Todas las unidades funcionales del procesador se desconectan de la fuente de alimentación, consumiendo así de forma efectiva cero energía.
- Múltiples dominios de voltaje: [7] Se suministran diferentes porciones del chip desde diferentes reguladores de voltaje, de modo que cada uno puede controlarse individualmente para escalar o activar la fuente de alimentación.
- Diseños de voltaje de umbral múltiple : diferentes transistores en el diseño utilizan diferentes voltajes de umbral para optimizar el retardo y / o la potencia.
- Escalado de frecuencia dinámica (DFS) : la frecuencia de reloj del procesador se ajusta estática o dinámicamente para lograr diferentes compensaciones de potencia / rendimiento.
- Escalado dinámico de voltaje (DVS) : el voltaje de suministro del procesador se ajusta estática o dinámicamente para lograr diferentes compensaciones de potencia / confiabilidad / rendimiento.
- Escalado dinámico de voltaje / frecuencia (DVFS): [9] Tanto el voltaje como la frecuencia se varían dinámicamente para lograr mejores compensaciones de potencia / rendimiento que las que pueden proporcionar DFS o DVS por sí solos.
Tenga en cuenta que todas las innovaciones anteriores para el consumo de energía de la CPU precedieron al artículo de Barroso y Hölzle sobre la proporcionalidad de la energía. Sin embargo, la mayoría de ellos ha contribuido con alguna combinación de los dos tipos amplios de administración de energía mencionados anteriormente, a saber, el apagado en reposo y el escalado activo del rendimiento. Estas innovaciones han hecho que las CPU escalen su potencia relativamente bien en relación con su utilización, lo que las convierte en los componentes de hardware de computadora con mayor proporción de energía. [1] [4] A diferencia de las CPU, la mayoría de los demás componentes de hardware de la computadora carecen de controles de administración de energía, especialmente aquellos que permiten escalar el rendimiento activo. [1] Las CPU se promocionan como un buen ejemplo de ingeniería informática proporcional a la energía que otros componentes deberían esforzarse por emular. [1]
Memoria
La memoria fue citada como uno de los principales componentes del sistema que tradicionalmente ha sido muy desproporcionado en cuanto a energía. [1] [4] La memoria tiende a tener una potencia estática relativamente alta debido a los recuentos y densidades de transistores extremadamente altos. Además, debido a que la memoria a menudo se deja inactiva debido a cargas de trabajo compatibles con la memoria caché o al bajo uso de la CPU, una gran proporción del uso de energía se debe al componente de energía estática.
Tradicionalmente, el escalado dinámico de voltaje y frecuencia en la memoria DRAM principal no ha sido posible debido a limitaciones en los estándares DDR JEDEC . Sin embargo, estas limitaciones existen porque la sabiduría convencional en el diseño de memorias es que se necesitan grandes márgenes de diseño para un buen rendimiento bajo las peores variaciones del proceso de fabricación, fluctuaciones de voltaje y cambios de temperatura. [10] Por lo tanto, escalar el voltaje y la frecuencia, que se hace comúnmente en las CPU, se considera difícil, poco práctico o demasiado riesgoso para que la corrupción de datos se aplique en las memorias.
