Gerenciamento dinâmico de energia para interfaces de redes.

de Rede

Bruna Maria Justino Cruz Vilar

Dissertação de Mestrado submetida à Coordenação do Programa

de Pós-Graduação emEngenharia Elétri ada Universidade Federal

de Campina Grande- Campus de Campina Grande omo parte dos

requisitosne essáriosparaaobtençãodograudeMestreemCiên ias

no DomíniodaEngenharia Elétri a.

Áreade Con entração: Pro essamento daInformação

Angelo Perkusi h

Orientador

Saulo Oliveira Dornellas Luiz

Orientador

Campina Grande, Paraíba, Brasil

de Rede

Bruna Maria Justino Cruz Vilar

Dissertaçãode Mestrado apresentada emJulho de 2014

Angelo Perkusi h

Orientador

Saulo Oliveira Dornellas Luiz

Orientador

Antonio Mar us Nogueira Lima

Componente daBan a

JaidilsonJó daSilva

Componente daBan a

F I C I I A C A T A I . O C R A F I C A E L A B O R A D A P E L A B I B I . I O T K C A C E N T R A L I ) A U F C G

V697g

Vilar, Bruna Maria Justino Cruz.

Gerenciamento dinamico de energia para interfaces de rede / Bruna

Maria Justino Cruz Vilar. - Campina Grande, 2014.

62 f. : i l . color.

Dissertacao (Mestrado em Ciencias no Domfnio da Engcnharia Eletrica )

- Universidade Federal de Campina Grande, Centra de Engenharia Eletrica e

Informatica, 2014.

"Orientacao: Prof. Dr. Angelo Perkusich, Prof. Dr. Saulo Oliveira

Dornellas Luiz".

Referencias.

1. Gerenciamento Dinamico de Energia. 2. Dispositivos Moveis.

3. Interfaces de Rede. 1. Perkusich, Angelo. I I . Luiz, Saulo Oliveira

Dornellas. 111. Titulo.

G E R E N C I A M E N T O D I N A M I C O D E E N E R G I A P A R A I N T E R F A C E S D E R E D E S "

BRUNA MARIA JUSTINO CRUZ VILAR

DISSERTACAO APROVADA E M 29/07/2014

ANGELO PERKUSICH, D.Sc, UFCG

Orientador(a)

SAULO OLIVEIRA DORNELLASLJ0IZ, D.Sc, U F C G

Orientador(a)

JAIDILSON^OJM SILVA, D.Sc, UFCG

/^Examinador(a)

ANTONIO M A R C U ^ ^ G U E I R A LIMA, Dr., U F C G

xaminador(a)

AgradeçoaDeuse aNossa Senhora das Graças,portodas asgraças quere ebo esempre

re ebi,mesmo não sendo mere edora.

Agradeço aos meus pais, pelo amor,dedi ação, pa iên ia, uidado ezelo.

Aos meus irmãos, unhados e sobrinhos.

A Jo elma que me mostrou o aminho e não a eitou que eu fosse menos do que ela

sabiaque eu era apaz.

Ao CNPq peloapoionan eiro.

A Diego Renato,peladisponibilidade emmeajudare pelaatenção de sempre.

Aos professores Saulo Dornellas de Oliveira Luiz e Angelo Perkusi h pela

oportu-nidade,orientação,respeito, e onança emmimdepositada.

A Pablo, que está omigo desde os tempos de es ola, é meu amigo, meu amor e a

Osavanços onstantesnaste nologiasdehardware,softwares,têmtornadoossistemas

omputa ionais móveis ada vez mais ne essários nonosso dia adia. Odesenvolvimento

de apli ativos ada vez mais omplexos para esses sistemas omputa ionais, tais omo

os de edição de vídeos e jogos, exigem maior apa idade de pro essamento. O aumento

do número e da omplexidade desses apli ativos aliado à ne essidade de one tividade

om alguma interfa e de rede, impli am em maior onsumo de energia, e assim menor

autonomiada bateria.

Minimizar o onsumo de energia éum problema fundamentalno projeto de sistemas

móveis, pois afeta diretamente a vida útil da bateria. Contudo, a densidade de energia

armazenadanasbateriasnãotemaumentadonamesmataxaqueodesempenhorequerido

poressessistemasnosúltimosanos,assim,aindústriadedispositivosmóveistemrealizado

esforçospara estender aautonomiadabateriausandoe ientementeaenergiadisponível

e atendendo as demandas do usuário. Uma das té ni as bem su edidas e bastante

uti-lizada a nivel de sistema é o Geren iamento Dinâmi o de Energia (GDE). A apli ação

desta té ni a reduz a dissipação de energia desligando ou reduzindo o desempenho de

omponentesdosistema,quando osmesmosen ontram-seo iosos. Noentanto,empregar

essa té ni a também a arreta em perda de desempenho devido a sobre arga asso iada

om desligamentos e religamentos de dispositivos. Uma políti a de geren iamento

e- ientedeve,portanto,pro urarmaximizarae onomiadeenergia,mantendoapenalidade

dodesempenho dentrode limitesa eitáveis.

Palavras- have: Geren iamento Dinâmi o de Energia, Dispositivos Móveis,

The onstant advan es in software and hardware te hnologies are making mobile

om-putational systems in reasingly needed in our daily a tivities. The development of

in- reasingly omplex appli ative for these systems, like those for video editing and games,

requirehigherpro essingpower. Thein reaseinnumberand omplexityofthese

appli a-tivetogetherwith thene essityof onne tivitywithsomekindofnetworkinterfa eimply

inhigher power demand, and thus smallerbattery autonomy.

Minimizing the onsumed energy is a fundamentalproblem to the proje t of mobile

systems, be ause that ae ts dire tly the life time of the battery. However, the amount

of energy stored in the batteries is not in reasing at the same rate as the performan e

requiredby these systems inthe past few years, therefore, the industry ofmobile devi es

has dire ted eorts to extend the autonomy of batteries by using more e iently the

available energy and payingattention to the demands of the user.

One of the most su essful and used te hniques at system level is Dynami Power

Management. The usage of this te hnique redu ethe dissipation of energy turning oor

redu ing the performan e of omponents of the system, when they are onsidered idle.

However, theusageofthiste hniqueleadstolossinperforman ebe auseoftheover harge

ausedbytheshutdown andwake upofthe devi es. One managingpoliti shouldaimto

maximizethe e onomyofenergy, keepingthe penaltyofperforman eata eptablelevels.

In re ent years, mobile omputing systems, su h as laptops, smartphones and tablets,

are onsumingin reasinglyamountsof energy. The development of in reasingly omplex

appli ative for these systems, su h as videoediting and games, demand greater apa ity

of data pro essing. The in rease in number and omplexity of this appli ative,together

withthene essity ofsomekindofnetwork interfa e,implyinahigher onsumeofenergy,

therefore,smaller batteryautonomy.

Keywords: Dynami Power Management, Mobile Computing Systems,

1 Introdução 1

1.1 Motivação . . . 2

1.2 Objetivos . . . 5

1.3 Metodologia . . . 5

1.4 Organização doTexto . . . 6

2 Fundamentação Teóri a e Revisão Bibliográ a 8 2.1 Revisão Bibliográ a . . . 8

2.2 Políti asde Geren iamentode Energia . . . 9

2.2.1 Políti asde Timeout . . . 9

2.2.2 Políti asPreditivas . . . 12

2.2.3 Políti asEsto ásti as . . . 13

2.3 Sistemas Interativose Cargas de Trabalho . . . 16

3 Metodologia da Pesquisa 18 3.1 Cargas de Trabalho . . . 18

3.2 Denição doLimiar de O iosidade daInterfa e de Rede . . . 21

3.3 Políti asUtilizadas . . . 24

3.3.1 Políti a de Timeout. . . 24

3.3.2 Políti a Preditiva . . . 27

3.3.3 Políti a daCurva L . . . 28

3.4.1 Simulação daPolíti ade Timeout . . . 30

3.4.2 Simulação daPolíti aPreditiva . . . 32

3.4.3 Simulação daPolíti ada Curva L . . . 37

3.4.4 Simulação daPolíti aPreditivasem ReligamentoAutomáti o . . . 42

3.5 Curvade Pareto . . . 46

3.6 Simulação das Cargas de Trabalho Juntas . . . 47

4 Resultados Experimentais 49

4.1 Medição daTensãoe Corrente Forne idas aoNotebook . . . 49

4.2 Estudo de Caso . . . 52

4.2.1 Espe i ações dos Estados de Energiade umaInterfa e de Rede . . 52

4.2.2 Roteiro dos Experimentos . . . 55

4.3 Resultados Experimentais . . . 55

5 Con lusões 57

5.1 Trabalhos Futuros. . . 57

T

be

Break-Even Time FS Fila de Serviços

GDE Geren iamento Dinâmi o de Energia

GE Geren iador de energia

PS Provedor de Serviços

1.1 Esquema de geren iamentopara arga de trabalho edispositivo. . . 3

1.2 Ilustração das variações na potên ia média onsumida para um sistema

om GDE . . . 4

2.1 Ilustração do valor do

T

be

ne essário para ompensar a energia adi ional gerada natransição de estados. . . 9

