习题

作者：Parthasarathy Ranganathan。

习题 6.12

[10/10/10]〈6.1〉 WSC 得以实现的一个重要条件，是充足的请求级并行性，这与指令级或线程级并行性不同。本题探讨不同并行性对计算机体系结构和系统设计的影响。

a. [10]〈6.1〉 讨论一些场景：其中提高指令级或线程级并行性，能获得比请求级并行性更大的收益。

b. [10]〈6.1〉 增加请求级并行性，对软件设计有什么影响？

c. [10]〈6.1〉 增加请求级并行性可能有哪些缺点？

习题 6.13

[讨论/15/15]〈6.3，6.4〉 当云计算服务提供商收到由多个虚拟机（VM）组成的作业，例如 MapReduce 作业时，有许多调度选择。可以轮转调度 VM，使其分散到所有可用处理器和服务器上；也可以集中安排，尽量少用处理器。例如，提交一个包含 24 个 VM 的作业，而云中有 30 个处理器，每个最多运行 3 个 VM，轮转调度会使用 24 个处理器，集中调度则使用 8 个。调度器还可以在不同范围内寻找可用核心：CPU 插槽、服务器、机架，或者机架阵列。

a. [讨论]〈6.4〉 假设提交的作业都是计算密集型负载，但内存带宽需求可能不同。就供电与冷却成本、性能和可靠性而言，轮转调度与集中调度各有哪些利弊？

b. [15]〈6.4〉 假设提交的作业都是 I/O 密集型负载，在不同调度范围内，轮转调度与集中调度各有哪些利弊？

c. [15]〈6.4〉 假设提交的作业都是网络密集型负载，在不同调度范围内，轮转调度与集中调度各有哪些利弊？

习题 6.14

[15/15/10/10]〈6.4〉 MapReduce 等分布式计算框架让没有数据依赖的任务在多个节点上运行，通常使用商用硬件，从而实现大量并行性；不过，并行程度也有限制。例如，为提供冗余，MapReduce 会把数据块写到多个节点，消耗磁盘带宽，也可能消耗网络带宽。假设数据集总大小为 300 GB，网络带宽为 1 Gb/s，map 处理速率为 10 s/GB，reduce 处理速率为 20 s/GB。再假设 30% 的数据必须从远程节点读取，每个输出文件还要写入其他两个节点以提供冗余。其他参数使用图 6.21。

a. [15]〈6.4〉 假设所有节点位于同一机架。使用 5 个、10 个、100 个、1000 个节点时，预期运行时间各是多少？讨论每种节点规模下的瓶颈。

b. [15]〈6.4〉 假设每机架有 40 个节点，任一远程读写等概率地访问任何节点。使用 100 个、1000 个节点时，预期运行时间各是多少？

c. [10]〈6.4〉 一个重要考虑是尽可能减少数据移动。从本地访问变为机架内访问，再变为阵列内访问，会显著变慢，因此必须充分优化软件，最大限度利用局部性。假设每机架有 40 个节点，MapReduce 作业使用 1000 个节点。若远程访问有 20%、50%、80% 发生在同一机架内，运行时间分别是多少？

译注： 原题总难度标记有四项，但原页实际仅列 a–c 三个小问。

习题 6.15

[20/20/10/20/20/20]〈6.1，6.4〉 WSC 程序员常通过数据复制，在软件层面应对失效。例如，Hadoop 分布式文件系统（HDFS）采用三副本：一个本地副本、一个同机架内的远程副本，以及一个其他机架上的远程副本。不过，值得考察在什么情况下确实需要这样的复制。

a. [20]〈6.1〉 假设 Hadoop 集群较小，不超过 10 个节点，数据集不超过 10 TB。使用图 6.1 的失效频率数据，一个 10 节点 Hadoop 集群在采用单副本、双副本和三副本时，可用性分别如何？

b. [20]〈6.1〉 假设采用图 6.1 的失效数据，Hadoop 集群有 1000 个节点。在单副本、双副本和三副本情况下，其可用性分别如何？对于大规模系统中复制的收益，你能得出什么推论？

c. [10]〈6.1，6.4〉 复制的相对开销，随每个本地计算小时写入的数据量变化。一个 1000 节点 Hadoop 作业对 1 PB 数据排序，并把用于数据 shuffle 的中间结果写入 HDFS。计算额外的 I/O 流量，以及机架内和跨机架的网络流量。

d. [20]〈6.1，6.4〉 使用图 6.21，计算双副本和三副本的时间开销。再用图 6.1 的失效率，比较不复制、双副本和三副本情况下的预期执行时间。

e. [20]〈6.1，6.4〉 现在考虑一个复制日志的数据库系统，假设每笔事务平均访问硬盘一次，并产生 1 KB 日志。计算双副本和三副本的时间开销。如果事务在内存中执行，只需 10 μs，又如何？