No obstante, dos grupos de investigación propusieron recientemente DVFS para la interfaz de bus de memoria DDR3 de forma independiente en 2011 [11] [12] para escalar la potencia de la memoria con el rendimiento. Debido a que el voltaje y la frecuencia del bus de memoria son independientes de los tiempos y voltajes internos de la DRAM, el escalado de esta interfaz no debería tener ningún efecto sobre la integridad de la celda de memoria. Además, David et al. afirman que su enfoque mejora la proporcionalidad de la energía porque el bus de memoria consume mucha energía estática que es independiente de la utilización del bus. [12]
Otro grupo de investigación propuso cambiar el ancho de banda de la memoria por menos energía por bit y modos inactivos de menor energía en los servidores mediante el uso de DRAM LPDDR2 de clase móvil. [13] Esto aumentaría la proporcionalidad de la energía de la memoria sin afectar el rendimiento de las cargas de trabajo del centro de datos que no son sensibles al ancho de banda de la memoria. [13] El mismo grupo también propuso rediseñar la interfaz DDR3 para soportar mejor la memoria del servidor proporcional a la energía sin sacrificar el ancho de banda máximo. [14]
Redes
Las redes se enfatizan como un componente clave que es muy desproporcionado en energía y contribuye a una pobre proporcionalidad de energía a nivel de clúster y centro de datos, [1] [4] especialmente cuando otros componentes en un servidor y centro de datos se vuelven más proporcionales en energía. [15] La razón principal por la que no son proporcionales a la energía es porque los elementos de la red están siempre encendidos convencionalmente [15] debido a la forma en que se diseñan los protocolos de enrutamiento y la imprevisibilidad del tráfico de mensajes. Claramente, los enlaces no se pueden cerrar por completo cuando no están en uso debido al impacto adverso que esto tendría en los algoritmos de enrutamiento (los enlaces se considerarían defectuosos o faltantes, lo que causaría problemas de equilibrio de carga y ancho de banda en la red más grande). Además, las penalizaciones por latencia y energía en las que normalmente se incurre al cambiar el hardware a modos de bajo consumo probablemente degradarían tanto el rendimiento general de la red como quizás la energía. Por lo tanto, como en otros sistemas, la proporcionalidad de energía de las redes requerirá el desarrollo de características de escalado de rendimiento activo, que no requieren estados inactivos de apagado para ahorrar energía cuando la utilización es baja. [1] [15]
En los últimos años, los esfuerzos en redes ecológicas se han centrado en Ethernet de bajo consumo energético (incluido el estándar IEEE 802.3az) y muchas otras tecnologías cableadas e inalámbricas. Un tema común es la reducción de energía general por baja potencia inactiva y baja potencia pico, pero su evaluación en términos de proporcionalidad de energía en los niveles de enlace, conmutador, enrutador, clúster y sistema es más limitada. La velocidad de enlace adaptable [16] es un método popular para enlaces de red conscientes de la energía.
Algunos autores [15] han propuesto que para hacer que las redes de centros de datos sean más proporcionales a la energía, los elementos de enrutamiento necesitan un mayor rango dinámico de potencia. Propusieron el uso de la topología de mariposa aplanada en lugar de la red Clos plegada común que se usa en los centros de datos (también conocida como árbol gordo ) para mejorar la eficiencia energética general y utilizar velocidades de enlace adaptativas para ajustar la potencia del enlace en relación con la utilización. [17] También proponen predecir la utilización futura del enlace para escalar las velocidades de datos con anticipación. [15]
No obstante, para que las redes sean más proporcionales a la energía, es necesario realizar mejoras en varios niveles de abstracción. [dieciséis]
Almacenamiento y bases de datos
El almacenamiento de datos es otra categoría de hardware que tradicionalmente ha sido muy desproporcionada en cuanto a energía. [1] [4] Aunque las tecnologías de almacenamiento no son volátiles , lo que significa que no se requiere energía para retener los datos, la interfaz de los dispositivos de almacenamiento generalmente se enciende para el acceso a pedido. Por ejemplo, en los discos duros , aunque los datos se almacenan en un estado magnético no volátil, el disco normalmente se mantiene girando a RPM constantes , lo que requiere una potencia considerable. Esto se suma a la electrónica de estado sólido que mantiene las comunicaciones con el resto del sistema informático, como la interfaz Serial ATA que se encuentra comúnmente en las computadoras.
