[Paper] 可适应的 Teastore 与能源消耗感知：案例研究

Source: arXiv - 2512.23498v1

概述

本文介绍了 EnCoMSAS，一种轻量级监控工具，可在运行时测量自适应云应用的能耗。通过使用 Adaptable TeaStore 微服务基准，作者展示了如何将实时能耗数据输入到适应决策中，而不会产生显著的能耗开销。

关键贡献

• EnCoMSAS 原型：一个开源、语言无关的监控器，能够捕获分布式云节点上每个服务的能耗。
• 与自适应循环的集成：展示了如何将能耗指标作为一等目标纳入 MAPE‑K（监控‑分析‑规划‑执行‑知识）反馈循环。
• 在真实微服务基准上的实证评估（Adaptable TeaStore），部署于 Grid5000 测试平台，重点研究在不同工作负载下的推荐服务。
• 低监控开销的证据：该工具自身的能耗相较于整个 TeaStore 应用套件的总体足迹而言是适度的。
• 关于环境依赖能耗行为的洞察：表明仅凭算法复杂度无法完全解释能耗；部署特性（如 VM 大小、CPU 频率）同样重要。

方法论

1. 工具设计 – EnCoMSAS 接入操作系统的功率限制接口（例如 Intel CPU 的 RAPL），并聚合每进程计数器，通过 REST API 暴露。
2. 仪器化 – 对 Adaptable TeaStore 的推荐微服务进行仪器化，在每次推荐请求的前后调用 EnCoMSAS，记录能量增量。
3. 实验设置 –
   • 平台：Grid5000 节点（双插槽 Xeon，2 × 8 核，128 GB RAM）。
   • 工作负载：合成用户请求流，强度从低（10 请求/秒）到高（200 请求/秒）不等，模拟真实流量峰值。
   • 适应场景：推荐器可根据 QoS 和能耗目标在三种算法（简单流行度、协同过滤、深度学习模型）之间切换。
4. 数据收集 – 对每次运行记录能耗、CPU 利用率、延迟和吞吐量，以便进行 CPU 使用率与测得焦耳之间的相关性分析。
5. 影响评估 – 测量运行 EnCoMSAS 本身的额外能耗，并与所有 TeaStore 微服务的总能耗进行比较。

结果与发现

实际意义

• 能源感知自动扩缩：云运营商可以将 EnCoMSAS 集成到 Kubernetes 运算器或无服务器平台中，以在性能和功耗之间做出平衡的扩缩决策。
• 绿色 DevOps 流水线：CI/CD 工具可以加入 EnCoMSAS 指标，在生产部署前标记能耗低效的代码路径。
• SLA 增强的微服务：服务所有者可以将“能耗预算”作为合同的一部分公开，使客户能够在非高峰时段请求低功耗模式。
• 硬件感知部署：研究结果鼓励团队在不同的 VM 类型或裸金属配置上对服务进行性能分析，选择最节能的组合来处理特定工作负载。
• 开源采用：由于 EnCoMSAS 与语言无关且使用标准的功率限制接口，它可以快速集成到现有的可观测性栈（Prometheus、OpenTelemetry）中。

限制与未来工作

• 硬件范围：实验仅限于带有 RAPL 的 Intel Xeon CPU；ARM 或 GPU 密集型工作负载需要单独验证。
• 单服务聚焦：仅对推荐系统微服务进行了仪表化；将该方法扩展到相互依赖的全栈服务可能会揭示隐藏的协同挑战。
• 静态工作负载模式：真实世界的流量呈现更复杂的时间动态（突发、昼夜周期）；未来研究应在此类随机负载下测试 EnCoMSAS。
• 能耗感知的自适应策略：本文使用了简单的基于规则的切换；探索强化学习或多目标优化可能带来更丰富的能耗节省。

底线：EnCoMSAS 证明了细粒度、低开销的能耗监测对自适应云应用是可行的，为开发者和运维人员将可持续性直接嵌入运行时决策打开了大门。

作者

• Henrique De Medeiros
• Denisse Muñante
• Sophie Chabridon
• César Perdigão Batista
• Denis Conan

论文信息

• arXiv ID: 2512.23498v1
• 分类: cs.SE
• 出版日期: 2025年12月29日
• PDF: 下载 PDF