f. [20]〈6.1，6.4〉 再考虑另一个数据库系统：为通过两阶段提交实现 ACID 一致性，需要两次网络往返。维护一致性以及副本的时间开销是多少？

习题 6.16

[15/15/20/讨论]〈6.1，6.9〉 请求级并行性使许多机器能够并行处理同一问题，从而提高整体性能；但一个挑战是如何避免把问题划分得过细。从服务级别协议（SLA）角度看，进一步划分、采用更小的问题规模，可能使满足目标 SLA 需要更多努力。假设 SLA 要求 95% 的查询在 0.5 秒内响应，且采用类似 MapReduce 的并行体系结构，可以启动多个冗余作业来得到同样的结果。以下各问采用图 6.46 的查询响应时间曲线。曲线给出基准服务器，以及采用较慢处理器型号的“小型”服务器，在不同每秒查询数下的响应延迟。

a. [15]〈6.1，6.9〉 假设查询响应时间曲线如图 6.46，WSC 每秒接收 30,000 次查询，需要多少台服务器才能满足 SLA？根据这一响应时间概率曲线，需要多少台“小型”服务器才能满足 SLA？只考虑服务器成本，为满足目标 SLA 并具有成本优势，“小型”服务器必须比普通服务器便宜多少？

图内术语：Latency (s)＝延迟（秒）；Queries per second, for one server＝单台服务器每秒查询数；Baseline＝基准服务器；Small＝小型服务器。

b. [15]〈6.1，6.9〉 “小型”服务器往往也因部件较便宜而可靠性较低。采用图 6.1 的数据，假设由不稳定机器和损坏内存引起的事件增加 30%。现在需要多少台“小型”服务器？它们必须比标准服务器便宜多少？

c. [20]〈6.1，6.9〉 现在假设是批处理环境。“小型”服务器整体性能为普通服务器的 30%。仍采用习题 6.15(b) 的可靠性数据，要提供与 2400 个标准服务器节点组成的阵列相同的预期吞吐量，需要多少个“小型”节点？假设性能随节点规模完美线性增长，每节点平均任务时长为 10 分钟。如果扩展效率为 85% 呢？60% 呢？

d. [讨论]〈6.1，6.9〉 扩展关系通常不是线性的，而是对数关系。一种自然反应可能是购买每节点计算能力更强的大型节点，以尽量减小阵列规模。讨论这种体系结构的一些权衡。

习题 6.17

[10/10/15/讨论]〈6.4，6.9〉 考虑把非易失性 Flash 加入存储层次结构，可以采用固态硬盘（SSD），或者通过 PCI Express 连接的卡。典型 SSD 带宽为 250 MB/s，延迟为 75 μs；PCIe 卡带宽为 600 MB/s，延迟为 35 μs。

a. [10] 在图 6.22 的本地服务器存储层次结构中加入这些点。假设它们在不同层次中访问时，其性能缩放系数与 DRAM 相同，那么经机架网络访问这些 Flash 设备时，表现如何？经阵列网络访问时呢？

b. [10] 讨论一些能够利用这一新增存储层次的软件优化。

c. [15] 如“谬误与陷阱”（6.9 节）所述，用 SSD 替换全部磁盘不一定划算。考虑一个使用 WSC 提供云服务的运营商，讨论哪些场景下使用 SSD 或其他 Flash 存储是合理的。

d. [讨论] 讨论存储层次结构中是否还可以容纳其他层次，例如更慢的内存（如分离式内存），或更慢的 Flash（采用更注重成本的技术）。

习题 6.18

[20/20/讨论]〈6.4〉存储层次结构。 一些 WSC 设计大量使用缓存来降低延迟；针对不同访问模式与需求，可以选择多种缓存方案。

a. [20] 考虑从 Web 提供富媒体流的设计选择，例如 Netflix 或 YouTube。首先需要估计视频数量、每个视频的编码格式数量，以及并发观看人数。假设一个流媒体提供商有 12,000 部可在线播放的作品，每部至少有四种编码格式，码率分别为 500、1000、1600、2200 kbps。再假设全站有 100,000 名并发观众，视频平均时长为 75 分钟，同时考虑 30 分钟节目与 2 小时视频。估算总存储容量、I/O 与网络带宽，以及视频流相关的计算需求。

b. [20] 对每位用户、每部视频以及全部视频整体而言，访问模式和引用局部性分别有什么特点？提示：随机还是顺序访问，时间局部性与空间局部性好还是差，工作集相对较小还是较大。

c. [讨论] 使用 DRAM、SSD 与硬盘，可以形成哪些影片存储方案？比较它们的性能与 TCO。习题 6.17(d) 中的其他存储技术是否有用？

习题 6.19

[20/讨论/讨论/讨论]〈6.4〉 考虑一个拥有 1 亿活跃用户的社交网站，用户用文字与图片发布自身动态，也浏览和互动其社交网络中的动态。为降低延迟，Facebook 等许多网站在后端存储/数据库层之前使用 memcached 缓存层。假设任一时刻，普通用户正在浏览兆字节量级的内容；任一天，普通用户上传的内容也为兆字节量级。

a. [20] 上述社交网站需要多少 DRAM 来容纳工作集？如果每台服务器有 96 GB DRAM，估计生成一个用户主页需要多少次本地内存访问与远程内存访问。

b. [讨论] 考虑两种候选 memcached 服务器设计：一种使用针对性能优化、耗能较高的核心，另一种使用较小、能效较高的核心，例如原文所举 Intel 和 AMD 发布的 E-core 与 P-core。memcached 需要大容量物理内存，却只有较低 CPU 利用率；这两种设计各有什么利弊？