Una técnica emergente común para el almacenamiento de datos proporcional y consciente de la energía es la consolidación , es decir, que los datos deben agregarse a menos nodos de almacenamiento [18] [19] cuando las demandas de rendimiento son bajas. Sin embargo, esta no es una tarea trivial y no resuelve el problema fundamental de la desproporcionalidad energética dentro de un solo servidor. Para ello, se necesitan innovaciones en el diseño de hardware a nivel de unidad de almacenamiento individual. Incluso las unidades de estado sólido (SSD) modernas fabricadas con memoria flash han mostrado signos de desproporcionalidad energética. [20]
Las bases de datos son un tipo común de carga de trabajo para los centros de datos y tienen requisitos únicos que dificultan el uso de estados inactivos de bajo consumo. Sin embargo, para las bases de datos que "no comparten nada", algunos han propuesto un escalado dinámico de las bases de datos, ya que los "nodos débiles" se activan y desactivan a pedido. [20] Afortunadamente, los investigadores han afirmado que para estas bases de datos que no comparten nada, la arquitectura con mayor eficiencia energética es también la de mayor rendimiento. [21] Sin embargo, este enfoque no aborda la necesidad fundamental de proporcionalidad energética a nivel de componentes individuales, sino que se aproxima a la proporcionalidad energética a nivel agregado. [20]
Infraestructura del centro de datos: fuentes de alimentación y refrigeración
Las fuentes de alimentación son un componente crítico de una computadora e históricamente han sido muy ineficientes en términos de energía. Sin embargo, las fuentes de alimentación modernas a nivel de servidor están logrando una eficiencia energética superior al 80% en una amplia gama de cargas, aunque tienden a ser menos eficientes en usos bajos. [22] Sin embargo, como las cargas de trabajo en los centros de datos tienden a utilizar servidores en el rango bajo a medio, [1] esta región de la operación es ineficiente para las fuentes de alimentación del servidor y las fuentes de alimentación ininterrumpida (UPS) a escala de centro de datos . [23] Se necesitan innovaciones para que estos suministros sean mucho más eficientes en la región típica de operación. [4]
Al igual que las fuentes de alimentación, la refrigeración a nivel de servidor y de centro de datos tiende a ser más eficiente con cargas elevadas. [4] La coordinación de la administración de energía del servidor de los componentes tradicionales junto con la refrigeración activa es fundamental para mejorar la eficiencia general. [24]
Nivel de centro de datos y sistema
Quizás la mayoría de los esfuerzos en proporcionalidad energética se han dirigido a la escala del sistema, el clúster y el centro de datos. Esto se debe a que las mejoras en la proporcionalidad de la energía agregada se pueden lograr en gran medida con la reorganización del software, lo que requiere cambios mínimos en el hardware subyacente. [4] Sin embargo, esto se basa en el supuesto de que una carga de trabajo puede escalar hacia arriba y hacia abajo en varios nodos de forma dinámica en función de la demanda agregada. Muchas cargas de trabajo no pueden lograr esto fácilmente debido a la forma en que los datos se pueden distribuir entre los nodos individuales, o la necesidad de compartir datos y comunicarse entre muchos nodos incluso para atender una sola solicitud. Tenga en cuenta que se puede lograr la proporcionalidad de la energía agregada con este esquema incluso si los nodos individuales no son proporcionales a la energía [24] [25]
Se han propuesto varias aplicaciones, middleware, SO y otros tipos de enfoques de equilibrio de carga de software para permitir la proporcionalidad de energía agregada. Por ejemplo, si las cargas de trabajo individuales están contenidas por completo dentro de las máquinas virtuales (VM), las VM se pueden migrar a través de la red a otros nodos en tiempo de ejecución a medida que se realizan la consolidación y el equilibrio de carga. [25] Sin embargo, esto puede generar retrasos y costos de energía significativos, por lo que la frecuencia de la migración de VM no puede ser demasiado alta.
Los investigadores han propuesto mejorar los estados inactivos de bajo consumo de energía de los servidores y las latencias de activación / desactivación entre los modos activo e inactivo, porque este es un objetivo de optimización más fácil que el escalado de rendimiento activo. [22] Si los servidores pudieran activarse y apagarse con una granularidad de tiempo muy fina, entonces el servidor se volvería proporcional a la energía, incluso si la energía activa es constante en todos los usos.
