Page 294 - 《软件学报》2021年第8期

2576 Journal of Software 软件学报 Vol.32, No.8, August 2021

功率相对较高是不容忽视的.此外,使用 DVFS技术调节节点 CPU电压存在较大的偶然性,非常不稳定,且技术实
现较为困难,同样不适合部署在大规模地集群当中.为计算集群的能耗,需要对集群内的功率进行积分,具体结
果如图 14 所示.
8000
默认调度策略
7000
ERDM
DVRNP
6000
DVRCP
LEEDSP
5000
能耗/KJ 4000
3000
2000
1000
0
0 2 4 6 8 10 12 14 16
6
数据量×10 /tuple
Fig.14 Comparison of energy consumption on RollingCount among different strategies
图 14 RollingCount 在不同策略下的能耗对比

图 14 为 RollingCount 在不同策略下集群处理相同数据量的能耗,其中,执行 ERDM 集群的能耗为 5 286.8KJ,
执行 Storm 默认调度策略的能耗为 7 270.3KJ,执行 DVRNP 与 DVRCP 的能耗为 6 317.3KJ 与 6 031.5KJ,执行
LEEDSP 的能耗为 5 934.7KJ.与 Storm 默认调度策略相比,执行 ERDM 集群能耗节约了 27.3%.但是在
[4300000tuple,6000000tuple]内,集群执行 ERDM 的能耗高于 Storm 默认的调度策略.其原因为在[4300000tuple,
6000000tuple]内集群拓扑执行数据迁移算法,导致集群能耗升高.而在[9000000tuple,15000000tuple]执行 ERDM
的能耗远低于 Storm 默认的调度策略,其原因为数据迁移算法执行完毕,由于路径的计算延迟减少导致集群拓
扑内的数据传输与处理速率高于 Storm 默认的调度策略,因此相同数据量下能耗远低于 Storm 默认的调度策略.
与 WNDVR-Storm 相比,执行 ERDM 集群的能耗略低于 WNDVR-Storm,但是执行 WNDVR-Storm 的能耗上升
幅度不断变化且逐渐升高.这是由于随着集
300
默认调度策略 群数据量的不断增大,数据量始终超过额定
250 ERDM 阈值 , 导致 WNDVR-Storm 基本失效 . 与
LEEDSP 相比,执行 ERDM 集群的能耗始终
200
低于 LEEDSP.这是由于 LEEDSP 并未考虑内
时间/s 150 存 与网络带宽 等部件的能 耗 , 且执行

100 LEEDSP 内资源调度算法的能耗高于执行
ERDM 内数据迁移算法的能耗.此外,随着节
50
点数的增加,集群内存与网络带宽的能耗比
0 重会不断增大,从而始终影响 LEEDSP 的节
0 2 4 6 8 10 12 14 16
6
数据量×10 /tuple 能效果.为量化集群内数据的传输与处理时
Fig.15 Comparison of data processing and transmission time 间与能耗的关系,需要集群在相同数据量下
under the RollingCount 对 ERDM 与 Storm 默认调度策略进行对比,
图 15 在 RollingCount 下比较数据传输与处理时间 具体的实验结果如图 15 所示.
图 15 为 RollingCount 在相同数据量下两
种策略的时间对比,其中,15 000 000 tuple 下执行 ERDM 集群的时间为 216s,而执行 Storm 默认调度策略的时间