c. [讨论] 当前内存模块与处理器紧密耦合，若要支持大容量内存，通常就必须增加 CPU 插槽数。列出其他能够提供大容量物理内存、又不必同比增加服务器插槽数量的设计，并比较它们的性能、功耗、成本与可靠性。

d. [讨论] 同一用户的信息，可以同时存在于 memcached 和存储服务器中；这些服务器又可以采用不同物理布局。讨论以下 WSC 布局的利弊：（1）把 memcached 放在同一台存储服务器上；（2）memcached 与存储服务器分属同一机架内的不同节点；（3）memcached 服务器集中在一组机架，存储服务器集中在另一组机架。

习题 6.20

[5/5/10/10/讨论/讨论/讨论]〈6.2，6.4，6.7〉数据中心网络。 MapReduce 等分布式框架与仓库级计算机结合，能有力地处理大规模数据。本题假设使用 4000 台服务器和 48,000 块硬盘，在 6 小时内对 1 PB 记录完成排序。

a. [5] 从图 6.21 及相关正文推导磁盘带宽。将数据读入主存、再把排序结果写回，需要多少秒？

b. [5] 假设每台服务器有两块 1 Gb/s 以太网 NIC，WSC 交换网络的超额订阅比为 4。在 4000 台服务器之间 shuffle 整个数据集，需要多少秒？

c. [10] 假设网络传输是 PB 级排序的性能瓶颈，能否估算 Google 数据中心采用的超额订阅比？

d. [10] 现在考察无超额订阅的 10 Gb/s 以太网的收益，例如采用 48 端口 10 Gb/s 以太网交换机，2010 年 Indy 排序基准测试冠军 TritonSort 就使用了这种配置。shuffle 1 PB 数据需要多久？

e. [讨论] 比较两种方法：（1）采用较高网络超额订阅比的大规模横向扩展系统；（2）采用高带宽网络的较小规模系统。各自可能的瓶颈是什么？在可扩展性与 TCO 方面，各有什么优缺点？

f. [讨论] 排序与许多重要科学计算负载都属于通信密集型，但许多其他负载并非如此。列举三个不能从高速网络获益的负载。对这两类负载，你会推荐哪些 EC2 实例？

g. [讨论] 查看 Sort Benchmark 中的各种基准测试，以及各类测试最近的优胜者。这些结果与 (e) 的讨论有什么对应关系？最近的 CloudSort 冠军使用的云实例，与 (f) 中的答案相比如何？

习题 6.21

[10/25/讨论]〈6.4，6.7〉 WSC 规模庞大，因此必须根据预期运行的负载，适当分配网络资源。不同分配方案会显著影响性能和总拥有成本。

a. [10] 使用图 6.32 电子表格中的数据，每台接入层交换机的超额订阅比是多少？如果减半，TCO 有何变化？如果加倍呢？

b. [25] 对受网络限制的负载，降低超额订阅比可能提高性能。假设一个计算作业使用 120 台服务器，读取 5 TB 数据。读取数据、中间数据和输出数据的比例，与图 6.47 中 2009 年 9 月相同；存储层次结构的带宽采用图 6.21。读取数据时，50% 来自远程磁盘；其中 80% 来自机架内，20% 来自阵列内。中间数据与输出数据有 30% 使用远程磁盘；其中 90% 位于机架内，10% 位于阵列内。将超额订阅比减半，整体性能会改善多少？如果超额订阅比加倍，性能又如何？计算各情况下的 TCO。

c. [讨论] 你认为新兴技术趋势将怎样影响未来 WSC 的设计？例如，每个系统的核心越来越多，包括使用 chiplet；光互连带来更高带宽与更高能效。

习题 6.22

[5/15/15/20/25/讨论/讨论]〈6.2〉发挥云的能力。 假设你是 Alexa.com 排名靠前网站的运维与基础设施经理，正在考虑使用 Amazon Web Services（AWS）。决定是否迁移到 AWS 时，需要考虑哪些因素？可以使用什么服务和实例类型，能节省多少费用？你可以用 Alexa 和网站流量信息，例如 Wikipedia 的页面访问统计，估计热门网站的流量；也可以采用网上的具体案例，例如每日 280 万次页面浏览的 Drupal 单服务器案例。

