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 ServiçosGDE 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. . . 92.2 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
eT hreshold
ativo
eaquantidadede 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.. . . 353.13 Políti aPreditiva: urvadaPenalidadededesempenhoversusoParâmetro
a
, para as argasde trabalhoPessoal,Es ritório eJogo. . . 363.14 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. . . 433.19 Políti aPreditivaSRA: urvadaPenaliadededesempenhoversusoParâmetro
a
para as argas de trabalhoPessoal, Es ritórioe Jogo. . . 443.20 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
eT
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. EmT
2
o dispositivo é desligado e emT
4
o orre uma requisição e o dispositivo é ativado. Os intervalosde tempoT
sd
eT
wu
são osatrasos queodispositivolevapara desligarereligar. Para muitos dispositivos,a mudança nos estadosde energiapropor ionauma sobre argadeenergia,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, preditivase 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 ode 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 ionalà 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 valordoT
be
pode ser obtido omaEquação(2.1). UmailustraçãodovalordoT
be
ne essáriopara ompensaraenergia adi ionalgeradana transição de estados é apresentada na Figura2.1. As onstantesE
sd
eE
wu
, representam as energias para desligar e religar, respe tivamente, um dispositivo. Os temposT
sd
eT
wu
represetam os tempos ne essários pra que um dispositivo desligue e religue, respe tivamente. A onstanteP
w
representa a potên ia média do dispositivo ligado,eP
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 umarequisição 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. Set
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 médiaonsumidaduranteointervaloo 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 derede após o timeout. A variável
T s
representa o intervalo de tempo que a interfa e levaparadesligar,
P
on/of f
,ereligar,P
of f /on
. Aenergiageradanopro essodedesligarereligar ainterfa e é representado porEs
. A potên iaduranteo períodoo ioso será:•
a potên ia dainterfa e ligada durante otimeoutP
on
•
a potên ia para desligara interfa eP
on/of f
notempoT
on/of f
•
a potên ia durante otempoem quea interfa e permane e desabilitadaP
of f
•
a potên ia para religara interfa eP
of f /on
duranteo intervalode tempoT
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
, set
i
< δ
P
on
δ+E
s
t
i
+T
s
, set
i
= δ
P
on
δ+P
of f
(t
i
−δ−T
s
)+E
s
t
i
, set
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 a2.2.2 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 tempoT
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 propõereligamento 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 entee passado na previsão. Se
a
= 0
, entãoI
n+1
= I
n
, ou seja, a história re ente não tem nenhum efeito sobre o valor previsto. Por outro lado, sea
= 1
, entãoI
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 naFigura2.4Figura 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 emum threshold. Se
T
ativo
< T
thr
é assumido que o período o ioso subsequente será maior queoT
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 valororreto, 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 argade 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 intervaloh
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 estadosR = {r
i
|i =
0, 1, . . . , (R − 1)}
e matriz de transiçãoP
RS
;
• z(r)
é uma funçãoz
: R → N
que representa o número de requisições lançadasporperíodo 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 estadosS = {s
i
|i = 1, 2, . . . , S}
, onjunto de omandosA = {a
i
,
|i = 1, 2, . . . , A}
e matrizde probabilidades de transição
P
P S
(a)
;
• b(s,a)
éumafunçãob
: S ×A → [0, 1]
, querepresentaumataxadeserviçoasso iadaa ada estado
s
∈ S
e omandoa
∈ A
. Tal taxa de serviço é a probabilidade doprovedor de serviços ompletar o atendimento de uma requisição de serviço num
período, dado que o provedor de serviços está no estado
s
e omandoa
foi passadono iní io do período;
• c(s,a)
é uma funçãoc
: S × A → R
, que representa uma métri a de onsumo depotên ia, orrente ou energia asso iada a ada estado
s
∈ S
e omandoa
∈ A
, i.e.o onsumo (em unidades arbitrárias:
W
,A
ouJ
) do PS num período, dado que oDenição 3 Uma la de serviço (FS)de tamanho
Q
− 1
é uma adeia de Markovesta- ionária ontrolável
M
F S
(a, s, r)
om onjunto de estadosQ = {q
i
|i = 0, 1, . . . , (Q − 1)}
, variável de ontroleθ
= (a, s, r)
, onjunto de omandosΘ = A × S × R
e matriz detransição
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)
, sej
= i + z(r)
e0 < i + z(r) < Q
b
(s,a)
, sej
= i + z(r) − 1
e0 ≤ i + z(r) − 1 < Q
1
, sej
= i = 0
ez(r) = 0
1
, sej
= Q − 1
ei
+ 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 deatrasos 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. Foi0
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 períodosativos 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 essárioqueolimiarsejaigualaomenorvalor 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 umT hreshold
ativo
, é possível denir valores para oT hreshold
ocioso
eT 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
de1
a350
eoT hreshold
ativo
de1
a350
,englobandodessa formadomenoraomaiorperíodoo iosoeativo,veri ado em ada uma das três argas de trabalho. Como é onhe ido em qual área do grá o adatipo 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 argasdetrabalhoestão 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 olhendoosvaloresdoT hreshold
ativo
= 21
edoT hreshold
ocioso
=13
,oper entual de a ertos émaior que97%
.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 entradataxa
orresponde a taxa totalde transmissão de dados (download + upload). A saída, representanda pela variável
comando
, refere-seao omando queserá enviadoparadesligar ainterfa e, de a ordo omofun ionamentoda políti a.