2.2 Ilustração do valor da potên ia quando o intervalo o ioso é muito menor

que o timeout sele ionado . . . 10

2.3 Ilustração dovalorda potên iaquando ointervaloo ioso émaior ouigual

ao timeout sele ionado. . . 11

2.4 Ilustração de períodos o iosos versus períodos ativos,denominada urvaL. 13

2.5 Componentes domodelo de um sistema om geren iamento de energia. . . 14

2.6 Exemplo em adeia de Markov para um requisitante de serviços. . . 15

2.7 Ilustração dainsatisfação dousuário. . . 17

3.1 Transmissão total (download +upload)para uma argade trabalhoPessoal. 19

3.2 Transmissão total (download + upload) para uma arga de trabalho

Es- ritório. . . 20

3.3 Transmissão total (download +upload) para uma arga de trabalhoJogo. . 20

3.4 Limiar baseado natransmissãototal (download +upload)parauma arga

de trabalho. . . 21

3.5 Função usto para aseleção dolimiarde o iosidade da interfa e de rede. . 23

3.6 Curvadosperíodoso iososversusperíodosativosparaas argasdetrabalho

3.7 Relaçãoentre osvaloresde

T hreshold

ocioso

e

T hreshold

ativo

eaquantidade

de a ertos. . . 25

3.8 Diagrama de blo os para asimulação das políti as. . . 26

3.9 Curva da Potên ia média onsumida versus Timeout, para as argas de trabalhoPessoal, Es ritórioe Jogo. . . 31

3.10 Políti a Timeout: urva da Penalidade de desempenho versus Timeout, para as argas de trabalhoPessoal,Es ritório eJogo. . . 33

3.11 Políti a Timeout: urva da Potên ia média versus Penalidade de desem-penho para as argas de trabalhoPessoal, Es ritórioe Jogo. . . 34

3.12 Políti aPreditiva: urvada potên iamédia versus o parâmetro

a

,para as argas de trabalho Pessoal, Es ritórioe Jogo.. . . 35

3.13 Políti aPreditiva: urvadaPenalidadededesempenhoversusoParâmetro

a

, para as argasde trabalhoPessoal,Es ritório eJogo. . . 36

3.14 Políti aPreditiva: urvadaPotên iamédiaversus aPenalidade de desem-penho para as argas de trabalhoPessoal, Es ritórioe Jogo. . . 38

3.15 Políti a Curva L: urva da Potên ia média versus o Threshold para as argas de trabalho Pessoal, Es ritórioe Jogo.. . . 39

3.16 Políti a Curva L: urva daPenalidade de desempenho versus o Threshold para as argas de trabalhoPessoal,Es ritório eJogo. . . 40

3.17 Políti a Curva L: urva da Potên ia média versus Penalidade de desem-penho para as argas de trabalhoPessoal, Es ritórioe Jogo. . . 41

3.18 Políti aPreditivaSRA: urvadaPotên iamédiaversusoParâmetro

a

para as argas de trabalhoPessoal,Es ritório eJogo. . . 43

3.19 Políti aPreditivaSRA: urvadaPenaliadededesempenhoversusoParâmetro

a

para as argas de trabalhoPessoal, Es ritórioe Jogo. . . 44

3.20 Políti a Preditiva SRA: urva da Potên ia média versus a Penalidade de desempenho para as argas de trabalhoPessoal,Es ritório eJogo. . . 45

3.21 Curvasde Pareto para a arga de trabalhoPessoal. . . 46

3.22 Curvasde Pareto para a arga de trabalhoEs ritório. . . 47

4.1 Diagramadeblo osparamediçãodatensãoe orrenteforne idosaonotebook. 50

4.2 Diagramaelétri oparamediçãodatensãoe orrenteforne idasaonotebook

atravésdo módulo de aquisição de dados NI USB-6210. . . 50

4.3 Diagrama de blo os noprograma LabVIEW. . . 51

4.4 Painel frontalno programa LabVIEW. . . 51

4.5 Valores de tensão, orrente epotên iadaplataforma experimental.. . . 52

4.6 Taxa total de transmissão de dados para um tre ho da arga de trabalho Pessoal. . . 53

4.7 Simulação das Políti as para um tre hoda Cargade Trabalho Pessoal . . . 53

4.8 Transiçõesdosestadosdainterfa ederedeligada/desligadaedesligada/ligada, respe tivamente. . . 54

Introdução

Os avanços onstantes nas te nologias de hardware, softwares, têm tornado os sistemas

omputa ionaismóveis adavezmaisne essáriosnonossodiaadia[1℄. Odesenvolvimento

de apli ativos ada vez mais omplexospara esses sistemas omputa ionais, tais omo os

de edição de vídeos e jogos, exigem maior apa idade de pro essamento. O aumento

do número e da omplexidade desses apli ativos aliado à ne essidade de one tividade

om alguma interfa e de rede, impli am em maior onsumo de energia, e assim menor

autonomiada bateria[2℄.

Parasupriressademanda depro essamentosãoutilizadospro essadores mais

moder-nos, om altas frequên ias de pro essamentoe maior quantidadede nú leos, oque drena

a bateria mais rapidamente que pro essadores om um úni o nú leo e operando em

fre-quên iasmais baixas. [3℄.

Minimizar o onsumo de energia éum problema fundamentalno projeto de sistemas

móveis, poisafetadiretamenteavidaútildabateria. Mesmo omosavanços onseguidos

omte nologiasparabateriasnãotemsidopossívela ompanharasne essidades res entes

porenergianosúltimosanos[4,5℄. Assim, aindústriadedispositivosmóveistemrealizado

esforçospara estender aautonomiadabateriausandoe ientementeaenergiadisponível

eatendendo as demandas dousuário.

As té ni asde reduçãode onsumode energiasão lassi adasemestáti ase

dinâmi- as [6℄. As té ni as estáti as são usadas na fase de projeto; são exemplos a síntese e a

ompilação para baixo onsumo. Já as té ni as dinâmi as, denominadasGeren iamento

Dinâmi o de Energia (GDE), possibilitam a redução do onsumo de energia nesses

sis-temas em tempo de exe ução, através do desligamento ouredução da frequên ia/tensão

deoperaçãode omponentesdesistemasqueestãoo iososousub-utilizados. SegundoLu,

deenergiaparaumdadosistema ombasenasua argadetrabalho. Numdispositivo,um

geren iadordeenergia(GE)monitoraosestadosdos omponentesedosistemae ontrola

seusestadosdeenergiaatravésdeumpro edimentodenominadopolíti adegeren iamento

de energia [5℄, que de ide quais estados de operação vãoassumir os omponentes do

sis-tema[8℄.

Uma das té ni as bem su edidas e bastante utilizada no nível de sistema é o

Ge-ren iamento Dinâmi o de Energia (GDE), [9℄. A apli ação dessa té ni a propor iona

redução no onsumo de energia ao desligar ou reduzir o estado de onsumo de

ompo-nentes dosistema, quando osmesmos en ontram-se o iosos.

Muitos re ursos vêm sendo empregados na exploração de diferentes té ni as de

ge-ren iamento dinâmi o de energia. Segundo Dhiman e Rosing [10℄, as políti as de

geren- iamento dinâmi oexistentes podem ser lassi adas em políti as heurísti as e políti as

esto ásti as. Enquanto aspolíti as heuristi as são mais simplesde seremimplementadas

elas não ofere em garantias sobre a relação e onomia de energia e penalidade de

desem-penho. Políti asesto ásti assãomais omplexasdeseimplementarmasofere emgarantia

narelaçãoe onomia de energiaea penalidade de desempenho. Entretanto,essa garantia

éapenas para argas de trabalho ontantes.

Dentroda lassi açãodepolíti asheurísti as,en ontram-seaspolíti asdetimeout e

preditivas. Essaspolíti asemboramnãoapresentemgarantiasnarelaçãoentrepenalidade

de desempenho e redução no onsumo de energia, podem ter seus parâmetros

otimiza-dos de forma a apresentar um desempenho que atenda às espe i ações de penalidade e

e onomia de energia.

