Duurzame eScienceBioinformatica case study

Pieter Meulenhoff, Daniël Worm, Freek Bomhof, George Huitema, Job Oostveen Carolien van der Vliet HameetemanJob Oostveen, Carolien van der Vliet-Hameeteman

1

Doelstellingen

Inzicht in energiegebruik en –besparing in eScience toepassingen

D idd l l t bi i f tiDoor middel van een relevante case: bioinformatica

Holistische benaderingHolistische benaderingAnalyse van gehele ICT keten

Vertaling naar aanbevelingen voor eScienceScenario’s

Focus vandit project

2

Case: bioinformatica

breed spectrum van computationele techniekenPattern recognition, Data mining, Machine learningM d lli i l tiModelling, simulation

Typische eenheid van werk is een analyse/modellering/simulatie taak (“job”)

Draait op een lokaal of remote clustertrend: Service based computingtrend: Service based computing

Case study: bioinformatica

3

Gegevens voor de case study

Voor deze case study is contact opgenomen met:Bioinformaticagroep in Rijksuniversiteit Groningen

interview Morris Schwertzinterview Morris SchwertzGegevens van rekencluster

Gerton Lunter van Oxford University

Gekozen bioinformatica taak: Sequencen van DNA

Eigenschappen van dit type taak:Eigenschappen van dit type taak:2 Terabyte aan data uit externe storageWeinig tot geen parallellisatie 112 uur processing time112 uur processing timeBatch werk, niet interactief

Case study: bioinformatica

4

Energie Model

“jobs”

servers netwerk storageservers netwerk storage

Datacenter infrastructuur: koeling, voeding, huisvesting, etc.

Energieverbruikin 4 componenten

Model

5

Vergelijken architectuur

centraal federatief decentraal

Computingal

cent

raa

age

aalSto

rade

cent

raSd

VerschillendeScenario’s

Model

6

Vergelijking energieverbruik voor de scenario’sscenario s

Energieverbruik per taak (in MJ)Resultaten

Model

7

Energieverbruik federatieve computing

Centrale storage Decentrale storage(storage ver van servers) (storage dicht bij servers)

29%

Totaal servers

Totaal netwerk28%

Totaal servers

Totaal netwerk45%

6%20%

Totaal storage

Totaal rest (koeling voedingen

47%

5%20%

Totaal storage

Totaal rest (koeling voedingen(koeling,voedingen,

etc.)(koeling,voedingen, etc.)

Energieverbruik per taak: Energieverbruik per taak:Energieverbruik per taak: Energieverbruik per taak:

15 MJ (4,1 kWh) 15 MJ (4,0 kWh)

Resultaten

Model

8

Belasting

Vergroten van belasting (percentage server dat gebruikt wordt)

Hogere benutting kan worden verkregen door:Hogere benutting kan worden verkregen door: Uitzetten servers die niet nodig zijn (‘dynamic shutdown’)Workload scheduling zodanig dat alle servers continu (en liefst

i l) b t dmaximaal) benut worden.Parallelliseren van taken

Resultaten

Model

9

Variatie datahoeveelheid per taak

Effect bekijken van variatie van hoeveelheid benodigde data van storage naar server op het energieverbruik

Resultaten

Model

10

Betrouwbaarheid

Er is niet uitgegaan van een ‘gemiddelde’ serverBeperkt aantal metingen aangevuld met gegevens uit de literatuur en (waar

niet beschikbaar) eigen inschattingen

Resultaten kunnen wijzigen door:Resultaten kunnen wijzigen door:Gebruik van andere componenten (servers, netwerk elementen, storage)

Andere architectuur

De gevonden trends lijken realistischG Cl dGreenCloud

Zeer weinig referentie materiaal gevonden voor goede vergelijking

Validatie en metingen blijven daarom belangrijkg j g j

Betrouwbaarheid

Model

11

Conclusies

Bioinformatica caseCentrale computing-scenario lijkt qua energieverbruik de beste.Energieverbruik servers is het grootst in alle scenario’s.Energieverbruik servers is het grootst in alle scenario s.Energieverbruik voor netwerk is in alle scenario’s relatief klein

Het optimaal benutten levert de grootste efficiëntie winstHet optimaal benutten levert de grootste efficiëntie winst.Maximaal benutten van beschikbare systemenAnders de systemen uitzettenLukt waarschijnlijk beter bij gedeeld gebruik (centraal en federatief)Lukt waarschijnlijk beter bij gedeeld gebruik (centraal, en federatief)

De omgeving (uitgedrukt als PUE) is eveneens belangrijk voor het energieverbruikenergieverbruik.

Dit is traditioneel eenvoudiger in de centrale case (groterdatacenter) waar koeling en powerdistributie optimaal op elkaar zijnafgestemd.Voor kleinere (decentrale) omgevingen lijkt een lage PUE nu ookhaalbaar met een modulair datacenter. Conclusies

Model

12

Aanbevelingen

Meeste winst in energieverbruik is te halen door aanpakenergieverbruik van servers. Dit kan door:

Zorgen voor grote benutting servers via:Zorgen voor grote benutting servers via:Workload scheduling zodanig dat alle servers continu (en liefstmaximaal) belast worden.S di i t d b ikt it tt (‘d i h td ’)Servers die niet worden gebruikt uitzetten (‘dynamic shutdown’)Parallelliseren van taken

Aanschaf energie-efficiënte servers

Gebruik een federatieve architectuur, of beter nog, een centralearchitectuur. Deze hebben de voorkeur boven een decentralearchitectuur. Deze hebben de voorkeur boven een decentralearchitectuur

Aanbevelingen