[논문]탄소중립을 향하여: 데이터 센터에서의 효율적인 에너지 운영을 위한 딥러닝 기반 서버 관리 방안

마상균; 박재현; 서영석

doi:10.3745/ktsde.2023.12.4.149

초록
AI-Helper

최근 데이터 활용이 중요해짐에 따라 데이터 센터의 중요도도 함께 높아지고 있다. 하지만 데이터 센터는 막대한 전력을 소모함과 동시에 24시간 가동되는 시설이기 때문에 환경적, 경제적 측면에서 문제가 되고 있다. 최근 딥러닝 기법들을 사용하여 트래픽을 예측하거나, 데이터 센터나 서버에서 사용되는 전력을 줄이는 연구들이 다양한 관점에서 이루어지고 있다. 그러나 서버에서 처리되는 트래픽 데이터양은 변칙적이며 이는 서버를 관리하기 어렵게 만든다. 또한, 서버 상황에 따라 서버를 가변적으로 관리하는 기법에 대한 연구들이 여전히 많이 요구되고 있다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해 시계열 데이터 예측에 강세를 보이는 장단기 기억 신경망 (Long-Term Short Memory, LSTM)을 기반으로 한 가변적인 서버 관리 기법을 제안한다. 제안된 모델을 통해 서버에서 사용되는 전력을 보다 효과적으로 줄일 수 있게 되며, 현업환경에서 이전보다 안정적이고 효율적으로 서버를 관리할 수 있게 된다. 제안된 모델의 검증을 위해 위키피디아 (Wikipedia)의 데이터 센터 중 6개의 데이터 센터의 전송 및 수신 트래픽 데이터를 수집한 뒤 통계기반 분석을 통해 각 트래픽 데이터의 관계를 분석 및 실험을 수행하였다. 실험 결과 본 논문에서 제안된 모델의 유의미한 성능을 통계적으로 검증하였으며 서버 관리를 안정적이고 효율적으로 수행할 수 있음을 보여주었다.

Abstract ▼ AI-Helper

As data utilization is becoming more important recently, the importance of data centers is also increasing. However, the data center is a problem in terms of environment and economy because it is a massive power-consuming facility that runs 24 hours a day. Recently, studies using deep learning techn...

As data utilization is becoming more important recently, the importance of data centers is also increasing. However, the data center is a problem in terms of environment and economy because it is a massive power-consuming facility that runs 24 hours a day. Recently, studies using deep learning techniques to reduce power used in data centers or servers or predict traffic have been conducted from various perspectives. However, the amount of traffic data processed by the server is anomalous, which makes it difficult to manage the server. In addition, many studies on dynamic server management techniques are still required. Therefore, in this paper, we propose a dynamic server management technique based on Long-Term Short Memory (LSTM), which is robust to time series data prediction. The proposed model allows servers to be managed more reliably and efficiently in the field environment than before, and reduces power used by servers more effectively. For verification of the proposed model, we collect transmission and reception traffic data from six of Wikipedia's data centers, and then analyze and experiment with statistical-based analysis on the relationship of each traffic data. Experimental results show that the proposed model is helpful for reliably and efficiently running servers.

주제어

표/그림 (15)

그림 Fig. 1. Overall Approach of the Proposed Method
표 Table 1. Descriptions of Data Centers
표 Table 2. The Proposed Pseudo Code for Dynamic Server Management
표 Table 3. Results of Dynamic Correction Ranges
표 Table 4. Values of the Pearson Correlation Coefficient
표 Table 5. Traffic Data
그림 Fig. 2. Traffic Graphs of Data Centers
그림 Fig. 3. Results of the Correlation Analysis
그림 Fig. 4. Experimental results by changing the window size (R2 Score)
그림 Fig. 6. Experimental Results by Changing the Window Size (Maximum)
그림 Fig. 5. Experimental results by changing the window size (Average)
그림 Fig. 7. Experimental Results by Changing the Window Size (Minimum)
표 Table 6. Values of LSTM Hyper-parameters
그림 Fig. 8. Traffic Graphs of Experimental Results
표 Table 7. Summary of Experimental Results

참고문헌 (16)

A. Shehabi et al., "United states data center energy usage？report," Lawrence Berkeley National Laboratory, Berkeley,？California. LBNL-1005775, 2016.
D. Bouley, "Estimating a data center's electrical carbon？footprint," Schneider Electric White Paper Library, pp.14-22, 2011.
S. J. Davis et al., "Net-zero emissions energy systems,"？Science, Vol.360, No.6396, pp.eaas9793, 2018.

