Команда ученых из Южно-Калифорнийского университета и Калифорнийского университета в Сан-Диего (США) предложила использовать концепцию смещенных во времени (предварительных / отложенных) вычислений для сокращения энергопотребления дата-центров. Согласно оценкам исследователей, данный подход позволяет сократить затраты на электроэнергию для нужд центров обработки данных на целых 30%.

Если компьютеры используют электроэнергию ради выполнения вычислений, могут ли хранимые данные являться формой хранимой энергии? Почему бы не использовать вычисления при создании энергохранилища? Данными вопросами задались ученые-компьютерщики, предложив концепцию “информационной батареи”, подробно изложив идеи в статье, опубликованной на официальном сайте Южно-Калифорнийского университета.

Исследователи предлагают выполнять определенные вычисления заранее, когда электроэнергия предлагается по более низкой стоимости. Например, когда светит солнце / дует ветер, и можно использовать солнечные батареи / ветряки, генерирующие электричество в избыточных количествах. Результаты вычислений предлагается кэшировать для использования в будущем. Прелесть системы в отсутствии необходимости использовать специализированное оборудование, что минимизирует дополнительные расходы.

“Информационная батарея” может создаваться с применением уже существующих центров обработки данных. Незначительную вычислительную мощность следует зарезервировать для менеджера “информационной батареи”, управляющего планированием как вычислительных задач в реальном времени, так и предварительных вычислений.

Следует выделить кластер физических серверов / виртуальных машин для предварительных вычислений. Кэш “информационной батареи”, в котором агрегируются результаты подобных предварительных вычислений, надлежит хранить локально для быстрого поиска. Никакой дополнительной инфраструктуры не требуется.

Рассматриваемая концепция подходит для решения далеко не всех возможных вычислительных задач. Но во многих дата-центрах данных определенные нагрузки можно спрогнозировать наперед с достаточной точностью, выполнить и кэшировать для последующего извлечения результатов в нужный момент.

Например, поставщики медиа-контента вроде Netflix могут получать исходное видео в одном формате, а затем перекодировать его, чтобы оптимизировать для воспроизведения на различных устройствах. Данный процесс не всегда жестко зависит от конкретного дедлайна.

Аналогичным образом при обучении алгоритмов искусственного интеллекта / машинном обучении исследователи могут ставить в очередь обучающие данные и позволять менеджеру “информационной батареи” решать, когда проводить обучение. Google уже несколько лет использует подобную систему в стремлении сократить выбросы углекислого газа, генерируемые инфраструктурой ЦОД. Но, как и следовало ожидать, подробностей о проекте поискового гиганта в открытом доступе пока что крайне мало.

Менеджер / диспетчер “информационной батареи” в некотором роде имитирует планировщики задач, интегрированные в операционные системы ПК / смартфонов. Там планировщики оптимизируют поток данных, проходящих через центральный процессор и иные микросхемы, чтобы обеспечить бесперебойную работу и рациональное использование ресурсов. В зависимости от задачи и требований к системе планировщик может обеспечивать максимально быструю реакцию интерфейса на вводимые пользователем данные или может отдавать приоритет максимально оперативному завершению ресурсоемкого задания.

В случае “информационной батареи” менеджер оптимизирует нагрузку, исходя из стоимости электроэнергии и наличия задач, которые можно выполнить заблаговременно. Менеджер состоит из трех основных частей: механизма прогнозирования цен, механизма предварительного расчета и планировщика.

Чтобы определить, какие задачи выполнять, менеджер анализирует информацию, поступающую от механизмов прогнозирования цен и предварительного расчета. Механизм прогнозирования цен использует нейросеть для подготовки прогнозов будущих цен на электроэнергию, тогда как механизм предварительного расчета использует иную нейронную сеть для прогнозирования будущих вычислительных потребностей.

В модели, созданной американскими учеными для проверки жизнеспособности предложенной концепции, менеджер “информационной батареи” опрашивал операторов электросети каждые пять минут (наименьший временной интервал, предложенный операторами), чтобы проверить текущую цену на электроэнергию для обоснования прогнозов . Когда цены опускались ниже установленного порога, менеджер давал “зеленый свет” пакету вычислений и кэшировал результаты “на потом”.

Система оказалась довольно эффективной с точки зрения снижения потребности в дорогостоящей электроэнергии из центральной сети. Причем добиваться положительного эффекта удавалось, как отмечают авторы проекта, даже когда механизм предварительных вычислений относительно плохо предсказывал, какие задачи потребуются в ближайшем будущем.

Авторы отмечают, что в типичном гипермасштабном центре обработки данных мощностью 100 МВт рабочие нагрузки удается прогнозировать примерно на 90 минут вперед с точностью около 90 процентов. Если отталкиваться от более консервативного “прогнозного окна” в 60 минут, с помощью “информационных батарей” удается хранить 150 МВт*ч электроэнергии в эквиваленте. Эквивалентная система хранения электроэнергии будет стоить около 50 миллионов $.

Хотя авторы не дают оценки того, сколько будет стоить работа “информационной батареи”, она, вероятно, окажется значительно дешевле развертывания полноценной физической системы хранения электроэнергии, поскольку “информационная батарея” опирается на существующую инфраструктуру ЦОД и реализована преимущественно с использованием программного обеспечения.

Авторы проекта отмечают, что сегодня избыточное / сверхдешевое электричество доступно нечасто. В основном подобная возможность появляется при возникновении избытка энергии ветра / солнца в регионах, где используются гелиоэлектростанции и ветряки, соответственно. Но в ближайшем будущем, когда к центральной электросети будет подключаться все больше подобных генерирующих мощностей, “информационные батареи” способны стать более жизнеспособными и широко распространенными.

Да, подобное решение не является универсальным, но оно, вероятно, станет весьма эффективным при обработке многих распространенных рабочих нагрузок, выступая все более рентабельной альтернативой массивным и дорогостоящим физическим батареям.