这组幻灯片描述了一个 Alexa 排名第 3400、每日页面浏览量 280 万的网站，只使用一台服务器。服务器配有两颗四核 2.5 GHz Xeon、8 GB DRAM，以及三块构成 RAID1 的 15,000 RPM SAS 硬盘，每月成本约 $400。网站大量使用缓存，CPU 利用率在 50%–250% 之间，约相当于 0.5–2.5 个核心繁忙。

a. [5] 查看可用的 EC2 实例类型，哪些能够达到或超过当前服务器配置？

b. [15] 查看 EC2 价格信息，选择在 AWS 托管此网站最具成本效益的 EC2 实例，允许组合使用。每月 EC2 成本是多少？

c. [15] 再把 IP 地址和网络流量成本纳入计算，假设网站每天经互联网传入、传出 100 GB 数据。现在网站每月成本是多少？

d. [20] 原题所述 AWS 还向新客户免费提供一年微型实例，并对跨 AWS 的传入和传出流量各提供 15 GB 配额。根据你对所在部门 Web 服务器峰值与平均流量的估计，能否免费把它托管在 AWS？

e. [25] 如果 Netflix.com 这样大得多的网站，把流媒体与编码基础设施迁往 AWS，根据其服务特征，它可以使用哪些 AWS 服务，各自用于什么目的？

f. [讨论] 查看 Google、Microsoft、Alibaba 等其他云提供商的类似产品。(a)–(e) 的答案会怎样变化？

g. [讨论] “无服务器计算”（serverless computing）让你不必考虑具体服务器，就能构建和运行更高层次的应用与服务。例如 AWS Lambda、Google Cloud Functions、Microsoft Azure Functions 等。继续以网站运维与基础设施经理的身份考虑：什么时候会采用无服务器计算？

习题 6.23

[讨论/讨论/20/20/讨论]〈6.7，6.9〉 图 6.36 展示用户感知的响应时间如何影响收入，说明了为什么必须在保持低延迟的同时获得高吞吐量。

a. [讨论] 以 Web 搜索为例，有哪些可能降低查询延迟的方法？

b. [讨论] 为了解时间花在哪里，可以收集哪些监控统计？你准备如何实现这种监控工具？

c. [20] 假设每次查询的磁盘访问次数服从均值为 2、标准差为 3 的正态分布。要满足 95% 查询延迟不超过 0.1 s 的 SLA，磁盘访问延迟需要达到什么水平？

d. [20] 内存缓存可以减少访问硬盘等长延迟事件的发生频率。假设稳态命中率为 40%，命中延迟为 0.05 s，未命中延迟为 0.2 s，缓存能否帮助满足 95% 查询延迟不超过 0.1 s 的 SLA？

e. [讨论] 缓存内容何时会过时，甚至变得不一致？这种情况可能多久发生一次？如何检测并使这些内容失效？

习题 6.24

[15/15/20/讨论]〈6.6，6.7〉 典型电源单元（PSU）的效率随负载变化。例如，原题把第一档写为效率约“80%—40% load”，例子是一台 100 W PSU 输出 40 W；负载在 20%–40% 之间时，效率为 75%；负载低于 20% 时，效率为 65%。

译注： 原页确实印为“80%—40% load”，效率 80% 与负载 40% 之间缺少明确关系词，也没有清楚界定第一档负载范围。

a. [15] 假设一台服务器的实际功率与 CPU 利用率成正比，利用率曲线如图 6.48。PSU 平均效率是多少？

b. [15] 假设服务器的 PSU 采用 $2N$ 冗余，即 PSU 数量加倍，以保证一台 PSU 失效时仍能稳定供电。PSU 平均效率是多少？

c. [20] 刀片服务器厂商使用共享 PSU 池，既提供冗余，也能动态调整启用的 PSU 数量，使其匹配服务器实际功耗。假设一个刀片机箱共有 16 台服务器，最多使用 6 台 PSU。服务器利用率曲线相同，这种情况下机箱的 PSU 平均效率是多少？

d. [讨论] 结合图 6.32 和图 6.33 中更广泛的 TCO 讨论，考虑不同效率数值的影响：不同设计怎样影响总体 TCO？据此，你会如何优化未来仓库级计算机的设计？

图内术语：Fraction of time＝时间占比；CPU utilization＝CPU 利用率。

习题 6.25

[5/讨论/10/15/讨论/讨论/讨论]〈6.6，6.9〉 Power stranding 指数据中心已经配置、却未使用的电力容量。考察图 6.49 中不同机器分组的数据（Fan、Weber 和 Barroso，2007）。注意，该论文所称的 cluster（集群），相当于本章所称的 array（阵列）。

a. [5] （1）机架级、（2）配电单元级、（3）阵列（集群）级，各有多少闲置电力容量？机器分组越大，电力容量的超额订阅呈现什么趋势？

b. [讨论] 你认为不同机器分组之间闲置电力容量的差异，是什么原因造成的？

c. [10] 考虑一个阵列级机器集合，全部机器实际总功率从不超过总配置功率的 72%；这有时也称为“总和的峰值”与“峰值的总和”之比。使用案例研究中的成本模型，比较按峰值容量配置与按实际使用配置的数据中心，计算可节省的成本。