O emprego de qualquer té ni a de geren iamento dinâmi o de energia a arreta em

perdade desempenhodevidoàsobre argaasso iada omdesligamentosereligamentosde

dispositivos. Umapolíti ade geren iamentoe ientedeve,portanto,pro urarmaximizar

ae onomiadeenergia,mantendoapenalidadedodesempenhodentrodelimitesa eitáveis.

1.1 Motivação

Os avanços onstantes nas te nologias de hardware, softwares, têm tornado os sistemas

omputa ionais móveis ada vez mais ne essários no nosso dia a dia [1℄. Estender a

au-tonomiadas bateriastornou-senaturalmenteumgrandedesao. Um esforçosigni ativo

vem sendo investido nodesenvolvimento de baterias apazes de armazenar mais energia.

de geren iamento dinâmi o de energia alteram o estado de energia de omponentes do

sistemaque estãoo iosos,permitindoque o onsumo de energiaseja reduzido e om isso

umamaior autonomia para as baterias[10℄.

Interfa esderedeestãopresentesnamaioriados sistemas omputa ionaismóveis[12℄,

tais omo notebooks, ultrabooks, tablets e smartphones. Aumentara autonomiadas

bate-riasé ada vez mais ne essário. É possível utilizarté ni as de geren iamento de energia,

de forma a alterar o estado de energia de interfa es de rede que estejam o iosas e om

issoestender a autonomia das baterias.

O onsumo de interfa esde redeo iosasé relevante. Neveset al.[13℄apresentam um

modelo de um sistema omputa ional. Para esse modelo, foi veri ado que o dispositivo

queapresentava maior onsumo, quando ligado e o ioso, era o dispositivode rede.

A premissa fundamental para a apli abilidade de geren iadores de energia é que os

sistemas ou omponentes do sistema experimentem argas de trabalho não uniformes

durantea operaçãonormal. Cargas de trabalhonão uniformessão omuns nas interfa es

de rede namaioria dos sistemas interativos[8℄e [14℄.

Geren iamento Dinâmi o de Energia (GDE) é uma té ni a para a es olha dinâmi a

de estados de energiapara um dado sistema om base na arga de trabalho[7℄.

Um Geren iador de Energia (GE) monitora o sistema e os omponentes e ontrola

osestados de energia de ada omponentedo sistema. Esse pro edimento é hamadode

políti ade geren iamentode energia [15℄, emqueestados de energia são sele ionados em

função da arga de trabalho dosistema. Uma arga de trabalho onsiste de requisições.

Em dis os rígidos, requisições são omandos de leitura e es rita; em interfa es de rede,

são pa otes de dados enviados e re ebidos. Quando o orre uma requisição, o dispositivo

édito o upado, aso ontrário, omesmo en ontra-se o ioso [6℄.

Figura1.1: Esquema de geren iamentopara arga de trabalho edispositivo.

NaFigura1.1, éapresentadoumesquemaparao omportamentodeuma argade

rante o intervalo

T

1

e

T

4

não o orrem requisições, e por isso o dispositivo está o ioso, é nesse intervalo que o dispositivo pode ser desligado para e onomizar energia. Em

T

2

o dispositivo é desligado e em

T

4

o orre uma requisição e o dispositivo é ativado. Os intervalosde tempo

T

sd

e

T

wu

são osatrasos queodispositivolevapara desligarereligar. Para muitos dispositivos,a mudança nos estadosde energiapropor ionauma sobre arga

deenergia,oquetornaogeren iamentoumatarefa mais ompli ada,poisépre isosaber

sea e onomiagerada pelodesligamentododispositivo justi aa sobre arga de energiae

qualo impa togerado pelapenalidade de desempenho imposta aoreligar odispositivo.

Uma questão a ser onsiderada para as té ni as de geren iamento de energia é asua

e iên ia. Na Figura 1.2, é apresentado um esquema do omportamento de um sistema

submetido à té ni as de geren iamento diferentes. Em (a) é representado o

ompor-tamento de um sistema sem geren iamento de energia, em (b) o omportamento om

geren iamentode energiaidealeem( ) érepresentado o omportamentodosistemapara

um geren iamentonão ideal.

Figura1.2: Ilustração das variaçõesna potên ia média onsumida para um sistema om

GDE

Baseado nessa omparaçãoé possível fazeralgumas onsiderações:

1. se o geren iadornão identi a uma mudança de estado nodispositivo, eledeixade

agir e onsequentemente deixa-se de e onomizar energia;

tam-3. uma ter eira situação o orre, quando o geren iador desliga um dispositivo o ioso

mas nãoprevê ompre isãoomomento orretodoreligamento ausando assimuma

penalidade de desempenho.

Interfa es de rede, assim omo outros dispositivos, quando não estão atendendo

re-quisiçõesda argade trabalho,permane emligados. O onsumode umainterfa ede rede

o iosa é signi ativo [16℄. A meta de um geren iador de energia é e onomizar energia e

minimizarapenalidadede desempenho. Para esteobjetivoser al ançadoépre isoqueas

argasde trabalhosejam onhe idas e quesuas propriedadespossam ser estudadas [5℄.

1.2 Objetivos

No ontexto deste trabalho, o objetivo prin ipal é omparar té ni as de geren iamento

dinâmi ode energia para interfa es de rede, onsiderandoa minimização do onsumo de

energiae oatendimentoaos níveisde desempenho espe i ados.

Os objetivosespe í os bus ados foram:

•

analisar abordagens para o geren iamento dinâmi o de energia om fo o em inter-fa es de rede;

•

ara terizar possíveis argas de trabalhode interfa es de rede;

•

realizar experimentos de medição de potên ia para omparar várias té ni as de geren iamento dinâmi ode energia.

1.3 Metodologia

A proposta dessa dissertação é omparar políti as para o geren iamento dinâmi o de

energiaeminterfa esde rede;

Para ara terizaras argasdetrabalhoparainterfa esderede,foirealizadaaaquisição

dataxatotaldetransmissãode dados(download +upload),geradapelousode diferentes

usuários,emdiferentessistemas omputa ionais. Paratanto,foine essáriaautilizaçãode

umsoftawe pararealizaraquisiçãodastaxasde download eupload enquantoas argasde

trabalhoeram geradas. Para a ara terização dessas argas apoiou-se na ideia utilizada

pde-se denir os intervalosda arga de trabalho que onsistiam de períodos o iosos ou

ativos.

Com as argas de trabalho denidas foi possível traçar a urva L, e em seguida um

me anismode lassi ação das argas de trabalhofoi desenvolvido.

Dando ontinuidade, várias políti as para o geren iamento de energia foram

estu-dadas,apresentadas noCap 2. Nesse ponto,optou-se por investigar mais profundamente

quatro políti as: Timeout, Preditiva, Curva L e Preditiva SRA. Essas políti as foram

implementadas emum software interativo,onde pode ser omparado o desempenho das

mesmaspara as diferentes argas de trabalho apresentadas nessa dissertação. Com isso,

foipossível otimizaros parâmetrosde adauma das políti asde formaaobter valoresde

penalidade de desempenho e e onomia de energia otimizados.

Para on luir o que foi proposto ini ialmente, as políti as foram implementadas em

software, testadas em uma plataforma experimental, e através um módulo de aquisição

de dados foi possível medir a tensão e orrente que eram forne idas à plataforma. Os

experimentos foram ontrolados, um tre hoda arga de trabalho Pessoal foi es olhido, e

antes darealização dos experimentosde medição de potên ia,todoo pro esso de

simula-ção e otimização dos parâmetros foi repetido, dessa forma os resultados obtidos om as

mediçõesde potên iapuderam ser validados.

1.4 Organização do Texto

O texto está organizado em 4 apítulos, além desse apítulo introdutório, da seguinte

forma:

•

No Capítulo 2 é apresentado o on eito de geren iamento dinâmi o de energia e são mostrados alguns métodos para a apli ação de políti as de timeout, preditivas

e esto ásti as.

•

No Capítulo 3 são ara terizadas algumas argas de trabalho espe í as para in-terfa es de rede. Também são apresentadas as té ni as de geren iamento dinâmi o

de energia que foram utilizadas e são detalhadas as políti as que foram es olhidas

para a realização desse trabalho. Em seguida são apresentados os resultados das

simulaçõesrealizadas om asdiferentes políti aspara diferentes argas de trabalho

em interfa es de rede.

•

Por m, no Capítulo 5 são apresentadas as on lusões e propostas de trabalhos futuros.