Otros han propuesto centros de datos híbridos, [26] como KnightShift, [27] de manera que las cargas de trabajo se migren dinámicamente entre hardware de alto rendimiento y hardware de bajo consumo en función de la utilización. Sin embargo, existen muchos desafíos técnicos de hardware y software para este enfoque. Estos pueden incluir el soporte de hardware y software para computación heterogénea , infraestructura de energía y datos compartidos, y más.
Un estudio de 2011 sostiene que el hardware proporcional de energía es mejor para mitigar las ineficiencias energéticas de la hinchazón del software , un fenómeno frecuente en la informática. [28] Esto se debe a que los componentes de hardware particulares que obstaculizan el rendimiento general de la aplicación dependen de las características de la aplicación, es decir, qué partes están infladas. Si los componentes sin cuello de botella son muy desproporcionados en términos de energía, entonces el impacto general del exceso de software puede hacer que el sistema sea menos eficiente. Por esta razón, la proporcionalidad de la energía puede ser importante en una amplia gama de aplicaciones de hardware y software, no solo en la configuración del centro de datos.
Referencias
- ^ a b c d e f g h i j k l m n o p q Barroso, LA; Hölzle, U. (2007). "El caso de la computación proporcional a la energía" . Computadora . 40 (12): 33–37. doi : 10.1109 / mc.2007.443 .
- ^ Armbrust, M .; Stoica, I .; Zaharia, M .; Fox, A .; Griffith, R .; Joseph, AD; Katz, R .; Konwinski, A .; Lee, G .; Patterson, D .; Rabkin, A. (2010). "Una vista de la computación en nube" . Comunicaciones de la ACM . 53 (4): 50. doi : 10.1145 / 1721654.1721672 .
- ^ Barroso, Luiz André; Clidaras, Jimmy; Hölzle, Urs (2013). El centro de datos como computadora: Introducción al diseño de máquinas a escala de almacén, segunda edición . Morgan Claypool. pag. 80. doi : 10.2200 / S00516ED2V01Y201306CAC024 . ISBN 9781627050098. S2CID 26474390 .
- ^ a b c d e f g h yo j k l m n Barroso, LA; Hölzle, U. (2009). "El centro de datos como computadora: una introducción al diseño de máquinas a escala de almacén" . Conferencias de síntesis sobre arquitectura informática . 4 (1): 1–108. doi : 10.2200 / s00193ed1v01y200905cac006 .
- ^ V. Tiwari, D. Singh, S. Rajgopal, G. Mehta, R. Patel y F. Baez, "Reducing power in high-performance microprocessors", en Actas de la 35a conferencia anual sobre la conferencia de automatización del diseño - DAC ' 98. Nueva York, Nueva York, Estados Unidos: ACM Press, mayo de 1998, págs. 732–737. [En línea]. Disponible: http://dl.acm.org/citation.cfm?id=277044.277227
- ^ Q. Wu, M. Pedram y X. Wu, "Clock-gating y su aplicación al diseño de circuitos secuenciales de baja potencia", IEEE Transactions on Circuits and Systems I: Fundamental Theory and Applications , vol. 47, no. 3, págs. 415–420, marzo de 2000. [En línea]. Disponible: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=841927
- ^ a b c N. HE Weste y DM Harris, Diseño CMOS VLSI: Una perspectiva de circuitos y sistemas, 4ª ed. Addison-Wesley, 2011.
