2024年2月9日发(作者：)

第

42

卷 第

3

期制冷学报No/.

42,

No.

3June,

20272021年6月文章编号：0253-4339(2021)

03-0100-07Journa/

of

Refrigerationdoi：10. 3969/j.

issn.

0253-4339. 2021.

03.

100基于性能测试软件的服务器功耗实测研究徐鑫白雪莲金超强(重庆大学土木工程学院重庆400000)摘要数据中心节能和环境控制的基础是确定数据中心服务器的功耗。本文针对以CPU计算为主要任务的应用场景，搭建

实验台，利用Lookbusy,Stress,SPECpower_ssj

2008三种测试软件，结合服务器运行参数，对服务器功耗和硬件利用率等进行测试

分析,对比三种软件的应用效果。研究结果表明:不同测试软件对于服务器硬件资源的利用程度不同，导致服务器功耗也不同，

功耗最大差异超过15%,在服务器功耗模型的研究中，应当根据服务器应用场景和硬件利用率的差异选择不同的性能测试软件;

其中,SPECpower_ssj2008适合对服务器进行综合测试，而Stress适合测试服务器在极端情况下的运行稳定性。关键词

数据中心;服务器功耗;性能测试软件;CPU利用率中图分类号:TB61+1；TP31

文献标识码：AExperimental

Test

on

Server

Power

Consumption

Based

on

Performance

Testing

SoftwareXu

Xin

Bai

Xuelian Jin

Chaoqiang(School

of

Civil

Engineering,

Chongqing

University,

Chongqing,

400000,

China)Abstract

Determining

the

power

consumption

of

data

center

servers

is

the

basis

of

data

center

energy

saving

and

environmental

control.

At present,

it

is

a

common

research

method

that

uses

performance

testing

software

to

fit

the

server

power

consumption

model

under

differ­ent

working

conditions.

An

experimental

platform

was

built

with

the

aim

of

CPU

computing

as

the

main

task.

Three

different

test

software

(

Lookbusy,

Stress,

and

SPECpower_ssj

2008) were

used

to

conduct

the

test.

This

study

compared

the

differences

between

server

power

consumption

and

hardware

utilization

based

on

server

operating

parameters.

The

results

show

apparent

differences

in

server

hardware

calls

under

an

identical

parameter

setting

among

different

testing

software,

leading

to

a

maximum

deviation

of

more

than

15%

on

the

testing

out­come

of

the

server

power

consumption.

This

indicates

that

it

is

important

to

select

the

proper

performance

testing

software

according

to

ap­plication

scenarios

and hardware

utilization

when

it

comes

to

the

research

of

the

server

power

consumption

model.

Among

the

software

test­ed,

SPECpower_ssj

2008

is

most

suitable

for

the

comprehensive

testing

of

servers,

and

Stress

is

most

suitable

for

testing

the

stability

of

servers

under

extreme

ds

data

center

；

server

power

consumption

；

performance

testing

software

；

CPU

utilization过去的二十年,人们对于数据处理、存储和传输

需求不断增加,伴随着计算机和电子信息技术的同步

发展,数据中心行业爆发性增长。2018年中国数据

营成本和环境问题，相关行业也越来越重视数据中心

的节能工作。数据中心的总能耗由

IT(

information

technology

)

中心市场业务总规模为1

228亿元，占全球市场规模

的19.64%,总机架数为271.06万架，预计2021年，

中国数据中心市场规模将会达到2

769.

6亿元，增速

设备、空调系统、电源系统和附属设备等能耗组成。

IT设备能耗和空调系统能耗分别占总能耗的45%和

40%［4-5］，是大部分数据中心的耗能大户。其中IT设

备的能耗主要由服务器、网络设备及配电设备组成,

超过30%，中国将成为世界数据资源大国和全球数

据中心［1］。数据中心能耗也逐年增加,2019年中国

数据中心总用电量为1

748亿kW-h,占全社会总用

其中服务器的能耗占IT设备总能耗的70%

~

80%⑷。服务器负责数据中心内部所有数据的计算、

电量的2.

