Évaluation et modélisation de l’impact énergétique des centres de donnée en fonction de l’architecture matérielle/ logicielle et de l’environnement associé

Evaluating and modeling the energy impacts of data centers, in terms of hardware / software architecture and associated environment

• Auteur / Autrice : Yewan Wang
• Direction : Jean-Marc Menaud, Stéphane Le Masson, David Nörtershauser
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 09/03/2020
• Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Software Stack for Massively Geo-Distributed Infrastructures - Département Automatique, Productique et Informatique - Laboratoire des Sciences du Numérique de Nantes
• Partenaire(s) de recherche : Entreprise : Orange (Firme)
• Jury : Président / Présidente : Romain Rouvoy
• Jury : Examinateurs / Examinatrices : Stéphane Le Masson, David Nörtershauser, Noël de Palma, Anne-Cécile Orgerie, Patricia Stolf, Hamid Gualous
• Jury : Rapporteurs / Rapporteuses : Romain Rouvoy, Noël de Palma

Mots clés

Mots clés contrôlés

Ordinateurs

Centres de traitement informatique

Économies d'énergie

Modélisation des données (informatique)

Consommation d'énergie

Mots clés libres

Modélisation du consommation énergétique

Efficacité énergétique

Variabilité des processeurs

Effet thermique

Energy consumption modeling

Energy efficiency

Processor variability

Thermal Effect

Résumé

Depuis des années, la consommation énergétique du centre de donnée a pris une importance croissante suivant une explosion de demande dans cloud computing. Cette thèse aborde le défi scientifique de la modélisation énergétique d’un centre de données, en fonction des paramètres les plus importants. Disposant d’une telle modélisation, un opérateur pourrait mieux repenser / concevoir ses actuels / futurs centre de données. Pour bien identifier les impacts énergétiques des matériels et logiciels utilisés dans les systèmes informatiques. Dans la première partie de la thèse, nous avons réaliser un grand nombre évaluations expérimentales pour identifier et caractériser les incertitudes de la consommation d’énergie induite par les éléments externes : effets thermiques, différencesentre des processeurs identiques causées par un processus de fabrication imparfait, problèmes de précision issus d’outil de mesure de la puissance, etc. Nous avons terminé cette étude scientifique par le développement d’une modélisation global pour un cluster physique donné, ce cluster est composé par 48 serveurs identiques et équipé d’un système de refroidissement à expansion à direct, largement utilisé aujourd’hui pour les datacenters modernes. La modélisation permet d’estimer la consommation énergétique globale en fonction des configurations opérationnelles et des données relatives à l’activité informatique, telles que la température ambiante, les configurations du système de refroidissement et la charge des serveurs.

For years, the energy consumption of the data center has dramatically increased followed by the explosion of demand in cloud computing. This thesis addresses the scientific challenge of energy modeling of a data center, based on the most important variables. With such modeling, an data center operator will be able to better reallocate / design the current / future data centers. In order to identify the energy impacts of hardware and software used in computer systems. In the first part of the thesis, to identify and characterize the uncertainties of energy consumption introduced by external elements: thermal effects, difference between identical processors caused by imperfect manufacturing process, precision problems resulting from power measurement tool, etc. We have completed this scientific study by developing a global power modeling for a given physical cluster, this cluster is composed by 48 identical servers and equipped with a direct expansion cooling system, conventionally used today for modern data centers. The modeling makes it possible to estimate the overall energy consumption of the cluster based on operational configurations and data relating to IT activity, such as ambient temperature, cooling system configurations and server load.