图内术语：Normalized power＝归一化功率；Rack＝机架；PDU＝配电单元；Cluster＝集群，对应本章的阵列；(a) Full distribution＝完整分布；(b) Zoomed view＝局部放大。

d. [15] 假设数据中心设计者决定在阵列级增加服务器，利用闲置电力容量。采用 (a) 的示例配置与假设，在总供电配置不变的情况下，WSC 可以增加多少台服务器？

e. [讨论] 要使 (d) 的优化在实际部署中可行，需要什么条件？提示：考虑极少数情况下，阵列中所有服务器同时达到峰值功率时，应如何限制功率。

f. [讨论] 可以设想两类功率上限管理策略（Ranganathan 等，2006）：（1）事先制定功率预算的预先控制策略——“不要假定可以多用电，用之前先申请！”；（2）一旦违反预算再限制功率的响应式策略——“只要还没被告知不行，就按需要用电！”讨论两者的权衡，以及分别适合什么情况。

g. [讨论] 如果系统的能耗变得更接近与工作量成比例，总闲置电力容量会发生什么变化？

习题 6.26

[5/20/讨论]〈6.6，6.7〉 6.6 节讨论了每机架配置电池、作为本地 UPS 的方法。可以进一步把电池配置到每台服务器。下面考察这种设计的影响。

a. [5] 假设用电池作为服务器级微型 UPS，效率为 99.99%，从而不再需要效率只有 92% 的设施级 UPS。假设变电站开关效率为 99.7%，PDU、降压级与其他断路器的效率分别为 98%、98%、99%。计算每服务器电池备份方案带来的总体供电基础设施效率改善。

b. [20] 假设 UPS 成本为 IT 设备成本的 10%。使用案例研究成本模型的其他假设，求电池成本的盈亏平衡点，以单台服务器成本的比例表示：电池低于什么成本时，电池方案的 TCO 优于设施级 UPS？

c. [讨论] 两种方法还有哪些权衡？特别是，你认为两种设计的可管理性与失效模型会如何变化？

习题 6.27

[5/5/讨论]〈6.6，6.7〉 本题考虑 WSC 总运行功率的一个简化方程，如下：

译注： 题目缺少此处所述的方程。

a. [5] 假设一个 8 MW 数据中心的电力使用率为 80%，电价为每千瓦时 $0.10，冷却低效乘数为 0.8。比较两种优化的成本节省：（1）冷却效率提高 20%；（2）IT 设备能效提高 20%。

b. [5] IT 设备能效需要提高百分之多少，才能达到冷却效率提高 20% 的成本节省？

c. [讨论] 对于服务器能效优化与冷却能效优化的相对重要性，你能得出什么结论？

习题 6.28

[5/5/讨论]〈6.6，6.7〉 如本章所述，WSC 的冷却设备本身也可能消耗大量能量。主动管理温度可以降低冷却成本。已有一种优化方案是感知温度的负载放置：识别给定机房的冷却分布，把较热系统放到较冷位置，从而降低 WSC 整体冷却需求。

a. [5] 计算机房空调（CRAC）的性能系数（COP）衡量其效率，定义为移除的热量 $Q$ 与移除这些热量所需功 $W$ 之比。CRAC 送入静压空间的空气温度越高，COP 越大。如果回风温度为 20°C，以 COP 1.9 移除 10 kW 热量，CRAC 消耗多少能量？如果同样体积的空气以 25°C 回流，冷却时 COP 为 3.1，现在 CRAC 消耗多少能量？

b. [5] 假设一种工作负载分配算法能把较热负载恰当地映射到较冷位置，让 CRAC 像上一问那样在较高温度下运行，提高冷却效率。上述两种情况之间节省多少功率？

c. [讨论] 鉴于 WSC 的规模，电源管理可能是复杂而多方面的问题。能效优化可以在硬件或软件中实现，可以针对 IT 设备或冷却设备，在系统级或集群级实施，等等。设计 WSC 整体能效方案时，必须考虑这些交互。设有一种整合算法，观察服务器利用率，把不同类别负载集中在同一服务器上以提高利用率；如果系统的能耗与工作量不成比例，这可能让服务器运行在能效更高的状态。这种优化与同时尝试使用不同电源状态的另一算法，会怎样相互影响？可参考 ACPI（Advanced Configuration Power Interface）中的例子。你还能想到哪些 WSC 中多种优化可能冲突的例子？你会怎样解决？

习题 6.29

[5/10/15/20]〈6.7〉 能耗与工作量成比例（energy proportionality，有时也称 energy scale-down），是指系统空闲时不耗电，更重要的是，功耗随活动水平和完成的工作量按比例逐渐增加。本题考察不同模型对能耗的影响。除非另有说明，以下默认使用图 6.50 的数据。

a. [5] 分析这种比例关系的一种简单方法，是假设活动水平与功率呈线性关系。仅使用图 6.50 的峰值功率和空闲功率数据，通过线性插值，绘制能效随利用率变化的趋势；能效以每瓦性能表示。如果空闲功率，即 0% 活动水平时的功率，只有图 6.50 假定值的一半，会怎样？如果空闲功率为零呢？

译注： 原表第七列表头写“Figure 6.3 weightings”，但图注说明权重来自图 6.48；这里同时保留表头与图注，并标出差异。加权结果也按原表保留，不用已舍入的权重重新覆盖原值。

b. [10] 绘制能效随活动水平变化的趋势，但功率变化采用图 6.50 第三列的数据。再假设仅空闲功率降至图 6.50 数值的一半，绘制能效曲线。将这些曲线与上一问的线性模型比较。对只关注空闲功率的做法，你能得出什么结论？

c. [15] 假设系统利用率组合如图 6.50 第七列。为简化起见，在 1000 台服务器中采用离散分布：109 台利用率为 0%，80 台为 10%，以此类推。使用 (a) 和 (b) 的假设，分别计算该负载组合的总性能与总能耗。

d. [20] 可以设计一种系统，在 0%–50% 负载区间中，功率与负载呈次线性关系。其能效曲线会在较低利用率时达到峰值，代价是在较高利用率时表现较差。重新设计图 6.50 第三列，使其展现这种能效曲线。假设利用率组合如图 6.50 第七列；为简化起见，在 1000 台服务器中采用离散分布，109 台利用率为 0%，80 台为 10%，以此类推。计算该负载组合的总性能与总能耗。