4%⑷。数据中心的高能耗带来高昂的运基金项目：国家自然科学基金(51778080)资助项目。(The

project

was

supported

by

the

National

Natural

Science

Foundation

of

China

(

No.

51778080)

.)

处理及存储工作，是数据中心能源的主要消耗者，同收稿日期：2020-10-22；修回日期:2020-12-31

—100

—

第

42

卷 第

3

期Vol.

42,

No.

32021

年

6

月基于性能测试软件的服务器功耗实测研究June,

2021时也是数据中心空调系统负荷的主要来源。因此研

究服务器功耗模型对数据中心能耗预测具有重大意

SPECpower),以服务器的产热和散热作为分析依据,

认为服务器的功耗模型包括IT组件以及散热组件两

部分。R.

Kavanagh等［9］利用Stress程序，仅基于

CPU利用率来估算整个系统的功耗,利用线性回归

建立了功耗模型并提供了应用于虚拟机的模型。

义。在现有的研究中，通过性能测试软件对服务器进

行测试，从而拟合得到服务器功耗模型是常用的研究

方法。目前常用的性能测试软件有：Lookbusy、Stress

等Linux系统下的测试软件，以及SPEC

(

standard

Wang

Yewan等［10］利用服务器能效测试工具,考虑了

环境温度的影响,分析了服务器进风温度与功率增量

之间的关系。G.

Dhiman等［11］根据数据中心内部服

务器的工作状态，利用SPEC2000测试套件将服务器

performance

evaluation

corporation)标准性能评估组织

开发的针对高性能计算机的一系列测试套件。表1

中归纳了部分功耗模型及其测试软件等信息。R.

Basmadjian等［7］利用Lookbusy软件以CPU电压、频

功耗表示为基准功率和有功功率之和。A.

Kansal

等［12］以CPU利用率、LLC(last

level

cache)丢失次数

率、内存频率、硬盘读写速率以及风扇转速为变量建

立了针对塔式和机架式服务器的加法功耗模型。P.

Garraghan

等［8］利用

SPECpower_ssj

2008

(简称

以及读写字节数为变量，同时考虑CPU、硬盘等组件

的利用率，建立了功耗模型。表1服务器功耗模型Tab.1

Server

power

consumption

models作者^Server

—

功耗模型^Mainboard

+

i

-

1

j

—

1因素^Fan测试软件R.

Basmadjian

等[7]CPU电压及频率，内存频率，

+

厶

P1

PSUk

—

1硬盘读写速率，风扇转速LookbusyP.

Garraghan

等[8]PServer

=

PIT

+

m

Ppump +

乞

nPfanCPU利用率,CPU核心温度，

1

1风扇转速SPECpower_ssj2008EU_

Px

二

Host_Idle+(

Host_P-Host_Idle)R.

Kavanagh

等[9]EU

Util’x--------------------------X-'

EU Count

工一

EU

Util1

—

yCPU

利用率StressWang

Yewan

等[10]Pestimated

-

Pidle

+

"cPU%(

P100%

-

Pidle

)+Delta(

T)+

a1

T

+

CPU

利用率,

Delta(

T)二

T2服务器进风温度服务器性能测试工具G.

Dhiman

等[11]P

—

Pbaseb

+

P

tactiveCPU

利用率CPU

利用率,SPEC2000测试套件：mcf,gcc,mesa

和

gapSPEC

CPU2006

套件

A.

