ESTIMASI DAYA PADA LINGKUNGAN SERVER BLADEmmt.its.ac.id/download/SEMNAS/SEMNAS XIII/MTI/16. Prosiding Hudan... · penelitian tersebut hanya mempertimbangkan parameter utilisasi utama

Prosiding Seminar Nasional Manajemen Teknologi XIIIProgram Studi MMT-ITS, Surabaya 5 Pebruari 2011

ESTIMASI DAYA PADA LINGKUNGAN SERVER BLADE

Hudan Studiawan1, Supeno Djanali, Wahyu SuadiMagister Teknik Informatika, Institut Teknologi Sepuluh Nopember Surabaya

Email: [email protected]

ABSTRAK

Teknologi infrastruktur komputer server telah mengalami kemajuan yang sangatpesat. Salah satunya adalah teknologi server blade yang dirancang untuk menghematdaya listrik. Dalam sebuah sasis blade, terdiri dari beberapa server blade, modulmanajemen, dan power domain. Power domain menyediakan daya untuk empat sampaienam server blade. Mengukur daya pada satu server blade cukup sulit dilakukan karenasumber daya yang digunakan harus dibagi dengan blade yang lain. Beberapa penelitianuntuk mengestimasi daya yang dikonsumsi sebuah server telah diajukan. Akan tetapi,penelitian tersebut hanya mempertimbangkan parameter utilisasi utama yaitu prosesor,memori, hard disk, dan tingkat transfer data pada jaringan. Metode yang digunakansebelumnya hanya menggunakan program linear biasa.

Oleh karena itu dalam makalah ini, diajukan metode estimasi daya padalingkungan server blade yang menambahkan parameter penggunaan memori virtualselain mempertimbangkan utilisasi utama. Perhitungan dilakukan dengan cara yanglebih akurat yaitu dengan regresi linier berganda. Hal ini dilakukan untuk meningkatkanakurasi estimasi daya. Uji coba yang dilakukan pada lingkungan BladeCenter tipe HS20menunjukkan bahwa metode estimasi daya yang diajukan mencapai akurasi sebesar95,98%.

Kata kunci: estimasi daya, server blade, memori virtual, regresi linear berganda.

PENDAHULUAN

Estimasi daya merupakan salah satu bagian penting dari optimasi konsumsidaya. Sebelum dioptimasi, terlebih dulu harus dihitung daya yang dikonsumsi olehsuatu komputer server. Teknologi blade dirancang untuk menghemat daya listrik ini.Dalam satu sasis bisa berisi beberapa blade. Terdapat perangkat lunak seperti IBMSystems Director yang mampu melakukan manajemen daya pada sasis beserta server didalamnya. Perangkat lunak ini harus terhubung dengan modul manajemen dan powerdomain pada bagian belakang sasis. Akan tetapi, tidak semua blade bisa dimonitor dandimanipulasi pengunaan dayanya (non-power managed). Sehingga, diperlukan estimasiuntuk mengetahui daya yang dikonsumsi suatu blade.

Berbagai riset untuk mengestimasi daya telah diajukan. Estimasi daya padaseluruh sistem menggunakan penghitung kinerja pada mikroprosesor dibahas pada [1].Akses ke chipset, mikroprosesor, memori, disk, dan input/output (I/O) dicatat olehmikroprosesor dan data ini digunakan untuk memperkirakan daya.

Pada [3], diajukan pemodelan daya pada lingkungan server blade dan Itaniumyang disebut Mantis. Mantis menghitung penggunaan central processing unit (CPU),akses ke memori, serta tingkat I/O pada hard disk dan jaringan. Data-data yangdikumpulkan ini kemudian dihitung dengan program linier untuk menghasilkan rumusestimasi daya.

Prosiding Seminar Nasional Manajemen Teknologi XIIIProgram Studi MMT-ITS, Surabaya 5 Pebruari 2011

ISBN : 978-602-97491-2-0C-16-2

Utilisasi CPU tanpa menghitung penggunaan komponen server yang lainterbukti cukup akurat untuk menghitung daya [4,6]. Pendekatan dengan memanfaatkanpenghitung kinerja pada mikroprosesor dan hanya mempertimbangkan frekuensiprosesor juga telah diajukan [9] dan memberikan hasil yang baik pula. Hal inidisebabkan oleh daya CPU yang mencapai 58% dari konsumsi total daya [5].