Fundamentação Teóri a e Revisão

Bibliográ a

2.1 Revisão Bibliográ a

Os avanços onstantes nas te nologias de hardware, softwares, têm tornado os sistemas

omputa ionaismóveis adavez maisne essáriosnonossodiaadia[1℄. Estenderotempo

de des arga das baterias tornou-se naturalmente um grande desao. Um esforço

signi- ativo vem sendo investido no desenvolvimento de baterias apazes de armazenar mais

energia. Entretanto, os avanços nas te nologias das baterias não res e na mesma

pro-porção que a demanda por energia nos dispositivos móveis [11℄. Como alternativa, as

té ni as de geren iamento dinâmi o de energia alteram o estado de energia de

ompo-nentes do sistema que estão o iosos, permitindo que o onsumo de energia sejareduzido

eo tempo de des arga das bateriasseja prolongado [10℄.

A ideia bási ade um geren iamento de energia é quea arga de trabalho dosistema

nãoseja onstante, veri ando-se períodosativoseo iosos,portanto,seépossível

identi- aroseuestadoépossívelreduziro onsumodepotên iaapartirdealgunsme anismos,

ex:. desligamento do dispositivo que en ontra-se o ioso. No entanto, apenas desligar o

dispositivonão é su iente. Quando um dispositivo é desligadoe o orre uma soli itação

da arga de trabalhoem um urto espaço de tempo é possívelque a duração doperíodo

emque odispositivo tenha  ado desligadonão ompense o onsumo que é exigido para

efetuarseu desligamentoe religamento [18℄.

Umperíodoinativo

T

idle

édenido omooperíodoentreduasrequisições onse utivas. Para um omponente, de um modo geral, transições de estado geram onsumo adi ional

à transição de estado, o omponente pode ser olo ado em estado de hibernação ou ser

desligadoparae onomizarenergia. Assim,podemosdenirumlimiar,denominadoBr

eak-EvenTime,

T

be

,queéotempoo iosomínimone essárioparaatingiropontodeequilíbrio entre o usto de transição e de e onomia de energia[20℄. O valordo

T

be

pode ser obtido omaEquação(2.1). Umailustraçãodovalordo

T

be

ne essáriopara ompensaraenergia adi ionalgeradana transição de estados é apresentada na Figura2.1. As onstantes

E

sd

e

E

wu

, representam as energias para desligar e religar, respe tivamente, um dispositivo. Os tempos

T

sd

e

T

wu

represetam os tempos ne essários pra que um dispositivo desligue e religue, respe tivamente. A onstante

P

w

representa a potên ia média do dispositivo ligado,e

P

s

éa potên ia médiado dispositivodesligado.

P

_w

t

≥ E

sd

+ E

wu

+ P

s

(t − T

sd

− T

wu

)

t

≥

E

sd

+ E

wu

+ P

s

(T

sd

+ T

wu

)

P

w

− P

s

T

be

=

E

sd

+ E

wu

+ P

s

(T

sd

+ T

wu

)

P

_w

− P

s

(2.1)

Figura 2.1: Ilustração do valor do

T

be

ne essário para ompensar a energia adi ional geradanatransição de estados.

2.2 Políti as de Geren iamento de Energia

Algumas das políti as bási as para geren iamento de energia são: políti as de timeout,

políti aspreditivasepolíti asesto ásti as[6℄, [21℄. Estas políti astêm sido amplamente

utilizadaseserão expli adas aseguir.

2.2.1 Políti as de Timeout

Políti as de geren iamento dinâmi o de energia om base em timeout são amplamente

estáti oéumaestratégiasimplesdegeren iamentodeenergia[1℄. Quandoumdispositivo

permane e o ioso por um tempo maior que

T

be

, a políti a olo a o dispositivo em um estadode menor onsumo de energiaeodispositivovoltaàatividade quandoo orre uma

requisição da arga de trabalho. Uma políti a de timeout adaptativo modi a o valor

dotimeout de forma a otimizar o seu desempenho. Existem evidên ias que mesmo uma

políti aadaptativasimples [1℄pode apresentarum melhordesempenhoqueuma políti a

estáti a.

A políti a de timeout, [22℄, éa mais amplamenteutilizadaemmuitas apli ações, tais

omo mi ropro essadores, monitores e dis os rígidos, por ausa de sua simpli idade. O

valor do timeout pode ser xado (timeout estáti o) ou pode ser alterado ao longo do

tempo.

Vilar et al. [12℄ apresentaram uma omparação entre políti as de timeout dinâmi o

e timeout estáti o para interfa es de rede. A pesquisa realizada mostrou que a políti a

de timeout dinâmi o superava o de timeout xotanto nae onomia de energia quantona

penalidade de desempenho.

Para o aso de interfa es de rede, o objetivo de uma políti a de geren iamento de

energia ombaseemtimeout éminimizartantoo onsumodeenergiaquantoapenalidade

de desempenho ausada quando a interfa e de rede está desligada mas o usuário queria

usá-la. Nesse ontexto,Luiz etal.[17℄propuseramuma políti adinâmi ade timeout xo

para interfa es de rede, onsiderando a taxatotal de transferên ia de dados (download e

upload) e um timeout.

A potên ia média durante um intervalo o ioso

t

i

é função do timeout utilizado. Se

t

_i

é menor que o timeout, omo apresentado na Figura 2.2, o geren iador de energianão enviará o omando para desabilitar a interfa e de rede. Dessa forma, a potên ia média

onsumidaduranteointervaloo iososeráigualapotên ia orrespondenteaoestadoativo,

P

on

.

Seointervalo

t

i

émaiorouigualaovalordotimeout,

δ

,sele ionado, omoapresentado na Figura 2.3, o geren iador de energia envia o omando para desabilitar a interfa e de

rede após o timeout. A variável

T s

representa o intervalo de tempo que a interfa e leva

paradesligar,

P

on/of f

,ereligar,

P

of f /on

. Aenergiageradanopro essodedesligarereligar ainterfa e é representado por

Es

. A potên iaduranteo períodoo ioso será:

•

a potên ia dainterfa e ligada durante otimeout

P

on

•

a potên ia para desligara interfa e

P

on/of f

notempo

T

on/of f

•

a potên ia durante otempoem quea interfa e permane e desabilitada

P

of f

•

a potên ia para religara interfa e

P

of f /on

duranteo intervalode tempo

T

of f /on

.

Figura2.3: Ilustraçãodovalordapotên iaquando ointervaloo ioso émaior ouigualao

timeout sele ionado.

Portanto, onsiderando os asos mostrados nas Figuras 2.2 e 2.3 a potên ia média

durante um intervalo o ioso é dada pela Equação (2.2) e é válida para

T

s

menor que o períodode amostragem.

p

med

(δ, t

i

) =















P

on

, se

t

i

< δ

P

on

δ+E

s

t

i

+T

s

, se

t

i

= δ

P

on

δ+P

of f

(t

i

−δ−T

s

)+E

s

t

i

, se

t

i

> δ

(2.2)

Apenalidadenodesempenhotambémpodeser onsiderada. Poisseousuáriodesejar

utilizara interfa e de rede eela estiver desabilitada,o mesmo terá de esperar um tempo

de transição

T

of f /on

para poder utilizá-la. Aprobabilidade desse evento o orrer éigual a

2.2.2 Políti as Preditivas

Numa políti a preditiva, um período o ioso futuro é estimado om base nos períodos

o iosos anteriores. O objetivo disso é que não seja ne essário aguardar um período de

timeout para desligar o dispositivo. Assim, em políti as preditivas, o período de espera

pelo timeout é eliminado. Se é previsto que o dispositivo  ará o ioso por um tempo

maiorque o

T

be

, eleserá desligadoaoini iarsua inatividade[23℄. Na Figura1.1o tempo

T

₂

− T

1

seria eliminado.

Aquestão ríti aempolíti aspreditivaséprever ompre isãoqualaduraçãodo

próx-imoperíodoo ioso. É ombasenessaprevisãoqueessa políti aatua,desligandoounãoo

dispositivo. Noentanto,emsistemasemquea argadetrabalhonão é onhe idaapriori,

omoéo asode sistemas omputa ionaisde propósito geral,setempou o onhe imento

arespeito das requisições futuras na arga de trabalho. Com isso, aspolíti as preditivas

baseiam-senapremissaqueo históri ode períodos o iosos passados iráserepetir emum

futuro próximo,devido ao omportamentorepetitivo de algumasapli ações[19℄.

Em [24℄, Luprops uma políti aque é uma ombinaçãode timeout adaptativo e

sis-temasdeprevisão. Nessapolíti a,asrequisiçõesqueo orremnodis orígidosãodivididas

emsessões. Umalgoritmoprovê,a partirdo omprimentodas sessões anteriores,quando

o orreráuma novarequisição. No períodoentre requisições, não háatividade nodis o, e

éesse o momentoideal para alterar oestado de energia dodis o e onomizando energiae

minimizandopenalidades.

