Page 293 - 《软件学报》2021年第8期

蒲勇霖 等:Storm 平台下的线程重分配与数据迁移节能策略 2575

80000
70000
数据传输与处理速率/(tuple/s) 50000 默认调度策略
60000

40000
30000
20000
TMSH-Storm
10000 ERDM
0
0 50 100 150 200 250 300
时间/s
Fig.12 Comparison of data processing and transmission rate under the RollingCount
图 12 在 RollingCount 下比较数据传输与处理速率

(2) 集群能耗
集群能耗反映了集群中数据传输与处理总的能量消耗.本文通过集群拓扑中数据传输与处理的功率与总
成本开销相乘,以计算集群能耗.具体节约的能耗可通过式(33)计算.此外,引入 WNDVR-Storm、LEEDSP 与
ERDM 作对比,以验证 ERDM 的实际效果.具体的实验结果如图 13 所示.

1500 默认调度策略
ERDM
1400
DVRNP
1300 DVRCP
LEEDSP
1200
集群功率/W 1100
1000
900
800
700
0 50 100 150 200 250 300
时间/s
Fig.13 Comparison of power on RollingCount among different strategies
图 13 RollingCount 在不同策略下的功率对比

如图 13 所示,在执行 ERDM 运行 RollingCount 后,集群的平均功率为 1 065.37W,执行 Storm 默认调度策略
的平均功率为 1 063.15W,执行 DVRNP 与 DVRCP 的平均功率为 1 045.32W 与 1023.17W,执行 LEEDSP 的平均
功率为 1 073.71W.相比于 Storm 默认的调度策略,在 105s 前,两种算法的功率基本相等,其原因为数据迁移算法
尚未触发.但在[105,115s]内执行 ERDM,功率急剧升高.其原因为:在[105s,115s]内集群拓扑执行数据迁移算法,
工作节点的资源占用率消耗巨大,导致集群功率急速上升.而 115s 后,数据迁移算法执行完毕,集群功率逐渐降
低,并于 130s 后趋于稳定,因此不会对单位时间内的集群功率造成影响.与 WNDVR-Storm 相比,执行 ERDM 的
平均功率高于 WNDVR-Storm,但是执行 WNDVR-Storm 的功率波动较大,非常不稳定,且策略实现较为困难,不
适合在大规模集群中使用.与 LEEDSP 相比,执行 ERDM 的平均功率略低于 LEEDSP.其原因为:LEEDSP 并未考
虑除 CPU 之外部件(如内存与网络带宽等)的功率问题,然而 Storm 集群拓扑在执行任务时,内存与网络带宽的