Menghitung daya tanpa menggunakan alat ukur perangkat keras juga telahdilakukan pada lingkungan mesin virtual [5]. Parameter yang dipertimbangkan jugamasih sama dengan Mantis [3]. Cara yang lebih sederhana untuk memodelkan konsumsidaya bisa diimplementasikan dengan mengestimasi konsumsi daya puncak untukseluruh sistem pada beban kerja maksimum [8]. Sebagai contoh, untuk konsumsi dayapuncak CPU bisa diketahui dari Thermal Design Power (TDP) yang telah disediakanoleh masing-masing vendor.

Berbeda dari riset-riset yang telah dijelaskan sebelumnya, dalam makalah inidiajukan estimasi daya yang mempertimbangkan utilisasi memori virtual pada sistemoperasi Linux (swap) yang banyak digunakan pada server bertipe blade. Perhitunganutilisasi dilakukan tidak menggunakan program linier tetapi dengan metode regresilinier berganda.

Makalah ini disusun sebagai berikut. Langkah-langkah penelitian dideskripsikanpada bagian Metode. Selanjutnya, hasil uji coba dan analisisnya disampaikan padabagian Hasil dan Diskusi. Pada bagian Kesimpulan, dijelaskan kembali secara singkatsolusi alternatif estimasi daya yang diajukan dalam makalah ini.

METODE

Spesifikasi Blade dan Perangkat Lunak yang Digunakan

Lingkungan server blade yang digunakan adalah sebagai berikut. Tipe sasisyaitu IBM BladeCenter E 8677 dan tipe blade adalah HS20 8843. Sedangkan spesifikasimasing-masing komponen terdapat pada Tabel 1.

Tabel 1. Spesifikasi Komponen Blade

Komponen SpesifikasiProsesor 3,2 GHzMemori 2 GBHard disk 2x73,4 GBSwap 2,8 GBSistemoperasi

Ubuntu 10.04

Versi kernel 2.6.32-21

Parameter utama yang digunakan untuk mengestimasi daya adalah utilisasiprosesor, memori, hard disk, swap, dan tingkat transfer data pada jaringan. Penggunaanswap dipertimbangkan dalam perhitungan karena komponen ini juga mempunyaiperanan penting terutama ketika memori fisik mencapai beban maksimum. Memorivirtual akan membantu memori fisik dalam pemrosesan data. Di samping itu, swap jugaberfungsi sebagai penampung sementara data yang disimpan dalam memori. Sehingga,bisa mempercepat proses transfer data [13].

Data utilisasi berbagai komponen ini dicatat dengan perangkat lunak sar (systemactivity reporter) yang terdapat dalam paket sysstat yang bisa didapatkan secara bebas

Prosiding Seminar Nasional Manajemen Teknologi XIIIProgram Studi MMT-ITS, Surabaya 5 Pebruari 2011

ISBN : 978-602-97491-2-0C-16-3

pada repositori Linux berbasis Debian. Selanjutnya, dibuat proses yang berjalan padabackground sistem operasi (daemon) yang mengotomasi proses pencatatan utilisasi danmenuliskannya ke dalam sebuah file log.

Untuk mendapatkan data daya awal, daya yang dikonsumsi oleh server inididapatkan dari perangkat lunak IBM PowerExecutive. IBM PowerExecutive merupakanplugin pada IBM Systems Director yang digunakan untuk memanipulasi daya mulai daripengukuran, monitoring, sampai pembatasan daya [12]. IBM System Directormelakukan berbagai fungsi manajemen pada sasis blade beserta komponen-komponendi dalamnya. IBM PowerExecutive mengakses sensor daya pada blade sehingga bisamenghasilkan pengukuran yang akurat. IBM PowerExecutive harus dikonfigurasidengan benar dan terkoneksi dengan modul manajemen yang terdapat bagian belakangsasis. Daya per menit yang dicatat oleh IBM PowerExecutive kemudian diekspor ke filedalam format csv untuk pengolahan lebih lanjut.

Setelah itu, terdapat lima benchmark yang digunakan yaitu Linpack [2], Stream[7], Tiobench [14], Interbench [15], dan Netperf [16] untuk memberikan berbagaimacam beban kepada server. Linpack merupakan benchmark yang bersifat CPU-bound.Sedangkan Stream digunakan untuk memberikan beban kepada memori. Beban padahard disk diberikan dengan menjalankan Tiobench. Interbench merupakan benchmarkyang paling utama dalam makalah ini karena Interbench memberikan beban padamemori virtual untuk bekerja lebih berat. Di sisi lain, tingkat transfer data pada I/Ojaringan diuji dengan Netperf.