Outra políti a preditivautilizadabaseia-sena duração dos períodos o iosospassados

para prever a duração dos períodos o iosos futuros, hamada de Árvore de Aprendizado

Adaptativo. Essapolíti apode serapli adaemsistemasou omponentes omumnúmero

arbitráriodeestadosdebaixo onsumodeenergia,e omelaépossívelpreverqualoestado

maisindi adopara um dispositivoqueini ia um períodode inatividade. Segundo Chung

etal.[25℄,essa té ni ade geren iamentodinâmi ode energiafoiusada emdis osrígidos,

e os resultados mostraram que a mesma é onsistente e supera em termos de potên ia

onsumidae penalidade de desempenho de outras políti as preditivase de timeout.

Hwangetal.[26℄ propuseramum esquemade médiaexponen ial. Apolíti aestimaa

duraçãodopróximoperíodoo iosopelamédiaa umuladadosperíodoso iososeestimados

anteriores. A fórmulade previsão re ursivaé:

I

n+1

= a.i

n

+ (1 − a).I

n

(2.3)

o último período o ioso veri ado, e

a

∈ (0, 1)

é uma onstante. Esse esquema propõe

religamento preditivo para evitar atrasos de desempenho. A Equação (2.3) pode ser

usada para prever o próximo período o ioso, que é função do últimoperíodoo ioso e do

valor previsto passado. O parâmetro

a

ontrola o peso relativo entre o históri o re ente

e passado na previsão. Se

a

= 0

, então

I

n+1

= I

n

, ou seja, a história re ente não tem nenhum efeito sobre o valor previsto. Por outro lado, se

a

= 1

, então

I

n+1

= i

n

, e a previsão onsidera apenas operíodoo ioso mais re ente.

Segundo Lu,Benini eMi heli[6℄, existe um relaçãoentre os períodos o iosos eativos

de uma arga de trabalho. Essa relação entre os períodos formauma urva que possui a

formade

L

, omo apresentado naFigura2.4

Figura 2.4: Ilustraçãode períodos o iososversus períodos ativos,denominada urva L.

De a ordo omSrivastava[14℄, seéveri ado quepara umadada arga de trabalhoa

urva

L

éválida, é possível apli aruma té ni ade geren iamentode energiabaseada em

um threshold. Se

T

ativo

< T

thr

é assumido que o período o ioso subsequente será maior queo

T

be

e dessa formaosistemapode ser desligado. A razão dessapolíti aéque urtos períodos de atividade são frequentemente seguidos por longos períodos de o iosidade.

Claramente, a es olha do

T

T hr

é difí il. Para isso, é ne essária a análise uidadosa da urva de períodos o iosos versus períodos ativos para que se possa hegar a um valor

orreto, dessa forma, a es olha de um

T

T hr

é um método oine, ou seja, baseado na extensiva oleta e análise de dados. Além disso, tal métodonão é apli ável a uma arga

de trabalho uja a urva dos períodos ativose o iosos não possua a formade um

L

.

2.2.3 Políti as Esto ásti as

onsumo de energia é um problema de otimização esto ásti o. Para um dado tempo,

requisições hegam ao dispositivo om uma dada probabilidade e o estado do

disposi-tivo é alterado om uma outra probabilidade. A probabilidade ótima para a mudança

noestado dodispositivopode ser obtidaresolvendo um problema de otimização

esto ás-ti o. Talsoluçãoéválidaapenaspara distribuiçõesgeométri asempro essosesto ásti os

esta ionários. Há dois aminhos para generalizar esse modelo [6℄: estendê-lo para outros

modelosesto ásti ose/ouin luiro omportamentonãoesta ionário. Aprimeiraextensão

podeser al ançadautilizandomodelosdeMarkov ontínuos notempo. Asegunda

onsid-era requisições não esta ionárias. Um sistema om geren iamento de energia émodelado

por Benini et al. [8℄ omo um provedor de serviços (PS), um requisitante de serviços

(RS), uma la de serviços (FS), e um geren iador de energia (GE), omo mostrado na

Figura 2.5. O provedor de serviços pro essa as requisições de um úni o requisitante de

serviços (RS), e possui vários estados de operação, omo por exemplo: ativo, o ioso,

desligado; adaestado é ara terizadoporsua apa idadeou in apa idadede prover um

serviçoeum nívelde onsumo deenergia. Ogeren iador de energia (GE) éa unidadede

ontrole que ontrola astransições de estados de energiado provedor de serviços. É

pos-sívelquehajauma lade serviços (FS)quearmazenarequisiçõesqueaindanão puderam

ser atendidas pelo provedor de serviços, ouporque eleestá o upadoou está om taxade

serviço nula.

Figura2.5: Componentes domodelo de um sistema om geren iamento de energia.

Em uma políti a esto ásti a simples,os omponentes dosistema om geren iamento

de energia, omo apresentados na Figura 2.5, são modelados omo adeias de Markov

esta ionáriasdis retas no tempo. Assume-seque:

•

os pedidos são indistinguíveis, não havendo prioridade de serviço;

•

a lade serviços possui tamanhonito.

Ogeren iadordeenergiatomade isões omrespeitoaoprovedordeserviços ombase

t

= 0,1,2,...

. E o intervalo

h

entre dois instantes onse utivos de tempo é denominado período de amostragem.

A arga de trabalho do sistema é modelada omo um requisitante de serviços omo

denido aseguir.

Denição 1 Um requisitante de serviços (RS) é um par

(M

RS

, z(r))

emque:

• M

RS

é uma adeia de Markov esta ionária om onjunto de estados

R = {r

i

|i =

0, 1, . . . , (R − 1)}

e matriz de transição

P

RS

;

• z(r)

é uma função

z

: R → N

que representa o número de requisições lançadaspor

período pelo requisitante de serviços quando no estado

r

.

Um exemplo em adeia de Markov para um requisitante de serviços (RS) om dois

estadosé apresentado naFigura 2.6.

Figura2.6: Exemplo em adeia de Markov para um requisitante de serviços.

Denição 2 Umprovedorde serviços(PS) éumatripla

(M

P S

(a), b(s,a), c(s,a))

em que:

• M

P S

(a)

é uma adeia de Markov esta ionária ontrolável om onjunto de estados

S = {s

i

|i = 1, 2, . . . , S}

, onjunto de omandos

A = {a

i

,

|i = 1, 2, . . . , A}

e matriz

de probabilidades de transição

P

P S

_(a)

;

• b(s,a)

éumafunção

b

: S ×A → [0, 1]

, querepresentaumataxadeserviçoasso iada

a ada estado

s

∈ S

e omando

a

∈ A

. Tal taxa de serviço é a probabilidade do

provedor de serviços ompletar o atendimento de uma requisição de serviço num

período, dado que o provedor de serviços está no estado

s

e omando

a

foi passado

no iní io do período;

• c(s,a)

é uma função

c

: S × A → R

, que representa uma métri a de onsumo de

potên ia, orrente ou energia asso iada a ada estado

s

∈ S

e omando

a

∈ A

, i.e.

o onsumo (em unidades arbitrárias:

W

,

A

ou

J

) do PS num período, dado que o

Denição 3 Uma la de serviço (FS)de tamanho

Q

− 1

é uma adeia de Markov

esta- ionária ontrolável

M

F S

(a, s, r)

om onjunto de estados

Q = {q

i

|i = 0, 1, . . . , (Q − 1)}

, variável de ontrole

θ

= (a, s, r)

, onjunto de omandos

Θ = A × S × R

e matriz de

transição

P

F S

_{(a, s, r)}

. As probabilidades de transição são denidas em (2.4).

p

F S

_q

i

,q

j

(a, s, r) =



































1 − b(s,a)

, se

j

= i + z(r)

e

0 < i + z(r) < Q

b

(s,a)

, se

j

= i + z(r) − 1

e

0 ≤ i + z(r) − 1 < Q

1

, se

j

= i = 0

e

z(r) = 0

1

, se

j

= Q − 1

e

i

+ z(r) ≥ Q

0

, aso ontrário (2.4)

A partir dos modelos de adeia de Markov para o provedor, a la, e o requisitante

de serviços, é possível formular um problema de otimização de políti a que onsiste na

es olhada políti a queminimizao onsumo de energia esperadodo provedor de serviços

para uma darestriçãode penalidade e desempenho.

2.3 Sistemas Interativos e Cargas de Trabalho

Muitas políti as fo am na e onomia de energia olo ando em segundo plano o impa to

nodesempenhodosistema. Entretanto,emsistemasinterativos, onsideraro impa tono

desempenhoéprioritárioe onstituiuma tarefa difí ilquanti ar oin mododousuário,

bem omo prever as argas de trabalho [6℄.