习题 6.30

[15/20/20]〈6.7〉 本题说明能耗与工作量比例模型，同服务器整合、高能效服务器设计等优化之间的交互。考虑图 6.51 和图 6.52 的场景。

a. [15] 考虑图 6.51 中两种服务器的功率分布：方案 A 是图 6.50 的服务器，方案 B 的能耗与工作量比例关系较差，但能效比 A 更高。采用图 6.50 第七列的利用率组合。为简化起见，在 1000 台服务器中采用离散分布：109 台利用率为 0%，80 台为 10%，以此类推，如图 6.52 第一行。性能变化采用图 6.50 第二列。比较两类服务器在该负载组合下的总性能与总能耗。

b. [20] 考虑一个包含 1000 台服务器的集群，数据与图 6.50 类似，并汇总在图 6.51 和图 6.52 的第一行。在这些假设下，该负载组合的总性能与总能耗是多少？现在假设能够整合负载，得到方案 C 的分布，即图 6.52 第二行。此时总性能与总能耗是多少？与一个空闲功率为 0 W、峰值功率为 662 W、采用线性能耗与工作量比例模型的系统相比，总能耗如何？

c. [20] 使用服务器 B 的功率模型重复 (b)，并与 (a) 的结果比较。

习题 6.31

[10/讨论]〈6.7〉系统级能耗与工作量比例关系的趋势。 考虑服务器功耗的以下两种分解：

• CPU 50%；内存 23%；磁盘 11%；网络/其他 16%。
• CPU 33%；内存 30%；磁盘 10%；网络/其他 27%。

a. [10] 假设 CPU 功率动态范围为 3.0 倍，即 CPU 空闲功耗为峰值的三分之一。内存、磁盘、网络/其他类别的动态范围分别为 2.0、1.3、1.2 倍。两种情况下整个系统的总动态范围分别是多少？

b. [讨论] 从 (a) 的结果中可以学到什么？如何在系统级改善能耗与工作量的比例关系？提示：系统级目标不能只靠 CPU 优化实现，而需要改善全部部件。

习题 6.32

[30]〈6.7〉 Pitt Turner IV 等（2008）对数据中心 Tier 等级分类作了很好的概述。Tier 等级定义场地基础设施的性能。为简化起见，只考虑图 6.53 中的关键差异，改编自 Pitt Turner IV 等（2008）。以案例研究中的 TCO 模型为框架，比较所列不同等级的成本影响。

习题 6.33

[讨论]〈6.7〉 根据图 6.36 与图 6.32，定性讨论停机造成的收入损失，与维持正常运行所需成本之间的权衡。

习题 6.34

[15/讨论]〈6.6〉 最近一些研究定义了 TPUE，意为“真实 PUE”（true PUE）或“总体 PUE”（total PUE），定义为 $\mathrm{PUE}\times\mathrm{SPUE}$。6.6 节将 PUE 定义为设施总功率与 IT 设备总功率之比。SPUE，即服务器 PUE，是一个类似 PUE、但用于计算设备的新指标，定义为服务器总输入功率与有效功率之比。有效功率指直接参与计算的电子部件所消耗的功率，包括主板、磁盘、CPU、DRAM、I/O 卡等。换言之，SPUE 衡量服务器内部电源、电压调节器和风扇带来的低效。

a. [15] 考虑提高计算机房空调（CRAC）送风温度的设计。CRAC 效率近似是温度的二次函数，因此这种设计能改善总体 PUE，假设改善 7%，基准 PUE 为 1.7。然而，服务器处温度提高，触发板载风扇控制器让风扇以更高速度运行。风扇功率是转速的三次函数，因此转速提高使 SPUE 恶化。假设采用如下风扇功率模型：其中 $n_s$ 为归一化风扇转速，等于以 rpm 表示的风扇转速除以 18,000，基准服务器功率为 350 W。计算风扇转速（1）从 10,000 提高到 12,500 rpm，（2）从 10,000 提高到 18,000 rpm 时的 SPUE。比较两种情况下的 PUE 与 TPUE。为简化起见，在 SPUE 模型中忽略供电损耗。

译注： 原页“Assume a fan power model:”之后直接接“where ns…”，没有给出风扇功率模型公式。归一化转速定义和 350 W 参数确实存在。

b. [讨论] (a) 说明，PUE 虽然能很好地衡量设施开销，却不反映 IT 设备自身的低效。你能否指出另一种设计，其 TPUE 改善可能小于传统 PUE 的改善？提示：参见习题 6.26。