Kansal

等[12]Eps

=

aCPU

弘CPU

amem

弘mem

+

%

Udisk7LLC丢失次数和读写字节数和

IOmeterJin

Chaoqiang等［13］对现有功耗模型进行了统计

分析，结果表明CPU利用率是功耗模型中使用最广

泛的指标。并且在CPU密集型工作负载中，基于

择上较为随意，且目前尚无对于不同软件测试结果的

对比分析。服务器作为数据中心能源管理和热管理

的基本单元，其功耗直接决定数据中心的整体能耗和

CPU利用率建立的简单回归模型可以提供合理的预

空调系统的冷却负荷。

准确的服务器功耗模型可以

应用在服务器及其集群的能源管理和冷却系统的配

置管理中。基于服务器功耗模型和虚拟化技术，管理

测精度［10］，说明在此应用场景中服务器功耗的主要

消费者为CPUo如表1所示，为了准确得到服务器的

功耗,研究者们利用不同测试软件,选取服务器不同

工作参数为变量，建立功耗模型。但在测试软件的选

者可以将工作负载分配到指定的服务器中，其他服务

器则可依据任务需求关闭电源或进入休眠模式，进而

—

101

—

第

42

卷 第

3

期制冷学报No/.

42,

No.

3June,

20272021

年

6

月Journa/

of

Re/rigeration减少服务器的总功耗［14］。数据中心冷却系统的供需

的负载类型也不同。如表2所示，服务器负载可分为

匹配是节约制冷能耗的关键,依据服务器功耗模型，

可以准确计算IT设备的冷却需求，保证其在所需的

环境中正常工作,并避免在设计和运行阶段中造成冷

却能力浪费。因此本文针对以CPU计算为主的应用

科学研究、数据分析、业务处理、云数据、可视化和音

频、通信及存储等类型⑴〕。在服务器执行不同的工

作任务时,对内部组件的要求和利用率也不同，这会

导致服务器功耗的差异。科学研究、数据分析等业务

场景搭建实验台，保持服务器进风温度恒定以避免

IT

设备热效应带来的误差,

利 用

Lookbusy、

Stress

和

SPECpower三款性能测试软件,分析不同测试软件造

成的服务器功耗差异及其影响因素。对于CPU的利用率较高，且随着CPU多核心、超线

程等技术的发展,服务器功耗必将快速增加。而通信

及存储业务的硬盘及I/O利用率高，但硬盘和I/O的

功耗占服务器总功耗的比例较低，功耗增长趋势也较

缓慢［15］。因此以CPU计算为主要应用场景的服务

器迅速发展,造成服务器整体功耗的增加，同时对数

据中心的制冷系统和供配电系统提出了严峻的挑战。1服务器负载及性能测试软件的分类1.

1服务器负载类型因不同行业对数据中心的业务要求不同,服务器

表2常见负载类型对IT设备的利用率[13]Tab.2

Common

load

types

utilization

of

IT

equipment[

13]负载类型CPU内存I/O硬盘低中科学研究数据分析业务处理高高中高低中中高中高中高中高中中中高低云数据可视化和音频中中低中低低中中低中低低通信存储中低低中中高1.