Aanálisedodesempenhodeumsistemaemseupior asogeraatrasosnoatendimento

àsrequisiçõesda argade trabalho. Duranteaediçãodeumtexto, porexemplo,ousuário

poderiafazerperguntasdotipoQuantasvezeseutereiqueesperarduranteaediçãodesse

arquivo?. Muitos usuários ompreendem que alguns atrasos são inevitáveis, e quando

o orrem om baixa frequên ia podem ser relevados outolerados. No entanto, se atrasos

o orremfrequentemente, ainsatisfaçãodousuário res edrasti amente. YungeGiovanni

[6℄ hamam esse fenmeno de efeitode memória urta, pois usuários esque em atrasos

queo orreram amuito tempoatrás. Noentanto,se ointervalode tempoentre osatrasos

é demasiadamente urto, o usuário irá lembrar de atrasos onse utivos em um pequeno

intervalodetempoeseusentimentode insatisfaçãotenderáa res er. Consequentemente,

seo tempoentre os atraso é demasiadamentegrande,o usuáriotende a a eitar melhoro

segundo atraso. Essa relaçãoentre o intervalode tempo entre os atrasos e ainsatisfação

Figura 2.7: Ilustraçãoda insatisfaçãodousuário.

Em um determinado problema de geren iamentode energia,é interessante portanto,

bus ar um tempo

th

entre os atrasos, tal que, o usuário possa perdoar a o orrên ia de

atrasos onse utivos.

O objetivo do geren iamento dinâmi ode energia é minimizaras penalidades de

de-sempenho eo onsumo de energia. Esse objetivopodeser al ançado omum geren iador

de energia ideal, que ontemple o onhe imento do presente, passado e futuro da arga

de trabalho [5℄. No entanto, em sistemas omputa ionais de próposito geral, o

onhe i-mento futuroda argade trabalho édes onhe ido a priori. Então, é ne essário estimaro

omportamentofuturo da arga de trabalho, para que se possa tomar de isõesde

Metodologia da Pesquisa

Apremissafundamental paraseapli ar de formae ienteuma té ni ade geren iamento

dinâmi ode energia é queo sistema e seus omponentes apresentem períodos de

inativi-dadeduranteotempode exe ução. Tambéméimportantequesepossa predizer, om um

ertograu de onança, asvariaçõesna arga de trabalho[20℄.

Dependendo do sistema omputa ional e de sua arga de trabalho, políti as de

ge-ren iamentodeenergiaprojetadasutilizandoté ni asdistintaspossivelmentetem

desem-penho diferentes [27℄. Para interfa es de rede, Luiz et al. [17℄ propuseram uma políti a

dinâmi adetimeout onsiderandoolimiardataxatotal detransferên iadedados

(down-load eupload) eum timeout.

Partindo-se desse pressuposto foi realizadaaaquisição de argas de trabalhogeradas

em diferentes ambientes omputa ionais e por usuários distintos, formando dessa forma

um ban o de dados. Assim, foi omparado o desempenho de políti as simuladas para

diferentes argasde trabalho.

3.1 Cargas de Trabalho

A primeira amostra, nomeada omo Carga de Trabalho Pessoal foi obtida pelouso livre

dainterfa ede rede,de umúni ousuário,realizandoatividadesdenavegação,downloads,

uploads, om intervalos de pou a atividade e longos períodos de o iosidade da interfa e

de rede. A representação dessa arga de trabalho ao longo do tempo é apresentada na

Figura3.1.

O intervalo de amostragem da arga de uso livre Pessoal foi de

5

segundos. Foi

0

1000

2000

3000

4000

5000

0

1

2

3

4

5

6

7

8

x 10

5

Tempo(minutos)

T

a

xa

t

o

ta

l

tra

n

smi

ssã

o

(B/

s)

Carga de Trabalho Pessoal

Figura3.1: Transmissão total (download + upload)para uma arga de trabalho Pessoal.

A segunda amostra, nomeada omo Carga de Trabalho Es ritório, da mesma forma

que a primeira, foi obtida pelo uso livre da interfa e de rede. No entanto, essa arga é

omposta pelouso deváriosusuáriosemdiferentes ambientes omputa ionais, mastodos

em ambientede trabalho. A representação dessa arga de trabalhoao longo do tempo é

apresentada naFigura3.2.

O intervalo de amostragem da arga de trabalho de uso livre Es ritório foi de

1

segundo. Foi realizada a aquisição dessa arga de trabalho durante aproximadamente

2.300minutos.

A ter eiraamostra,nomeada omoCargade TrabalhoJogo, éuma argageradapela

utilizaçãode um jogo omputa ionalonline e pode ser ara terizada omo uma arga de

uso intensivo. Nessa arga de trabalho, há o uso da interfa e de rede pelo próprio jogo,

assim omo porum serviço de voz sobre IP usado para omuni ação entre os jogodores.

A representação dessa arga é apresentada naFigura 3.3.

Ointervalode amostragemda argade trabalhode usointensivoJogo foide

2

segun-dos. Foi realizada a aquisição dessa arga de trabalho durante aproximadamente 3.500

0

500

1000

1500

2000

2500

0

2

4

6

8

10

12

14

x 10

5

_{Carga de Trabalho Escritório}

Tempo(minutos)

T

a

xa

t

o

ta

l

tra

n

smi

ssã

o

(B/

s)

Figura3.2: Transmissãototal(download +upload)parauma argadetrabalhoEs ritório.

0

500

1000

1500

2000

2500

3000

3500

0

0,5

1

1,5

2

2,5

3

3,5

4

x 10

5

Tempo(minutos)

T

a

xa

t

o

ta

l

tra

n

smi

ssã

o

(B/

s)

Carga de Trabalho Jogo

3.2 Denição do Limiar de O iosidade da Interfa e de

Rede

Como apresentado no Capítulo

2

, obter o grá o dos períodos o iosos versus períodos

ativos pode ser fundamental para a implementação de determinadas políti as de

geren- iamentodeenergia. Para melhor onhe imentodastrês argasde trabalhoapresentadas

neste apítulo, foram traçados grá os dos períodos o iosos versus períodos ativos am

de se veri ar seestes possuemou não a formade um

L

.

Para tanto, é ne essário que se dena um limiar na taxa total de transmissão de

dados,para que se arme om segurança que a interfa e está ou não o iosa. Isso porque

hámomentosemqueousuárionãoestáutilizandoainterfa e,mas algunsapli ativos,por

exemplo: antivírus, podem estar exe utando algumaatualização em ba kground fazendo

om que a taxa de transmissão não seja nula. Nesse e em outros asos, o interesse é

saber quando o usuário não está utilizando e só nesse aso permitir que a políti a de

geren iamentode energiaatue. Na Figura3.4esse limiaré representado.

Figura3.4: Limiarbaseado natransmissãototal (download +upload)para uma argade

trabalho.

O limiar de o iosidade da interfa e de rede foi denido a partir de experimentos em

que o usuário informava se estava utilizando a interfa e de rede. Uma função usto,

apresentadanaEquação(3.1),foiimplementadaparadenirolimiarqueminimizeoerro

entreoestado estimadodainterfa e de rede,

a(t)

, eoestadorealinformadopelousuário,

ˆa(t)

. Para garantirqueainterfa eestáo iosaéne essárioqueolimiarsejaigualaomenor

valor al ulado om a função usto [17℄.

J

_t

0

,t

f

(τ ) =

t

f

X

t

0

=1

ε

2

(t) =

t

f

X

t

0

=1

(a(t) − ˆa(t|τ ))

2

(3.1)

om variaçõesda arga de trabalhoe foi feita aaquisição das taxasde transmissão total

download

+

upload,de formasemelhanteao pro edimento utilizadopor Luiz etal. [17℄:

•

(0 min, 1min): intervaloo ioso;

•

(1 min, 2min): abrindo um email;

•

(2 min, 3min): onversando atravésde um serviço de mensagens;

•

(3 min, 4min): intervaloo ioso om obrowser fe hado;

•

(4 min, 5min): enviando um email;

•

(5 min, 6min): fe handoo browser doemail;

•

(6 min, 7min): intervaloo ioso;

•

(7 min, 8min): arregando e assistindoum vídeo nainternet;

•

(8 min, 9min): arregando e assistindoum vídeo, om o email aberto;

•

(9 min, 11min): intervaloo ioso om obrowser fe hado;

•

(11 min, 12min): abrindoo email;

•

(12 min, 13min): intervaloo ioso om email aberto;

•

(13 min, 14min): entrando emuma rede so ial;

•

(14 min, 15min): intervaloo ioso om o browser darede so ialaberto;

•

(15 min, 16min): abrindoum site de notí ias;

•

(16 min, 18min): arregando eassistindo um vídeona Internet;

•

(18 min, 19min): intervaloo ioso;

•

(19 min, 20min): fe hando as páginasnobrowser;

•

(20 min, 24min): navegandoemuma rede so ial;

•

(24 min, 25min): intervaloo ioso;

•

(25 min, 30min): navegandoemuma página de notí ias;

•

(30 min, 32min): intervaloo ioso;

•

(37 min, 45min): páginade notí iasaberta porém om ajanelaminimizada;

Seguindo o prode imento utilizado por Luiz et al. [17℄ es olheu-se o menor valor do

limiarque minimizeuma função usto. Esse valorpode ser observado naFigura3.5.