习题 6.35

[讨论/30/讨论]〈6.7〉 两个基准测试为评估服务器能效提供了良好起点：SPECpower_ssj2008 基准测试，见 SPECpower_ssj2008，以及 JouleSort 指标，见 Sort Benchmark。

a. [讨论] 查阅两种基准测试的说明。它们有哪些相似和不同之处？为了更好地服务于提高 WSC 能效的目标，你会如何改进它们？

b. [30] JouleSort 测量执行一次外部排序的系统总能耗，并试图建立一个能够比较嵌入式设备到超级计算机的指标。到 Sort Benchmark 查阅 JouleSort 说明。下载公开可用的排序算法实现，在笔记本、PC、手机等不同类别机器上，或者在不同配置下运行。从这些设置的 JouleSort 评分中，可以学到什么？

c. [讨论] 考虑上述实验中 JouleSort 评分最好的系统。你会如何改善能效？例如，尝试重写排序代码来提高评分。在云中运行排序，会怎样影响能效？

习题 6.36

[10/10/15/讨论]〈6.1，6.4〉 图 6.1 列出了服务器阵列中的中断事件。面对 WSC 的庞大规模，必须平衡集群设计与软件体系结构，以合理成本达到所需正常运行时间。本题考察仅靠硬件实现可用性的影响。

a. [10] 假设运营商希望只通过改进服务器硬件达到 95% 可用性，每类事件的次数需要减少多少？暂时假设单台服务器崩溃完全由冗余机器处理。

b. [10] 如果单台服务器崩溃只有 50% 的情况由冗余处理，(a) 的答案如何变化？如果只有 20% 呢？如果完全不由冗余处理呢？

c. [15] 讨论软件冗余对实现高可用性的重要性。如果 WSC 运营商考虑购买更便宜、但可靠性低 10% 的机器，会对软件体系结构有什么影响？软件冗余有哪些相关挑战？

d. [讨论] 讨论最终一致性对仓库级计算机扩展能力的重要性。

习题 6.37

[15]〈6.1，6.9〉 查阅普通 DDR4 DRAM 与支持纠错码（ECC）的 DDR4 DRAM 当前价格。为了获得 ECC 提供的更高可靠性，每位价格增加多少？仅使用 DRAM 价格与 6.9 节的数据，比较采用非 ECC 和 ECC DRAM 的 WSC，每美元可获得多少正常运行时间。

习题 6.38

[5/讨论/讨论]〈6.1，6.9〉WSC 的可靠性与可管理性问题。

a. [5] 考虑一个服务器集群，每台成本为 $2000。假设年失效率为 5%，每次维修平均需要 1 小时，更换部件每次花费系统成本的 10%。若维修技术人员每小时费用为 $100，每台服务器每年的维护成本是多少？

b. [讨论] 比较这一管理模型与传统企业数据中心模型的差异。后者有大量中小型应用，每个应用运行在自己的专用硬件基础设施上。

c. [讨论] 讨论仓库级计算机采用异构机器的权衡。

习题 6.39

[5/5/10/讨论]〈6.1，6.7〉 假设你创建了一项 Web 服务，99% 的时间运行良好，在 100 ms 内响应；1% 的时间出现性能问题，例如 CPU 进入低功耗状态，导致响应耗时 1000 ms。

a. [5] 服务越来越受欢迎，现在有 100 台服务器，而且处理用户请求的计算必须访问全部服务器。在这 100 台服务器上，一次查询出现慢响应的概率是多少？

b. [5] 要让集群延迟 SLA 仅有不超过 10% 的时间出现不良延迟，单服务器延迟 SLA 需要从“两个 9”（99%）提高到几个 9？

c. [10] 如果有 2000 台服务器，(a) 与 (b) 的答案如何变化？

d. [讨论] 6.7 节（原书所引第 531 页）讨论了能够容忍尾部延迟的设计。你的 Web 服务需要进行哪些设计优化？提示：参阅 Dean 和 Barroso（2013）的论文 The Tail at Scale。

习题 6.40

[讨论/讨论/5/5/5]〈6.3，6.2〉 现代虚拟化平台与 hypervisor 支持在线迁移，即在物理宿主机之间移动整个 VM。在线迁移为云提供商与客户带来许多收益，包括无中断系统维护，以及更有效地把负载安排到物理宿主机、改善 TCO。假设有机器 A、B，各有 12 个核心和 256 GB DRAM。最初，A 运行两个 VM：VM0 使用 6 个核心和 24 GB DRAM；VM1 使用 4 个核心和 48 GB DRAM。B 运行 VM2，使用 4 个核心和 128 GB DRAM。现在用户关闭 VM1。根据此前对该客户 VM 的经验，预计 VM0、VM2 在可预见的将来会持续运行。假设有一个简单 VM 迁移系统：（1）暂停 VM；（2）经网络传输 CPU/内存状态；（3）恢复 VM。假设迁移时间主要由内存内容的传输决定。

a. [讨论] 迁移 VM 时，除 CPU/内存状态外，还必须考虑哪些资源？如果目标是尽量缩短迁移时间，你预计应该如何管理这些资源？

b. [讨论] 假设要把 VM0 与 VM2 整合到同一物理宿主机。可以考察哪些指标，决定迁移哪一个 VM？

c. [5] 使用上述简单迁移系统，假设向 VM 客户承诺了“六个 9”的正常运行时间。如果每天最多迁移一次 VM，而且这是唯一可能导致停机的因素，迁移过程最多可以耗时多久？