2性能测试软件Lookbusy和Stress为Linux系统的性能测试软

件，可以通过不同命令改变CPU、内存、I/0、硬盘等

组件的利用率，从而测试服务器的性能。负载计算对应的目标负载。因此,SPECpower的软件

利用率不能与Stress、Lookbusy软件一样代表CPU的

实际利用率,SPECpower软件利用率表示整个服务器

的目标负载与校准所得最大负载的比值。

SPEC是一个全球性的第三方非营利性组织，致

力于建立、维护和认证一套应用于计算机的标准化基

准评测套件。SPEC组织开发基准测试套件,在完成

SPECpower测试同样考虑了环境温度对于IT设备功

耗以及性能的影响，环境温度的测量是一份完整版测

试报告的必要条件。测试并经过检验后会在SPEC网站上公开测试结果。SPEC基准测试套件包含云、中央处理Java客户

端/服务器、存储、功率、虚拟化等。其中SPECpower

是业界第一个用于测量单节点和多节点服务器的性

能以及功耗的测试软件。由于服务器在绝大部分时

2实验设计实验平台分为测试服务器和控制主机，测试服务

器为一台

Dell

PowerEdge

R740

机架式服务器,

其配

间内都处于低负载运行状态,IT从业者采取了一系

列措施降低服务器处于低负载时的功耗。而

置规格如表3所示。控制主机为1台笔记本电脑，用

来向服务器发送指令并收集实验数据。测试主机和

控制主机之间利用网线通过

IPMI(

intelligent

platform

SPECpower采用了一种测试方法，可以测试各种系统

负载下的性能以及功耗从而衡量服务器工作的能效。

SPECpower与Lookbusy、Stress等软件的不同之处是

在确定服务器负载时,SPECpower会通过3次校准测

management

interface)智能平台管理端口连接，服务

器实验数据通过Zabbix监测系统以及Dell服务器自

带的

iDRAC

(

integrated

dell

remote

access

controller)

戴尔集成远程控制器进行收集。Zabbix系统每隔2

s

试确定该服务器的最大负载，然后根据校准得到最大

会自动采集并存储服务器的功耗数据，其精度为2

—102

—

第

42

卷

第

3

期2021年6月基于性能测试软件的服务器功耗实测研究Vol.

42,

No.

3June,

2021Wo

R.

Kavanagh等［16］发现由于IPMI的功率传感器

分辨率较低,会导致Zabbix系统的功耗监测数据和

控制主机功率计实测读数之间存在偏差。为检验IPMI读数

的准确性，在服务器侧安装了功率计，其测量范围为

温易r功勰测A生成报告0.5〜4

400

W,精度等级为1级,读取测试期间服务

器的平均功率与IPMI的功耗数据进行对比分析。同

时服务器进风侧也设置了

3枚K型热电偶记录服务

厦流电源器进风温度，测温范围为-40〜1

100

C

,误差±1.5

C,每10

s采集一次数据，保持服务器进风温度恒定

且处于标准推荐范围内,避免环境温度的大幅波动对

'功衬

I温度g感器

T

I蘿|

|网;各|

实验造成误差。在LookbusyA

Stress和SPECpower测

试期间，服务器进风平均温度分别为22.9

C、22.

1

C和23.

1

Co实验平台和实验流程如图1、图2

所示。表3测试服务器配置表Tab・3 Test

server

configuration项目规格CPUIntel

Xeon

R6130,2.

1Ghz,2

颗内存32

GBx2硬盘4

TB机械硬盘电源80PLUS

铂金

495

W图1实验平台Fig・1

Experimental

platform分别采用SPECpower^Lookbusy和Stress软件在

测试服务器上生成负载，负载范围为0%〜100%（以

10%为增量）o在实验过程中，Lookbusy和Stress软

件在每个负载水平下稳定运行5

min后改变工况;

SPECpower由软件自行完成一次测试。记录不同负

载下服务器的功耗、进风量、进风温度以及服务器的

|内存“------------彳负载*------------*

CPUs

测试主机|图2实验流程Fig・2

Experimental

flow工作参数。3实验结果分析3・1软件利用率和CPU利用率的关系图3所示为服务器CPU实际利用率与测试软件

利用率的差异。可以发现Lookbusy和Stress软件

CPU利用率的实测值和设置值基本一致，满足测试

要求。Lookbusy可以通过命令改变CPU的利用率,

其偏差在0.

8%以内。由于Stress只能启动整数个线

程，然后使用任务集将其映射到物理主机的CPU中。

因此在确定的CPU利用率所需要的线程数目不为整

数时，会存在偏差，但最大偏差在1.5%以内。

SPECpower的软件利用率与CPU实际利用率之间呈

二次多项式关系，其拟合多项式的相关指数R2二

0.