Metode yang Diajukan

Daemon untuk mencatat utilisasi masing-masing komponen server dijalankanterlebih dulu. Selanjutnya, IBM PowerExecutive dipastikan sudah berjalan dengan baikdan bisa memonitor daya yang dikonsumsi server. Kemudian, benchmark dijalankanuntuk memberikan beban kepada prosesor, memori, hard disk, swap, dan I/O jaringan.Berbagai benchmark yang diberikan ini dimaksudkan untuk membebani komponenserver sesuai dengan kerja server yang memproses berbagai macam tugas. Diagram blokyang menunjukkan metode estimasi daya secara umum ditunjukkan pada Gambar 1.

Eksekusi daemonpencatat utilisasi

Jalankan IBMPowerExecutive Jalankan benchmark

Sinkronkan datautilisasi dan daya

Estimasi dengan regresilinier bergandaPersamaan estimasi daya

Gambar 1. Diagram blok metode yang diajukan

Data dari file log daemon dan IBM PowerExecutive disinkronkan sehinggadidapatkan data yaitu utilisasi komponen dan daya yang dikonsumsi per menit. Data inidigunakan sebagai input metode regresi linier berganda. Regresi linier bergandadigunakan karena lebih baik dalam merepresentasikan beberapa variabel independenyang menjadi prediktor [11]. Persamaan regresi linier berganda yang digunakan dalammakalah ini adalah sebagai berikut [11]

Prosiding Seminar Nasional Manajemen Teknologi XIIIProgram Studi MMT-ITS, Surabaya 5 Pebruari 2011

ISBN : 978-602-97491-2-0C-16-4

+ + ⋯ + =. . .. . .. . .+ + ⋯ + =

∑ + ∑ + ⋯ + ∑ = ∑ (1)

dengan n adalah jumlah data, x1 sampai x5 menunjukkan utilisasi prosesor, memori,hard disk, swap, dan I/O pada jaringan, y adalah daya hasil pengukuran IBMPowerExecutive. Sedangkan b0 sampai b5 adalah konstanta yang akan dicari denganpersamaan regresi linier berganda ini.

Regresi linier berganda menghasilkan persamaan yang bisa digunakan untukmengestimasi daya dari utilisasi komponen server. Selanjutnya, daya hasil estimasi dandaya dari IBM PowerExecutive dibandingkan dengan menghitung akurasinya, A, denganrumus rata-rata, avg, sebagai berikut= | | × 100% (2)

dengan PIBM adalah daya yang didapatkan dari IBM PowerExecutive sedangkan Pestmerupakan daya hasil estimasi.

HASIL DAN DISKUSI

Masing-masing benchmark dijalankan selama satu jam sehingga didapatkan datayang proporsional untuk masing-masing beban. Selain itu, daya dan utilisasi komponenjuga dicatat oleh daemon pada kondisi server yang idle. Urutan kondisi pencatatanutilisasi adalah sebagai berikut: idle, benchmark untuk prosesor, memori, hard disk,swap, dan jaringan.

Grafik utilisasi masing-masing komponen ketika menerima beban dari semuabenchmark yang dijalankan ditunjukkan pada Gambar 2a sampai 2e.

Prosiding Seminar Nasional Manajemen Teknologi XIIIProgram Studi MMT-ITS, Surabaya 5 Pebruari 2011

ISBN : 978-602-97491-2-0C-16-5

(c)

(d)

(a)

(b)

(c)

(e)

(d)

Gambar 2. Utilisasi masing-masing komponen pada saat diberi benchmark

Prosiding Seminar Nasional Manajemen Teknologi XIIIProgram Studi MMT-ITS, Surabaya 5 Pebruari 2011

ISBN : 978-602-97491-2-0C-16-6

Gambar 3. Perbandingan daya dari IBM PowerExecutive dan hasil estimasi.

Dari grafik utilisasi masing-masing komponen dapat diketahui bahwa berbagaibenchmark yang diberikan mampu membebani komponen secara bervariasi. Datautilisasi dan daya dihitung dengan regresi linier berganda dan menghasilkan persamaansebagai berikut

Pest = 82,2812 + (41,0497 * Upros) + 25,9995 * Umem + -59,1855 * Udisk +215,979 * Uswap + -29,171 * Unet (3)

dengan Upros, Umem, Udisk, Uswap, dan Unet masing-masing adalah utilisasi prosesor,memori, hard disk, swap, dan tingkat transfer data pada jaringan.

Daya dari estimasi metode yang diajukan dihitung akurasinya dengan daya dariIBM PowerExecutive. Sedangkan perbandingan keduanya bisa dilihat pada Gambar 3.Perhitungan akurasi dilakukan dengan rumus (2) menghasilkan nilai 95,98%. Hasil inilebih baik dari Mantis [3] yang akurasinya sebesar 90%. Akurasi ini masih cukup baikmengingat dalam estimasi daya, akurasi dari berbagai riset dalam bidang ini rata-ratasekitar 90% [10].