- ^ Z. Hu, A. Buyuktosunoglu, V. Srinivasan, V. Zyuban, H. Jacobson y P. Bose, "Técnicas de microarquitectura para la activación de las unidades de ejecución", en Actas del simposio internacional de 2004 sobre electrónica y diseño de baja potencia. - ISLPED '04. Nueva York, Nueva York, EE. UU .: ACM Press, agosto de 2004, pág. 32. [En línea]. Disponible: http://dl.acm.org/citation.cfm?id=1013235.1013249
- ^ S. Herbert y D. Marculescu, "Análisis de escalado dinámico de voltaje / frecuencia en multiprocesadores de chips", en Actas del simposio internacional de 2007 sobre electrónica y diseño de baja potencia - ISLPED '07. Nueva York, Nueva York, Estados Unidos: ACM Press, 2007, págs. 38–43. [En línea]. Disponible: http://portal.acm.org/citation.cfm?doid=1283780.1283790
- ^ Gupta, P .; Agarwal, Y .; Dolecek, L .; Dutt, N .; Gupta, RK; Kumar, R .; Mitra, S .; Nicolau, A .; Rosing, TS; Srivastava, MB; Swanson, S .; Sylvester, D. (2013). "Computación poco diseñada y oportunista en presencia de variabilidad de hardware". Transacciones IEEE sobre diseño asistido por computadora de circuitos y sistemas integrados . 32 (1): 8-23. CiteSeerX 10.1.1.353.6564 . doi : 10.1109 / tcad.2012.2223467 .
- ^ Q. Deng, D. Meisner, L. Ramos, TF Wenisch y R. Bianchini, "MemScale: modos activos de bajo consumo de energía para la memoria principal" ACM SIGPLAN Notices, vol. 46, no. 3, págs. 225–238, febrero de 2011. [En línea]. Disponible: http://doi.acm.org/10.1145/1961296.1950392
- ^ a b H. David, C. Fallin, E. Gorbatov, UR Hanebutte y O. Mutlu, "Gestión de la energía de la memoria a través del escalado dinámico de voltaje / frecuencia", en Actas de la octava conferencia internacional ACM sobre computación autónoma - ICAC '11 . Nueva York, Nueva York, EE. UU .: ACM Press, junio de 2011, p. 31. [En línea]. Disponible: http://dl.acm.org/citation.cfm?id=1998582.1998590
- ^ a b Malladi, KT; Lee, BC; Nothaft, FA; Kozyrakis, C .; Periyathambi, K .; Horowitz, M. (2012). "Hacia una memoria de centro de datos proporcional a la energía con DRAM móvil". ACM SIGARCH Computer Architecture News . 40 (3): 37. CiteSeerX 10.1.1.365.2176 . doi : 10.1145 / 2366231.2337164 .
- ^ KT Malladi, I. Shaeffer, L. Gopalakrishnan, D. Lo, BC Lee y M. Horowitz, "Repensar los modos de energía DRAM para la proporcionalidad de la energía", en el 45º Simposio internacional anual IEEE / ACM de 2012 sobre microarquitectura. IEEE, diciembre de 2012, págs. 131-142. [En línea]. Disponible: http://dl.acm.org/citation.cfm?id=2457472.2457492
- ^ a b c d e Abts, D .; Marty, MR; Wells, PM; Klausler, P .; Liu, H. (2010). "Redes de centros de datos proporcionales a la energía". ACM SIGARCH Computer Architecture News . 38 (3): 338. CiteSeerX 10.1.1.308.136 . doi : 10.1145 / 1816038.1816004 .
- ^ a b Bianzino, AP; Chaudet, C .; Rossi, D .; Rougier, J.-L. (2012). "Una encuesta de investigación sobre redes verdes". Encuestas y tutoriales de comunicaciones de IEEE . 14 (1): 3-20. arXiv : 1010.3880 . doi : 10.1109 / surv.2011.113010.00106 .
- ^ Shu, G .; Choi, WS; Saxena, S .; Kim, SJ; Talegaonkar, M .; Nandwana, R .; Elkholy, A .; Wei, D .; Nandi, T. (1 de enero de 2016). 23.1 Un transceptor síncrono de fuente de 16Mb / sa 8Gb / s de 14.1 a 5.9pJ / b que usa DVFS y encendido / apagado rápido en CMOS de 65nm . 2016 IEEE International Solid-State Circuits Conference (ISSCC) . págs. 398–399. doi : 10.1109 / ISSCC.2016.7418075 . ISBN 978-1-4673-9466-6.