993,CPU的实际利用率的增量随SPECpower软件

利用率的升高而逐步增大。―■—

Lookbusy―•-

Stress▲

SPECpowerR2=0.99310

20

30

40

50

60

70

80

90

100

软件利用率/%图3软件利用率与CPU利用率的差异Fig・3

The

utilization

difference

between

software

and

CPU由于SPECpower软件的利用率同CPU利用率并

不相同，为确定相同CPU利用率下因测试软件不同—103

—

第42卷第3期制冷学报No/.

42,

No.

32021

年

6

月Journa/

of

Re/r,gerat,onJune,

2027造成的功耗差异，利用SPECpower利用率与CPU利

用率之间的关系，采用插值的方法获得某一确定

CPU利用率下的服务器功耗及其他工作参数。3・2服务器功耗与CPU利用率的关系图4所示为测试过程中功率计的读数与IPMI监

测的功耗数据的差异。可以发现，在服务器处于低负

载时,IPMI数据与功率计读数偏差较大，最大可达

10%。

二者差异

随 CPU

利用率的增长先降低后升

高。在服务器CPU利用率为40%

-

80%时,IPMI和

功率计的功耗数据基本吻合，偏差在5%之内，最小

仅为0.

38%o随服务器CPU利用率的继续增长,二

者偏差略微上升，在CPU满载时IPMI和功率计的偏

差为4%o虽然IPMI功耗传感器分辨率较低，导致

二者监测数据存在偏差，但IPMI监测数据的偏差对

三款测试软件造成的影响基本一致，且在数据中心内

部利用直连功率计确定每台服务器的功耗是不现实

的,IPMI数据也更易获取和收集。因此在不同工况

的对比测试中使用IPMI数据进行分析和讨论是完全

可行的。亠

SPECpower(IPMI)〜SPECpower1luu

on0-----

10-----------

20-----------

30-----------

40-----------

50-----------

60-----------

70---------

80—

90------------

100CPU利用率/%图4

IPMI与功率计读数差异Fig・4

The

reading

difference

of

IPMI

and

power

meter服务器功耗随CPU利用率的变化如图5所示。

实验开始前服务器的待机功耗为156

W,约占满载功

耗的50%o实验过程中服务器功耗随CPU利用率的

增长逐步趋于平缓。

但在相同

CPU

利用率下服务器

的功耗随负载软件的不同而存在较大差异,除待机工

况外‘Stress软件的测试功耗最高，SPECpower次之,

Lookbusy软件测试功耗最低。在CPU利用率为

100%时,Lookbusy

功耗为

286

W,为 SPECpower

软件

测试满载功耗313

W的91.

4%,Stress软件测试满载

功耗338

W的84.

6%o可以发现，即使负载软件的

选择不同，但服务器功耗随CPU利用率变化的整体

趋势是一致的。相同CPU利用率下服务器功耗的差

异是由服务器工作参数的不同所导致。为了确定不同测试软件造成的服务器功耗差异,

—104

—图5服务器功耗随CPU利用率的变化Fig.5

Server

power

consumption

changes withCPU

utilization对负载稳定时服务器的平均进风量、CPU平均温度

及服务器其他组件利用率随CPU利用率的变化进行

分析。如图6所示，在进风温度稳定的状态下,

SPECpower和Lookbusy的实验过程中服务器的风量

约为109

m3/h,且全程基本保持稳定；Stress软件在

实验过程中服务器的进风量随CPU利用率和温度的

变化而改变，在CPU利用率大于30%后，因CPU温

度剧烈上升至80

C

,导致服务器的进风量和风扇功

耗显著增加。耒(旦、*垢r即图6服务器进风量随CPU利用率的变化Fig.6

Server

air

intake

changes with

CPU

utilization图7所示为服务器CPU温度随CPU利用率的

变化情况，在3组实验中服务器CPU的温度并不相

同。而服务器CPU的温度越高,其能耗也越大，且

CPU的温度不仅影响服务器的进风量，也会产生较

大的泄漏电流，导致能源的浪费。有研究表明，当芯

片温度达到85

C时,无效的漏电占CPU总耗电的一

半。因此CPU温度的不同也是导致测试功耗不同的

原因之一。减少泄漏电流的有效方法是降低芯片温

度，通过冷却降低芯片温度，可以有效减少漏电部分

损失,大幅度减少泄露电流，从而很大程度上降低芯

第42卷第3期2021

年

6

月基于性能测试软件的服务器功耗实测研究Vol.