상세보기
J. Judge, J. Pouchet, A. Ekbote, and S. Dixit, "Reducing？data center energy consumption," Ashrae Journal, Vol.50,？No.11, pp.14-26, 2008.
K. J. Lee and E. S. Kim "Data placement and power？management for energy saving in multimedia servers,"？Journal of Digital Contents Society, Vol.19, No.1, pp.43-？49, 2018.

원문보기 상세보기
H. Y. Kim, C. H. Ham, H. K. Kwak, H. U. Kwon, Y. J.？Kim, and K. S. Chung, "A dynamic server power mode？control for saving energy in a server cluster environment,"？The KIPS Transactions: PartC, Vol.19C, No.2, pp.135-144,？2012.
S. G. Ma, J. H. Park, and Y. S. Seo, "LSTM-based server？management model for carbon-neutral data center operation," Proceedings of the Annual Spring Conference of？Korea Information Processing Society Conference (KIPS)？2022, Vol.29, No.1, pp.487-490, 2022.
S. Hochreiter and J. Schmidhuber, "Long short-term memory," Neural Computation, Vol.9, No.8, pp.1735-1780,？1997.

상세보기
Y. J. Jang, "Network prediction of traffic generation？amount using time series prediction model," [Internet],？https://repository.hanyang.ac.kr/handle/20.500.11754/168385.
T. Y. Kim and S. B. Cho, "Web traffic anomaly detection？using C-LSTM neural networks," Expert Systems with？Applications, Vol.106, pp.66-76, 2018.

상세보기
B. R. Park, Y. J. Choi, J. Y. Hyun, Y. R. Tae, and J. W.？Moon, "Development of optimal chilled water mass flow？rate prediction and control algorithm for data center-cooling energy saving," Journal of the Korea Institute of？Ecological Architecture and Environment, Vol.21, No.3,？pp.47-53, 2021.
J. Y. Kim, H. J. Chang, and Y. H. Jung, "Study on the development of energy conservation system for data center？by utilizing multi-staged outdoor air cooling," Conference？of Architectural Institute of Korea, Vol.34, No.2, pp.267-？268, 2014.
L. Jin and S. C. Myers, "R2 around the world: New theory？and new tests," Journal of financial Economics, Vol.79,？No.2, pp.257-292, 2006.

상세보기
O. Israeli, "A Shapley-based decomposition of the R-square？of a linear regression," The Journal of Economic Inequality,？Vol.5, No.2, pp.199-212, 2007.

상세보기
B. Jacob, C. Jingdong, and H, Yiteng, "Pearson correlation？coefficient," in Noise Reduction in Speech Processing,？pp.1-4, 2009.
Wikitech [Internet], https://wikitech.wikimedia.org/.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

탄소중립을 향하여: 데이터 센터에서의 효율적인 에너지 운영을 위한 딥러닝 기반 서버 관리 방안
Towards Carbon-Neutralization: Deep Learning-Based Server Management Method for Efficient Energy Operation in Data Centers 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (15)

표/그림 (15)

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

탄소중립을 향하여: 데이터 센터에서의 효율적인 에너지 운영을 위한 딥러닝 기반 서버 관리 방안 Towards Carbon-Neutralization: Deep Learning-Based Server Management Method for Efficient Energy Operation in Data Centers 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (15) 모든 표/그림 보기

표/그림 (15) 슬라이드로 보기

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

서영석 (6)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

탄소중립을 향하여: 데이터 센터에서의 효율적인 에너지 운영을 위한 딥러닝 기반 서버 관리 방안
Towards Carbon-Neutralization: Deep Learning-Based Server Management Method for Efficient Energy Operation in Data Centers 원문보기

초록
AI-Helper

표/그림 (15)

표/그림 (15)