- ^ H. Amur, J. Cipar, V. Gupta, GR Ganger, MA Kozuch y K. Schwan, "Almacenamiento proporcional de energía robusto y flexible", en Actas del primer simposio ACM sobre computación en la nube - SoCC '10. Nueva York, Nueva York, EE. UU .: ACM Press, junio de 2010, p. 217. [En línea]. Disponible: http://dl.acm.org/citation.cfm?id=1807128.1807164
- ^ A. Verma, R. Koller, L. Useche y R. Rangaswami, "SRCMap: almacenamiento proporcional de energía mediante consolidación dinámica", en FAST'10 Actas de la octava conferencia de USENIX sobre tecnologías de archivo y almacenamiento. Asociación USENIX, febrero de 2010, pág. 20. [En línea]. Disponible: http://dl.acm.org/citation.cfm?id=1855511.1855531
- ^ a b c T. Härder, V. Hudlet, Y. Ou y D. Schall, "¡La eficiencia energética no es suficiente, se necesita la proporcionalidad energética!" en Talleres DASFAA, ser. Lecture Notes in Computer Science, J. Xu, G. Yu, S. Zhou y R. Unland, Eds., Vol. 6637. Berlín, Heidelberg: Springer Berlin Heidelberg, 2011, págs. 226-239. [En línea]. Disponible: https://doi.org/10.1007%2F978-3-642-20244-5
- ^ D. Tsirogiannis, S. Harizopoulos y MA Shah, "Análisis de la eficiencia energética de un servidor de base de datos", en Actas de la conferencia internacional de 2010 sobre gestión de datos - SIGMOD '10. Nueva York, Nueva York, EE. UU .: ACM Press, junio de 2010, p. 231. [En línea]. Disponible: http://dl.acm.org/citation.cfm?id=1807167.1807194
- ^ a b Meisner, D .; Gold, BT; Wenisch, TF (2009). "PowerNap: eliminación de la energía inactiva del servidor". ACM SIGARCH Computer Architecture News . 37 (1): 205. doi : 10.1145 / 2528521.1508269 .
- ^ S. Greenberg, E. Mills y B. Schudi, "Mejores prácticas para centros de datos: lecciones aprendidas de la evaluación comparativa de 22 centros de datos", Laboratorio Nacional Lawrence Berkeley, Tech. Rep., 2006.
- ^ a b N. Tolia, Z. Wang, M. Marwah, C. Bash, P. Ranganathan y X. Zhu, "Entrega de proporcionalidad energética con sistemas no proporcionales a la energía - Optimización del conjunto", 2008. [En línea]. Disponible: https://www.usenix.org/legacy/event/hotpower08/tech/full\_papers/tolia/tolia\_html/ [ enlace muerto permanente ]
- ^ a b X. Zheng y Y. Cai, "Lograr la proporcionalidad de la energía en los clústeres de servidores", Revista internacional de redes informáticas (IJCN), vol. 1, no. 2, págs. 21–35, 2010.
- ^ Chun, B.-G .; Iannaccone, G .; Iannaccone, G .; Katz, R .; Lee, G .; Niccolini, L. (2010). "Un caso de energía para los centros de datos híbridos". Revisión de sistemas operativos ACM SIGOPS . 44 (1): 76. CiteSeerX 10.1.1.588.2938 . doi : 10.1145 / 1740390.1740408 .
- ^ D. Wong y M. Annavaram, "KnightShift: Escalar el muro de proporcionalidad de energía a través de la heterogeneidad a nivel de servidor", en el 45º Simposio internacional anual IEEE / ACM de 2012 sobre microarquitectura. IEEE, diciembre de 2012, págs. 119–130. [En línea]. Disponible: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=6493613
- ^ S. Bhattacharya, K. Rajamani, K. Gopinath y M. Gupta, "La interacción de la hinchazón del software, la proporcionalidad de la energía del hardware y los cuellos de botella del sistema", en Actas del cuarto taller sobre sistemas y computación con reconocimiento de energía - HotPower '11 . Nueva York, Nueva York, EE. UU.: ACM Press, octubre de 2011, págs. 1–5. [En línea]. Disponible: http://dl.acm.org/citation.cfm?id=2039252.2039253