Dans sa thèse de doctorat à l'Université d'Umeå, Jakub Krzywda a développé des modèles et des algorithmes pour contrôler les compromis entre la consommation d'énergie des infrastructures cloud et les performances des applications hébergées afin de permettre un fonctionnement sûr et efficace avec un budget énergétique limité.

Infrastructure informatique en nuage, qui conserve la majorité des services internet comme Google, Facebook et Amazon opérationnels, consommer des quantités massives d'énergie, et ainsi aggraver le changement climatique.

De façon intéressante, sous certaines conditions particulières, un centre de données n'est en principe pas très différent d'une maison avec une ancienne installation électrique. La plupart des gens se souviennent probablement d'un cas où la mise sous tension d'un trop grand nombre d'appareils a déclenché simultanément un disjoncteur. Cela se produit parce que l'installation électrique n'était pas destinée à supporter une telle surtension.

Dans les centres de données modernes, l'infrastructure de distribution d'électricité, qui alimente tous les serveurs en électricité, est souvent sous-approvisionné à dessein. Dans ce cas, il est incapable de supporter la surtension de tous les serveurs fonctionnant à pleine vitesse. A première vue, cela ressemble à une mauvaise planification, mais en pratique, il n'arrive presque jamais que la puissance de calcul de tous les serveurs soit nécessaire à la fois. Étant donné que le coût de l'infrastructure de distribution d'électricité est proportionnel à la puissance de pointe qu'elle peut supporter, le plafonnement aide les opérateurs de centres de données à économiser de l'argent qui, autrement, serait dépensé pour une infrastructure qui n'est presque jamais nécessaire.

Cependant, "presque jamais" ne suffit pas dans l'industrie du cloud. De nombreux fournisseurs de cloud promettent à leurs clients que l'infrastructure sera disponible 99,99 % du temps :elle n'autorise que 52 minutes de temps d'arrêt par an.

Et c'est là qu'interviennent les contributions de cette thèse :quelle est la meilleure façon de gérer les opérations du centre de données lorsqu'il n'y a pas assez de puissance disponible pour exécuter toutes les applications à leur pleine vitesse ? Si les opérateurs arrêtent complètement les applications moins importantes, ou les forcer tous à ralentir ? Certains types d'applications sont-ils de meilleurs candidats pour une dégradation progressive des performances ? Quelles mesures doivent être prises pour garantir que la consommation d'énergie est réduite mais que les applications produisent toujours des résultats utiles ? Quelles techniques doivent être utilisées pour faire respecter cela?

« Afin de répondre aux questions susmentionnées, dans cette thèse, J'ai développé des modèles pour capturer les relations entre la consommation d'énergie et les performances des applications, et proposé un ensemble de contrôleurs de budgétisation de puissance qui agissent au niveau de l'application, serveur, et au niveau de l'ensemble du centre de données pour minimiser la dégradation des performances tout en appliquant les limites de puissance, ", explique Jakub Krzywda.

Les résultats inclus dans la thèse ont des applications pratiques, par exemple, un ensemble de recommandations pour l'utilisation des techniques logicielles disponibles dans les serveurs modernes qui peuvent permettre aux opérateurs de centres de données d'exploiter leurs infrastructures en utilisant moins d'énergie tout en garantissant que leurs clients sont satisfaits des performances des applications.

Les résultats et l'analyse présentés dans cette thèse peuvent être utilisés par les opérateurs de centres de données pour améliorer l'efficacité énergétique des serveurs et réduire les coûts opérationnels globaux tout en minimisant la dégradation des performances. L'ensemble des logiciels produits lors de ce travail, y compris les codes sources des modèles, contrôleurs, et simulateurs, a été open-source et mis à disposition en ligne pour faciliter son déploiement dans les centres de données de recherche et industriels.