0

2000

4000

6000

8000

10000

0

5

10

15

20

25

X: 2656

Y: 2

Limiar,L

Função Custo

Figura3.5: Função usto para aseleção dolimiarde o iosidade dainterfa e de rede.

Cada arga de trabalhofoi obtida em omputadores om espe i ações de hardware,

sistemasopera ionais e onjuntode softwares diferentes. Portanto, foramestimados

lim-iares para ada sistema omputa ional. A partir disso, foi possível traçar o grá o dos

períodos o iosos versus períodos ativos. Oresultado éapresentado na Figura3.6.

0

50

100

150

200

250

300

350

0

50

100

150

200

250

Períodos ativos (minutos)

Períodos ociosos (minutos)

Carga de Trabalho Pessoal

Carga de Trabalho Escritório

Carga de Trabalho Jogo

Threshold

_ocioso

Threshold

ativo

Figura3.6: Curva dos períodos o iososversus períodos ativospara as argasde trabalho

A partirdaobservaçãodaFigura3.6,veri a-se que adauma dastrês argasde

tra-balhoo upaumaregiãodistintanográ o. Assumindoqueolimiarnoeixodos `períodos

o iosos` seja um

T hreshold

ocioso

, e no eixo dos `períodos ativos` seja um

T hreshold

ativo

, é possível denir valores para o

T hreshold

ocioso

e

T hreshold

ativo

de forma que se possa identi ar uma arga de trabalho omo uma arga Pessoal, Es ritório ouJogo.

Para obteresse resultado variou-seo

T hreshold

ocioso

de

1

a

350

eo

T hreshold

ativo

de

1

a

350

,englobandodessa formadomenoraomaiorperíodoo iosoeativo,veri ado em ada uma das três argas de trabalho. Como é onhe ido em qual área do grá o ada

tipo de arga de trabalho en ontra-se majoritariamente, é possível denir esses limiares

levando em onsideração o maior número de a ertos. Também é interessante que esses

limiaressejam os menores possíveis. A urva que rela ionaos valores de

T hreshold

ocioso

e

T hreshold

ativo

e aquantidade de a ertosé apresentada naFigura 3.7.

Observando os resultados apresentado na Figura 3.7 é possível fazer algumas

on- lusões:

•

A quantidade máxima de a ertos possíveis seria de 639, pois existem 639 pares (intervaloativos,intervaloo ioso)apresentadosnaFigura3.6. As argasdetrabalho

estão on entradas em diferentes regiõesdo grá o, entretando, algunsraros pares

(períodoativo,períodoo ioso)apare em emáreasonde a on entração majoritária

édeumaoutra argade trabalho. Issosigni aqueaquantidademáximadea ertos

possíveisdeve ser inferior aos 639 pares.

•

Es olhendoosvaloresdo

T hreshold

ativo

= 21

edo

T hreshold

ocioso

=

13

,oper entual de a ertos émaior que

97%

.

3.3 Políti as Utilizadas

A partir do estudo realizado sobre políti as de geren iamento de energia, quatro

políti- as foram simuladas em um software a m de terem seu desempenho omparado para

diferentes argas de trabalho. Na Figura 3.8, é apresentado um diagramade blo os que

representa a simulaçãodas políti as.

3.3.1 Políti a de Timeout

tra-0

50

100

150

200

250

300

350

350

400

450

500

550

600

650

_{X: 21}

Y: 620

T

on−Threshold

(min)

Número de acertos

0

50

100

150

200

250

300

350

500

520

540

560

580

600

620

X: 13

Y: 620

T

off−Threshold

(min)

Número de acertos

Log da carga

de trabalho

Taxas de

e

upload

download

Política

Modelo de

potência

Modelo de

desempenho

Comando

Figura3.8: Diagrama de blo os para a simulação das políti as.

geren iamento dinâmi o de energia de uma interfa e de rede. A políti a foi analisada e

validada por experimentos de medição de potên ia, apresentado bons resultados quanto

adiminuiçãode potên ia onsumida.

A políti a de timeout simulada nesse trabalho é semelhante à utilizada por Luiz et

al. [17℄. A políti a foi implementada em um software interativo. O pseudo- ódigo que

representa seu fun ionamento é apresentado no Algoritmo 1. O valor do timeout é

rep-resentado por

δ

. Nesse algoritmo, a variável de entrada

taxa

orresponde a taxa total

de transmissão de dados (download + upload). A saída, representanda pela variável

comando

, refere-seao omando queserá enviadoparadesligar ainterfa e, de a ordo om

ofun ionamentoda políti a.

Algoritmo 1: AlgoritmodaPolíti ade Timeout

Dados:

δ

,

periodoOcioso

e

intervaloOcioso

Entrada:

taxa

Saída:

comando

se

taxa

≤ limiar

então

periodoOcioso

= 1

; senão

periodoOcioso

= 0

; se

periodoOcioso

== 1

então

intervaloOcioso

= intervaloOcioso + 1

; senão

intervaloOcioso

= 0

; se

intervaloOcioso > δ

então

comando

= desligar

;

Essa políti a baseia-se naes olha de um valorótimo do timeout,

δ

, em minutos, que

minimizeo onsumo de potên iamantendoapenalidadede desempenho dentrode níveis

maiorqueovalordotimeout estabele idoeoreligamentosóa onte equandoo orreuma

requisição da arga de trabalho, em outras palavras, quando o usuário deseja utilizar a

rede.

3.3.2 Políti a Preditiva

A políti a preditiva que foi simuladaé baseada na apresentada por Hwang et al. [26℄. O

fun ionamentodestapolíti a onsisteem al ularumaestimativaparaopróximoperíodo

o ioso,apartirdosperíodoso iosospassados edasestimativaspassadas. Odesligamento

da interfa e de rede o orrerá apenas quando a valor estimado para o próximo período

o ioso for maiorque o valordo break-even time,

T

be

.

A políti a estima a duração do próximo período o ioso pela média a umulada dos

períodos o iosos e estimados anteriores. A fórmulautilizadapara al ular aestimativaé

dadapelaEquação(3.2). ComoditonoCapítulo2,oparâmetro

a

podevariarentre

(0,1)

.

A interfa e só será desligada se o intervalo estimado,

I

n+1

, for maior que o

T

be

. Dessa formaa políti a garanteque ae onomia geradapelodesligamentodainterfa e ompense

oaumento do onsumo geradopela alteração de estados nainterfa e de rede.

Diferentedasdemaispolíti asutilizadasnessetrabalho,apolíti aPreditivaapresenta

umreligamentopreditivo. Porisso, essapolíti adeverá apresentarmenores valoresde

pe-nalidadede desempenhoem omparação omasdemaispolíti as. Issoporque, ainterfa e

deverá estar ativa sempre que o orrer uma requisições da arga de trabalho. Para a

im-plementaçãodessapolíti afoiutilizadaafórmulade prediçãore ursiva[26℄, representada

naEquação (3.2).

I

_n+1

= a.i

n

+ (1 − a).I

n

(3.2)

Na simulação variou-se o parâmetro

a

de

0,1

até

1

. O parâmetro

a

= 0

não foi

utilizado, pois a equação  aria reduzida a

I

n+1

= I

n

, ou seja, o valor estimado seria sempreo valorque avariável tivesse sido ini ializada.