Algoritmo 1: AlgoritmodaPolíti ade Timeout
Dados:
δ
,periodoOcioso
eintervaloOcioso
Entrada:
taxa
Saída:
comando
se
taxa
≤ limiar
entãoperiodoOcioso
= 1
; senãoperiodoOcioso
= 0
; seperiodoOcioso
== 1
entãointervaloOcioso
= intervaloOcioso + 1
; senãointervaloOcioso
= 0
; seintervaloOcioso > δ
entãocomando
= desligar
;Essa políti a baseia-se naes olha de um valorótimo do timeout,
δ
, em minutos, queminimizeo 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 oT
be
. Dessa formaa políti a garanteque ae onomia geradapelodesligamentodainterfa e ompenseoaumento 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
de0,1
até1
. O parâmetroa
= 0
não foiutilizado, 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 totalde 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, deAlgoritmo 2: AlgoritmodaPolíti aPreditiva
Dados:
I
n
,I
n+1
,i
n
,a
,T
be
,periodoOcioso
eintervaloOcioso
Entrada:taxa
Saída:
comando
se
taxa
≤ limiar
entãoperiodoOcioso
= 1
; senãoperiodoOcioso
= 0
; seperiodoOcioso
== 1
entãoi
n
= i
n
+ 1
; senãoi
n
= 0
;I
n+1
= ai
n
+ (1 − a)I
n
; seI
n+1
> T
be
entãocomando
= desligar
; seI
n+1
< intervaloOcioso
entãocomando
= ligar
; 3.3.3 Políti a da Curva LComo 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 nesseapítulo,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 variáveldeentrada
taxa
orresponde a taxa total de transmissão de dados (download + upload).A saída, representanda pela variável
comando
, refere-se ao omando que é enviado paraAlgoritmo 3: AlgoritmodaPolíti ada Curva L
Dados:
periodoOcioso
,intervaloOcioso
,intervaloAtivo
eT
thr
Entrada:taxa
Saída:
comando
se
taxa
≤ limiar
entãoperiodoOcioso
= 1
; senãoperiodoOcioso
= 0
; seperiodoOcioso
== 0
entãointervaloAtivo
= intervaloAtivo + 1
;intervaloOcioso
= 0
; senãointervaloOcioso
= intervaloOcioso + 1
;intervaloAtivo
= 0
; seintervaloAtivo
≥ T
thr
entãocomando
= 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 taxatotalde transmissãode dados(download +upload). A saída,representandapelavariável
comando
, refere-se ao omando que é enviadopara desligara interfa e, de a ordo om oAlgoritmo 4: AlgoritmodaPolíti aPreditiva
Dados:
I
n
,I
n+1
,i
n
,a
,T
be
,periodoOcioso
eintervaloOcioso
Entrada:taxa
Saída:
comando
se
taxa
≤ limiar
entãoperiodoOcioso
= 1
; senãoperiodoOcioso
= 0
; seperiodoOcioso
== 1
entãoi
n
= i
n
+ 1
; senãoi
n
= 0
;I
n+1
= ai
n
+ (1 − a)I
n
; seI
n+1
> T
be
entãocomando
= desligar
; 3.4 SimulaçõesApartirdos 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. Quantomaioréo
a
, maioréopesoatribuídoaoúltimoperíodoo iosoe onsequentementemenoréo 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 eapotên 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
é0,6
o que de erta formamostra 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