KESIMPULAN

Dalam makalah ini, diajukan suatu metode untuk mengestimasi daya padalingkungan server blade. Dalam metode ini dipertimbangkan parameter tambahan yaitupenggunaan memori virtual pada sistem operasi Linux selain utilisasi prosesor, harddisk, dan tingkat transfer data pada jaringan.

Swap dipertimbangkan mengingat perannya yang cukup penting dalammembantu kinerja memori fisik. Sedangkan regresi linier berganda digunakan karenalebih baik dalam merepresentasikan beberapa variabel independen yang menjadiprediktor.

Rata-rata akurasi dari metode yang diajukan mencapai 95,98%. Pengembanganke depan yang perlu dilakukan adalah mencari model yang lebih baik untuk menghitungutilisasi berbagai komponen pada blade sehingga didapatkan akurasi yang lebih baik.Selain itu, juga perlu dipertimbangkan parameter lain pada server blade yang lainmisalnya daya yang dikonsumsi oleh sasis.

Prosiding Seminar Nasional Manajemen Teknologi XIIIProgram Studi MMT-ITS, Surabaya 5 Pebruari 2011

ISBN : 978-602-97491-2-0C-16-7

DAFTAR PUSTAKA

[1] Bircher, W.L. dan John, L.K. (2007), "Complete System Power Estimation: ATrickle-Down Approach Based on Performance Events", Proceedings of theInternational Symposium on Performance Analysis Systems and Software, San Jose,IEEE, hal. 158-168.

[2] Dongarra, J.J, Luszczek, P., dan Petitet, A. (2003), “The LINPACK Benchmark:Past, Present, and Future”, Concurrency and Computation: Practice and Experience,John Wiley & Sons, Vol. 5, No. 9, hal. 803-820.

[3] Economou, D., Rivoire, S., Kozyrakis, C., dan Ranganathan, P. (2006), "Full-system power analysis and modeling for server environments", Workshop onModeling, Benchmarking and Simulation, Boston, University of Minnesota.

[4] Fan, X., Weber, W., dan Barroso, L.A. (2007), "Power Provisioning for aWarehouse-sized Computer", Proceedings of the ACM International Symposium onComputer Architecture, New York, ACM, hal. 13-23.

[5] Kansal, A., Zhao, F., Liu, J., Kothari, N., dan Bhattacharya, A.A. (2010), “VirtualMachine Power Metering and Provisioning”, Proceedings of the 1st Symposium ofCloud Computing, ACM, Indianapolis, hal. 39-50.

[6] Li, Li., Bo, Yang., dan ZhiGuo, Gao. (2009), “A Model of Web Server’sPerformance-Power Relationship”, Proceedings of the 2009 InternationalConference on Communication Software and Networks, IEEE Computer Society,hal. 260-264.

[7] McCalpin, J. (1995), STREAM: Sustainable Memory Bandwidth in HighPerformance Computers, http://www.cs.virginia.edu/stream.

[8] Poess, M. dan Nambiar, R.O. (2008), “Energy Cost, The Key Challenge of Today’sData Centers: A Power Consumption Analysis of TPC-C Results”, Proceedings ofthe 2008 PVLDB, ACM, Auckland, hal. 1229-1240.

[9] Rajamani, K., Hanson, H., Rubio, J.C., Ghiasi, S., dan Rawson, F.L (2006), OnlinePower and Performance Estimation for Dynamic Power Management, IBMResearch Report, IBM, New York.

[10]Rivoire, S., Ranganathan, P., Kozyrakis, C. (2008), “A Comparison of high-levelfull-system power models”, Proceedings of HotPower 2008: Workshop on PowerAware Computing and Systems.

[11]Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K. (2007), Probability and Statisticsfor Engineers & Scientists, 8th edition, Prentice Hall, New Jersey.

[12]Watts, D., Brenneman R.J., Feisthammel, D., Sutherland, T. (2007), ImplementingIBM Director 5.20, 4th edition, IBM RedBooks, New York.

[13]Gorman, Mel. (2004), Understanding The Linux Virtual Memory Manager,Prentice Hall, 1st edition, New Jersey.

[14]Kuoppala, M., Tiobench: Threaded I/O Tester,http://sourceforge.net/projects/tiobench/

Prosiding Seminar Nasional Manajemen Teknologi XIIIProgram Studi MMT-ITS, Surabaya 5 Pebruari 2011

ISBN : 978-602-97491-2-0C-16-8

[15]Kolivas, C., Interbench, The Linux interactivity benchmark,http://users.on.net/~ckolivas/interbench/

[16]Jones, R., Netperf, A network performance benchmark,http://www.netperf.org/netperf/