O pseudo- ódigo que representa o fun ionamentoda políti a preditiva é apresentado

no Algoritmo 2. Nesse algoritmo, a variável de entrada

taxa

orresponde a taxa total

de transmissão de dados (download + upload). A saída, representanda pela variável

comando

, refere-se ao omando que é enviado para desligar ou religar a interfa e, de

Algoritmo 2: AlgoritmodaPolíti aPreditiva

Dados:

I

n

,

I

n+1

,

i

n

,

a

,

T

be

,

periodoOcioso

e

intervaloOcioso

Entrada:

taxa

Saída:

comando

se

taxa

≤ limiar

então

periodoOcioso

= 1

; senão

periodoOcioso

= 0

; se

periodoOcioso

== 1

então

i

n

= i

n

+ 1

; senão

i

n

= 0

;

I

n+1

= ai

n

+ (1 − a)I

n

; se

I

n+1

> T

be

então

comando

= desligar

; se

I

n+1

< intervaloOcioso

então

comando

= ligar

; 3.3.3 Políti a da Curva L

Como dito anteriormente, de a ordo om Srivastava [14℄, existe uma relação entre os

períodos o iosos e ativos. Lu e Mi heli[6℄ usaram essa relação para denir uma políti a

hamada de Políti a da Curva L. Ainda segundo Lu e Mi heli essa políti a só se apli a

à argas de trabalho ujo a urva dos períodos o iosos versus períodos ativos possua o

formato de

L

. Essa urva foi traçada para as três argas de trabalhoapresentadas nesse

apítulo,e suarepresentação éapresentadanaFigura3.6. A políti afoisimulada emum

sotware interativo. A prin ipaldiferençaentre essa políti a e asdemais, simuladas nesse

apítulo, é que na políti a da urva L os desligamentos da interfa e o orrem devido os

intervalosativosda argade trabalho, e não pelos intervaloso iosos,que é ara terísti a

das demais.

A duração do intervalo ativo é representado pela variável

T

thr

. No Algoritmo 3 é apresentado o pseudo- ódigo que representa essa políti a. Nesse algoritmo,a variávelde

entrada

taxa

orresponde a taxa total de transmissão de dados (download + upload).

A saída, representanda pela variável

comando

, refere-se ao omando que é enviado para

Algoritmo 3: AlgoritmodaPolíti ada Curva L

Dados:

periodoOcioso

,

intervaloOcioso

,

intervaloAtivo

e

T

thr

Entrada:

taxa

Saída:

comando

se

taxa

≤ limiar

então

periodoOcioso

= 1

; senão

periodoOcioso

= 0

; se

periodoOcioso

== 0

então

intervaloAtivo

= intervaloAtivo + 1

;

intervaloOcioso

= 0

; senão

intervaloOcioso

= intervaloOcioso + 1

;

intervaloAtivo

= 0

; se

intervaloAtivo

≥ T

thr

então

comando

= desligar

;

3.3.4 Políti a Preditiva sem Religamento Automáti o

Oreligamentopreditivo ara terísti o emuma políti apreditivaembora reduza a

penal-idadede desempenho pode omprometero desempenho dapolíti a no ritério `e onomia

de energia`. Isso pode o orrerem situações onde o religamentoda interfa e seja

demasi-adamente ante ipado. Nesse aso, o intervalo de tempo entre a interfa e ser religada e

a hegada de uma requisição da arga de serviço, pode ser até maior que o intervalo em

quea interfa e esteve desligada. Para veri ar odesempenho dapolíti apreditivasem o

religamentoautomáti o,foisimuladaemumsoftware interativo,umaoutrapolíti a

pred-itiva om fun ionamentosemelhanteaapresentada anteriormente, ex eto no religamento

automáti o. O pseudo- ódigo que representa o fun ionamento dessa políti a é

apresen-tado no Algoritmo 4. Nesse algoritmo, a variável de entrada

taxa

orresponde a taxa

totalde transmissãode dados(download +upload). A saída,representandapelavariável

comando

, refere-se ao omando que é enviadopara desligara interfa e, de a ordo om o

Algoritmo 4: AlgoritmodaPolíti aPreditiva

Dados:

I

n

,

I

n+1

,

i

n

,

a

,

T

be

,

periodoOcioso

e

intervaloOcioso

Entrada:

taxa

Saída:

comando

se

taxa

≤ limiar

então

periodoOcioso

= 1

; senão

periodoOcioso

= 0

; se

periodoOcioso

== 1

então

i

n

= i

n

+ 1

; senão

i

n

= 0

;

I

n+1

= ai

n

+ (1 − a)I

n

; se

I

n+1

> T

be

então

comando

= desligar

; 3.4 Simulações

Apartirdos estudossobreogeren iamentodinâmi ode energia,e onhe endo três argas

de trabalho distintas, foi possível implementar em um ambiente de simulação, políti as

de geren iamento de energia para interfa es de rede, e dessa formarealizar as primeiras

omparações entre osdesempenhosde ada políti a para ada arga de trabalho.

3.4.1 Simulação da Políti a de Timeout

Paraa implementaçãode umapolíti adetimeout,es olheu-se apolíti ajáimplementada

e validada por Luiz et al. [17℄. A políti a foi otimizadade forma a ontemplar o ál ulo

do

T

be

.

Na Figura 3.9 são apresentados os grá os da potên ia média onsumida versus o

timeout paraastrês argasdetrabalhoutilizadas. Paraastrês argasdetrabalho

veri a-seque quantomaior o valordo timeout maior ovalordapotên ia média onsumida.

Na Figura 3.10 são apresentados os grá os da Penalidade de desempenho versus o

Timeout paraastrês argasde trabalhoutilizadas. Astrês argasdetrabalhoapresentam

um omportamento semelhante. Quanto maior o valor do timeout, menor a penalidade

0

5

10

15

20

25

30

13,4

13,5

13,6

13,7

13,8

13,9

14

14,1

Timeout(minutos)

Po

tê

n

ci

a

mé

d

ia

(W

)

Carga de Trabalho (Pessoal)

0

5

10

15

20

25

30

13,85

13,9

13,95

14

14,05

14,1

14,15

14,2

14,25

14,3

Timeout(minutos)

Po

tê

n

ci

a

mé

d

ia

(W

)

Carga de Trabalho (Escritório)

0

5

10

15

20

25

30

13,4

13,5

13,6

13,7

13,8

13,9

14

Timeout(minutos)

Po

tê

n

ci

a

mé

d

ia

(W

)

Carga de Trabalho (Jogo)

Figura 3.9: Curva da Potên ia média onsumida versus Timeout, para as argas de

visível naCarga de Trabalho Es ritórionaFigura3.10. Como essa arga é ara terizada

por urtos períodos de o iosidade, a es olha de um timeout maior de que 23 minutos já

impli aemnenhumdesligamento. Consequentementeapenalidaddededesempenhonesse

aso ézero.

Na Figura 3.11 são apresentados os grá os da Potên ia média versus a Penalidade

de desempenho para as três argas de trabalhoutilizadas.

Para as três argas, a penalidade de desempenho aumenta a medida que o valor de

timeout diminui. Issoo orrepoisquantomenoréovalordotimeout,maioréonúmerode

vezesemqueainterfa epodeserdesligada. Deformageral,a argadetrabalhoEs ritório

apresenta maiores valores de penalidade de desempenho quando omparada às demais.

Isso o orre pelo fato dessa arga de trabalho apresentar urtos períodos de o iosidade,

essa ara terísti a pode ser observada naFigura 3.6 devido à lo alizaçãodessa arga de

trabalho. Com isso, a políti a atua om maior frequên ia e no entanto não e onomiza

tanto quantoas demais.

3.4.2 Simulação da Políti a Preditiva

Para a simulação da políti a preditiva,o parâmetro

a

foi variado de 0.1 até 1. Quanto

maioréo

a

, maioréopesoatribuídoaoúltimoperíodoo iosoe onsequentementemenor

éo peso atribuídoaos períodos o iososestimados. O ontráriotambéméverdadeiro.

Na Figura3.12 são apresentados osgrá osdapotên iamédiaversus oparâmetro

a

,

para astrês argas de trabalho utilizadas.

Para a arga de trabalhoPessoal, veri a-se que,à medidaque o parâmetro

a

res e

apotên iamédia onsumidatambém res e. Issomostraquepara essa arga de trabalho

os períodos o iosos passados são signi ativos para a previsão do período o ioso futuro.

Já para a arga de trabalho Jogo, o ontrário é veri ado. Se desprezarmos os períodos

o iosos passados e onsiderarmos apenas o último período o ioso, o desempenho dessa

políti aésuperior. A argadetrabalhoes ritórioapresentaum omportamentoumpou o

diferente das demais. Nessa o melhor valor do parâmetro

a

é

0,6

o que de erta forma

mostra que todos os períodos o iosos passados inuen iam no período o ioso futuro. É

importanteressaltarqueaqualidadedaestimaçãodosparâmetrosnãoestásendorealizada

om relação aos erros de estimação, mas sim emrelação a uma medida indireta,que é a

potên iamédia.

Na Figura 3.13 são apresentados os grá os da Penalidade de desempenho versus o