d. [5] 假设系统决定把 VM2 迁到机器 A。仍假设每天迁移一次，A、B 之间至少需要多少带宽，才能在不违反正常运行时间保证的前提下完成迁移？

e. [5] 如果网络带宽为 200 Gb/s，在不违反“五个 9”的正常运行时间保证的情况下，每天最多可以迁移 VM0 多少次？

习题 6.41

[讨论]〈6.3，6.2〉 除进程隔离、虚拟机、物理隔离等机制外，容器化也是一种常用隔离机制。

a. [讨论] 查阅常用容器管理工具。隔离是否被宣传为它们的主要用途？

b. [讨论] 比较容器化与上述其他隔离机制的异同，从性能开销、隔离能力、硬件要求等多个方面讨论。

c. [讨论] 哪些类型的 WSC 运营商可能依赖各种隔离方式？为每种隔离技术给出一个 WSC 应用实例。

d. [讨论] 隔离机制从来都不是完美的。查找并解释这些机制在生产系统中被突破的若干实例。

习题 6.42

[30/10]〈6.5〉 今天的 WSC 提供大量成本/性能特征不同的 I/O 机制与加速器。云用户也能选择这些不同资源，价格公布在云提供商网站上。

a. [30] 绘制不同云提供商提供下列资源的每小时、每 GB、每 Gb/s 等成本。尝试比较不同类型实例，分离出每种资源的成本。

• i. 网络：不同带宽。
• ii. DRAM：不同容量与标准。
• iii. NVMe Flash：不同 IOPS、带宽。
• iv. 磁盘：不同 IOPS、带宽。
• v. GPU：不同 OPs/s。
• vi. FPGA。
• vii. ML 加速器：不同 OPs/s。

b. [10] 收集类似设备的零售价格。如果云提供商按这些价格购买设备，需要出租多久才能收回成本？

习题 6.43

[讨论/5/5/5/讨论]〈6.8〉 FPGA 可以在数小时内，而非数月或数年，部署新的专用硬件设计；但与 ASIC 相比，功耗与性能需要付出代价。本题考察在 FPGA 与 ASIC 上部署专用硬件的权衡。假设你是云运营商，可以购买以下一种加速器部署到服务器群：（1）FlexAcc，基于 FPGA，可快速修改与重新编程，始终保持相对 32 核 CPU 软件实现的 16 倍加速；（2）FastAcc，基于 ASIC，无法修改，但速度为 32 核 CPU 软件实现的 1024 倍，功耗为 FlexAcc 的八分之一、CPU 的三十二分之一。假设 FlexAcc 与 FastAcc 的购置价格相同。

a. [讨论] 哪些应用领域或程序库可能更适合 FlexAcc 这种形式？哪些更适合 FastAcc？

b. [5] 假设每次软件发布新版本，FastAcc 的有效性能减半，功耗不变。经过多少次软件发布后，FlexAcc 与 FastAcc 的瞬时每瓦性能相同？

c. [5] 假设一颗 32 核 CPU 成本为 $2048，电价为 $0.125/kWh。CPU 与 FastAcc 都部署两年，期间没有新软件版本。要与 CPU 的成本持平，FastAcc 最高购置价格是多少？

d. [5] 对 FlexAcc 重复 (c)。

e. [讨论] (a)–(d) 隐含假定 ASIC 加速器完全无法随软件演进，但实际并非如此。有哪些可编程 ASIC 的例子？它们如何保持灵活性？

习题 6.44

[讨论/讨论/240/5/5/5]〈6.8〉复现面向 WSC 的开源定制芯片。 Karandikar 等发布了一个开源 Protocol Buffers 硬件加速器设计。Protocol Buffers 是一种序列化框架，常用于仓库级计算机中的服务间通信与持久化存储。

a. [讨论] 设计这一加速器的动机是什么？查找一些参考资料，讨论不同云提供商、不同时间点上，序列化/反序列化占用的 CPU 比例。

b. [讨论] 这种加速器应如何集成到系统中，例如靠近核心、经 CXL 或 PCIe 接入？从性能和集成成本两个角度讨论权衡。

c. [240] 按 Karandikar 等论文的 artifact 附录，在 Protocol Buffers 加速器的开源实现上，运行源自 Google 服务器群的 Protocol Buffers 基准测试。需要能够访问 AWS。

d. [5] 该论文不仅提出新的 WSC 硬件，还利用 WSC 专门化完成评估：通过云 FPGA 与 FireSim 实现快速硬件模拟。比较按需付费使用所需 FPGA（EC2 F1），与直接购买一块 FPGA（Xilinx Alveo U250）的成本。

e. [5] 如果购买 FPGA，需要运行多少次基准测试才能收回成本？若再计入承载 FPGA 的服务器成本呢？

f. [5] 重做前面的计算，假设购买足够多的 FPGA，即八块，以匹配 artifact 所设置的、在云端多块 FPGA 上运行的并行度。