42,

No.

3June,

2021片的耗电量，提高信号等电子传送效率[4]o但大幅

度降低IT设备电子元件的工作温度,势必会引起冷

却系统能耗的增加，因此需要在保证IT设备高效工

作的前提下,降低冷却能耗,达到数据中心整体能效

的最优化。90—Lookbusy•

Stress®oJ80Bgndu10

20

30

40

50

60

70

80

90

100

CPU利用率/%图7服务器CPU温度随CPU利用率的变化Fig・7

Server

CPU

temperature

changes

with

CPU

utilization因服务器的主要负载是CPU计算，且在实验过

程中I/O读写速率均未超过50

KB/sec,其产生的功

耗差距可以忽略不计。而对于内存而言，不同负载软

件所调用的内存大小差异明显,实验过程中内存利用

率随CPU利用率的变化如图8所示。在Lookbusy和

Stress实验中，内存利用率全程均稳定在5%,而在

SPECpower实验中，服务器内存利用率则全程稳定在

71%o

根据每个通道

DIMM（

dual

inline

memory

mod­ules）

的数目、容量及运行频率,内存条的功率通常在

4~15

W之间[17]o在测试过程中，服务器内存利用

率不随CPU利用率的变化而改变，即内存功率为定

值。因此测试软件对于内存的利用程度会对服务器

的稳定功耗产生一定影响。

但在以 CPU

计算为主要

应用场景时,不同工况时服务器进风量与CPU温度

之间的差异对于服务器功耗变化所造成的影响更大。在三组实验中‘Stress软件测试功耗明显高于其余

两款的原因是Stress作为Linux压力测试软件，会对服

务器运行的稳定性提出更高要求,检验服务器在CPU

温度升高时风量能否匹配，服务器能否正常运行。因

此,在利用Stress软件进行测试时,CPU温度更高,而

更高的CPU温度会导致更大的泄露电流和服务器风

扇功耗。虽然Stress软件对于内存利用率较低，但是

在以CPU计算为主的应用场景中,CPU的功耗和风扇

的功耗均大于内存。而Lookbusy和SPECpower软件

实验中服务器的进风量保持恒定,其功耗差异产生的

原因是SPECpower作为综合负载测试软件，会根据服

务器的硬件配置确定最大负载,对各组件均进行调用,—Lookbusy

—^Stress—SPECpower10

20

30

40

50

60

70

80

90

100

CPU利用率/%图8服务器内存随CPU利用率的变化Fig・8

Server

memory

changes

with

CPU

utilization而不仅限于CPUo在SPECpower实验中CPU温度更

高，其泄漏电流和功耗都更大，且SPEC可以调用71%

的内存执行任务,也会增加一部分功耗,导致服务器的

整体能耗高于

Lookbusy

实验工况。4结论本文利用

Lookbusy、Stress、SPEC

power

三种测试

软件，研究了在以CPU计算为主的应用场景中，测试

软件不同导致的服务器功耗差异及其原因，得到结论

如下：1）

随服务器负载水平的不同，IPMI监测数据与

功率计读数的偏差也不同。当服务器CPU利用率低

于30%或高于90%时，偏差较大，最高可达10%o虽

然IPMI功耗传感器分辨率低，但其对测试软件的影

响趋势基本一致且更易获取，因此在进行不同工况的

对比时仍然可采用IPMI功耗数据进行分析。2）

不同的性能测试软件对于服务器硬件资源的

利用程度不同，导致服务器各部件的利用率、温度均

不同，因此服务器的整体功耗也不同。在CPU利用

率为100%时,Lookbusy和SPECpower软件的功耗偏

差会达到15.4%。在选取测试软件时,SPECpower软

件会综合考虑服务器硬件水平,对服务器各组件均施

加相应负载，因此当服务器应用场景不唯一,对硬件

资源调用程度更全面时，使用SPECpower软件的测

试结果更准确。而Stress软件,更适合测试服务器在

极端工况下的运行稳定性。3）

在以CPU计算为主要应用场景的服务器中,

功耗差异一般是由CPU温度和服务器进风量的差异

导致，且二者存在相互关系。降低CPU温度会大幅

度减少泄漏电流,但需要更大的进风量，而更大的进

风量会增加风扇功耗。因此需要综合考虑，在保证服

务器稳定运行的前提下,使其整体能耗最低。—

105

—

第42卷第3期制冷学报No/.

42,

No.

3June,

20272021

年

6

月Journa/

of

