Data centers are large-scale, energy-hungry infrastructure serving the increasing computational demands as the world is becoming more connected in smart cities. The emergence of advanced technologies such as cloud-based services, internet of things (IoT), and big data analytics has augmented the growth of global data centers, leading to high energy consumption. This upsurge in energy consumption of the data centers not only incurs the issue of surging high cost (operational and maintenance) but also has an adverse effect on the environment. Dynamic power management in a data center environment requires the cognizance of the correlation between the system and hardware-level performance counters and the power consumption. Power consumption modeling exhibits this correlation and is crucial in designing energy-efficient optimization strategies based on resource utilization. Several works in power modeling are proposed and used in the literature. However, these power models have been evaluated using different benchmarking applications, power-measurement techniques, and error-calculation formulas on different machines. In this work, we present a taxonomy and evaluation of 24 software-based power models using a unified environment, benchmarking applications, power-measurement techniques, and error formulas, with the aim of achieving an objective comparison. We use different server architectures to assess the impact of heterogeneity on the models’ comparison. The performance analysis of these models is elaborated in the article.

中文翻译：

---

计算数据中心中的服务器电源建模

数据中心是大规模、耗能的基础设施，随着世界在智能城市中的联系越来越紧密，服务于日益增长的计算需求。基于云的服务、物联网 (IoT) 和大数据分析等先进技术的出现促进了全球数据中心的增长，导致高能耗。数据中心能源消耗的激增不仅引发了高昂的成本（运营和维护）问题，而且对环境产生了不利影响。数据中心环境中的动态电源管理需要了解系统和硬件级性能计数器与功耗之间的相关性。功耗建模展示了这种相关性，并且对于基于资源利用率设计节能优化策略至关重要。文献中提出并使用了几项功率建模工作。然而，这些功率模型已经在不同机器上使用不同的基准测试应用程序、功率测量技术和误差计算公式进行了评估。在这项工作中，我们使用统一的环境、基准测试应用程序、功率测量技术和误差公式对 24 个基于软件的功率模型进行分类和评估，以实现客观比较。我们使用不同的服务器架构来评估异质性对模型比较的影响。文章详细介绍了这些模型的性能分析。文献中提出并使用了几项功率建模工作。然而，这些功率模型已经在不同机器上使用不同的基准测试应用程序、功率测量技术和误差计算公式进行了评估。在这项工作中，我们使用统一的环境、基准测试应用程序、功率测量技术和误差公式对 24 个基于软件的功率模型进行分类和评估，以实现客观比较。我们使用不同的服务器架构来评估异质性对模型比较的影响。文章详细介绍了这些模型的性能分析。文献中提出并使用了几项功率建模工作。然而，这些功率模型已经在不同机器上使用不同的基准测试应用程序、功率测量技术和误差计算公式进行了评估。在这项工作中，我们使用统一的环境、基准测试应用程序、功率测量技术和误差公式对 24 个基于软件的功率模型进行分类和评估，以实现客观比较。我们使用不同的服务器架构来评估异质性对模型比较的影响。文章详细介绍了这些模型的性能分析。和不同机器上的误差计算公式。在这项工作中，我们使用统一的环境、基准测试应用程序、功率测量技术和误差公式对 24 个基于软件的功率模型进行分类和评估，以实现客观比较。我们使用不同的服务器架构来评估异质性对模型比较的影响。文章详细介绍了这些模型的性能分析。和不同机器上的误差计算公式。在这项工作中，我们使用统一的环境、基准测试应用程序、功率测量技术和误差公式对 24 个基于软件的功率模型进行分类和评估，以实现客观比较。我们使用不同的服务器架构来评估异质性对模型比较的影响。文章详细介绍了这些模型的性能分析。