Refrigeration本文受重庆市技术创新与应用发展项目(cstc2020jscx-

msxmX0184

)资助。(The

project

was

supported

by

the

Utility

and

Cloud

Computing.

Shanghai,

2016：

11-19.[

9]

KAVANAGH

R,

DJEMAME

K.

Rapid

and

accurate

energy

models

through

calibration with

IPMI

and

RAPL[

J]

.

Con­Chongqing

Technology

Innovation

and

Application

Development

(

No.

cstc2020jscx-msxmX0184)

.)参考文献currency

and

Computation：

Practice

and

Experience,

2019,

31(13)

.[10]

WANG

Yewan,

NORTERSHAUSER

D,

MASSON

S

L,

et

al.

An

empirical

study

of

power

characterization

approaches

[1]

殷平.数据中心研究(1):现状与问题分析[J].暖通空

调，2016,

46(8)

:

42-53.

(YIN

Ping.

Research

on

data

centers

(

1

)

：

current

situation

and

problem

analysis

[

J]

.

for

servers

[

C]

//The

Ninth

International

Conference

on

Smart

Grids,

Green

Communications

and

IT

Energy-aware

Journal

of

HV

&

AC,2016,

46(8)

:

42-53.)[2]

科智咨询.2018—2019年中国IDC产业发展研究报告

[R/OL].

(2019-05-15)

[2020-08-15].

http：

//-

quan.

com/Special/2019baogao/.

html.

(

Kezhi

consulting.

2018—2019

China

IDC

industry

development

research

report[R/OL].

(2019-05-15)

[

2020-08-15].

http：

//

/Special/2019baogao/.html.)[3]

国务院发展研究中心国际技术经济研究所.中国云计

算产业发展白皮书[R/OL].

(2019-10-13)

[

2020-08­15

].

http：//www.

drciite.

org/Home/Detail/4?

type

=

10&nid

=

4831.

html.

(

The

institute

of

international

technology

and

economy

of

development

research

center

of

the

state

council.

White

paper

on

China'

s

cloud

computing

industry

development

[

R/OL].

(

2019-10-13

)

[

2020-08­15

].

http：//www.

drciite.

org/Home/Detail/4?

type

=

10&nid

=

.)[4]

中国制冷学会数据中心冷却工作组.中国数据中心冷

却技术年度发展研究报告2019[R].北京：中国建筑工

业岀版社,2020.

(

Data center

cooling

technical

committee

of

CAR.

Annual

reports

on

research

and

development

of

data

center

cooling

technologies

2019

[

R]

.

Beijing：

China

Architecture

&

Building

Press,

2020.)[5]

朱万朋，马国远，李翠翠，等.数据中心自然冷却用泵

驱动两相回路系统火用分析[J].制冷学报，2019,

40

(3)：

24-30.

(

ZHU Wanpeng,

MA

Guoyuan,

LI

Cuicui,

et

al.

Exergy

analysis

of

pump-driven

two-phase

loop

system

for

free

cooling

in

data

centers

[

J

]

.

Journal

of

Refrigeration,

2019,

40(

3)

：

24-30.)[6]

CHEUNG

H,

WANG

Shengwei,

ZHUANG Chaoqun,

et

al.

A

simplified

power

consumption

model

of

information

tech­nology

(

IT)

equipment

in data

centers

for

energy

system

re­al-time

dynamic

simulation

[

J]

.

Applied

Energy,

2018,

222：

329-342.[7]

BASMADJIAN

R,

ALI

N,

NIEDERMEIER

F,

et

al.

A

meth­odology

to

predict

the

power

consumption

of

servers

in

data

centers[

C

]//Proceedings

of

the

International

Conference

on

Energy-efficient

Computing

&

Networking,

2011：

1-10.[8]

GARRAGHAN

P, Al-ANII

Y,

SUMMERS

J,

et

al.

A

uni­fied

model

for

holistic

power

usage

in

cloud

datacenter

serv­ers

[

C

]

//9th

IEEE/ACM

International

Conference

on—106

—Technologies.

Greece,

2019：

1-6.[11]

DHIMAN

G,

MIHIC

K,

ROSING

T.

A system

for

online

power

prediction

in

virtualized

environments

using

Gaussian

mixture

models

[C]

//Design

Automation

Conference.

Ana­heim

IEEE,

2010：

807-812.[ 12]

KANSAL

A,

ZHAO

Feng,

LIU

Jie,

et

al.

Virtual

machine

power

metering

and

provisioning

[

C ]//Proceedings

of

the

1st

ACM

symposium

on

Cloud

Computing.

Indianapolis,

2010：

39-50.[ 13]

JIN

Chaoqiang,

BAI

Xuelian,

YANG

Chao,

et

al.

A

review

of

power

consumption

models

of

servers

in

data

cen-

ters[

J]

.

Applied

Energy,

2020,

265：

114806.[ 14]

PERUMAL

V,

SUBBIAH

S.

Power-conservative

server

consolidation

based

resource

management

in

cloud

[

J]

.

In­ternational

Journal

of

Network

Management,

2014,

24(

6)

：

415-432.[15]

安娅楠.基于服务器功耗模型的数据中心热环境研究[D].

重庆：重庆大学,

2019.

(

AN

Yanan.

Research

on

data

center

thermal

environment based

on

server

power

consumption

model

[

D].

Chongqing：

Chongqing

University,

2019.)[16]

KAVANAGH

R,

ARMSTRONG

D, DJEMAME

K.

Accuracy

of

energy

model

calibration

with

IPMI[

C]//IEEE

9th

International

Conference

on

Cloud

Computing

(

CLOUD)

.

San

Francisco,

2016：

648-655.[17]

BROCHARD

L,

KAMATH

V,

CORBALAN

J,

et

al.

Ener­gy-efficient

computing

and

data

centers

[

M

]

.

Hoboken：

John

Wiley

&

Sons,

Inc,

2019.通信作者简介白雪莲，女，教授，博士生导师，重庆大学土木工程学院,

159****6696,E-mail:xuelianbai@

。研究方向：暖通

空调理论与技术、建筑节能与绿色建筑、数据中心热环境与能

源管理、文物保存环境监测与控制。About

the

corresponding

authorBai

Xuelian,

female,

professor,

Ph.

D.

supervisor,

School

of

Civil

Engineering,

Chongqing

University,

+

86

159****6696,

E-mail：

xuelianbai@

.

cn.

Research

fields：

HVAC

theory

and

tech­nology,

building

energy

efficiency

and

green

building,

data

center

thermal

environment

and

energy

management,

environmental

mo­nitoring

and

control

of

cultural

relic

preservation.