====== Технологии и методы энергосбережения ======
<WRAP box>
Раздел посвящён аппаратным и программным технологиям снижения энергопотребления серверов. Рассматриваются методы динамического управления нагрузкой, планирования задач, виртуализации и согласования вычислений с выработкой возобновляемой энергии.
</WRAP>

===== Основные направления =====
Современные подходы охватывают уровень аппаратной архитектуры и алгоритмическое управление ресурсами:

  * Динамическое управление серверами — регулирование режимов работы по телеметрии.
  * Планирование задач — оптимизация порядка и размещения вычислений.
  * Консолидация виртуальных машин — выравнивание загрузки и высвобождение узлов.
  * Контейнеризация — виртуализация с низкими накладными расходами.
  * Планирование с учётом «зелёной» энергетики — выполнение задач в периоды пиковой генерации.

===== 1. Динамическое управление серверами =====
<WRAP box>
Неиспользуемые в данный момент серверы переводятся в спящий/экономичный режим. Эффект — снижение энергопотребления на 10–15 % за счёт временного отключения узлов.
</WRAP>

**Методы**
  * Масштабирование кластера (Scale-Out / Scale-In) по текущему трафику.
  * Переключение режимов энергопотребления (S0–S5) в ОС.
  * Регулирование частоты и напряжения процессора (DVFS/AVFS).

<WRAP center>
$$
P = a \, C \, V^2 \, F
$$
</WRAP>

где: \(P\) — мощность; \(V\) — напряжение; \(F\) — частота; \(C\) — ёмкость нагрузки; \(a\) — коэффициент активности.

===== 2. Проактивное управление нагрузкой =====
<WRAP box>
Система прогнозирует изменения нагрузки, заранее перераспределяет запросы и корректирует мощность серверов. Реализация базируется на анализе телеметрии и обучении с подкреплением.
</WRAP>

<WRAP center>
**Цикл обучения и принятия решений (Q-learning)**
</WRAP>

<mermaid>
flowchart LR
  classDef big font-size:28px,stroke-width:1.2px,padding:10px;

  A["Телеметрия нагрузки"]:::big --> B["Определение состояния системы"]:::big
  B --> C["Обучающая модель (Q-learning)"]:::big
  C --> D["Формирование политики управления"]:::big
  D --> E["Действие — изменение числа активных серверов"]:::big
  E --> F["Среда — вычислительный кластер ЦОД"]:::big
  F --> G["Оценка результата и корректировка модели"]:::big
  G --> B
</mermaid>

<WRAP box>
Алгоритм получает данные, выбирает действие (включить/выключить узлы, изменить лимиты), оценивает результат и обновляет модель, повышая эффективность управления мощностью.
</WRAP>

===== 3. Планирование задач =====
<WRAP box>
Задачи выполняются с учётом приоритета и энергоёмкости. Оптимальный порядок снижает суммарное потребление без потери производительности.
</WRAP>

Эвристические алгоритмы:
  * Min–Min — приоритет задач с минимальным временем выполнения;
  * жадные алгоритмы — выбор ближайшего по ресурсу сервера;
  * эволюционные методы — адаптивный поиск комбинаций с минимальными энергозатратами.

<WRAP center>
**Энергосберегающее распределение задач**
</WRAP>

<mermaid>
flowchart LR
  classDef big font-size:24px,stroke-width:1.2px,padding:10px;

  A["Поступающая задача"]:::big --> B["Оценка энергозатрат"]:::big
  B --> C["Планировщик задач"]:::big
  C --> D["Активный кластер ВМ"]:::big
  D --> E["Резервный пул (спящие ВМ)"]:::big
</mermaid>

<WRAP box>
Планировщик направляет задачу на ВМ с минимальными энергозатратами; при снижении нагрузки часть ВМ переводится в спящий режим.
</WRAP>

===== 4. Виртуализация и консолидация =====
<WRAP box>
Сокращение числа активных серверов достигается миграцией ВМ на более загруженные узлы и отключением простаивающих машин.
</WRAP>

<WRAP center>
**Распределение и консолидация ВМ**
</WRAP>

<mermaid>
flowchart LR
  classDef big font-size:24px,stroke-width:1.2px,padding:10px;

  U["Пользователи / Приложения"]:::big --> B["Диспетчер заданий"]:::big
  B --> S["Планировщик ВМ"]:::big
  S --> R["Монитор ресурсов (нагрузка, мощность)"]:::big
  R --> H["Физические серверы"]:::big
</mermaid>

<WRAP box>
Планировщик использует телеметрию для выбора узлов размещения и запуска миграций. Это выравнивает загрузку и высвобождает оборудование.
</WRAP>

===== 5. Лёгкая виртуализация =====
<WRAP box>
Контейнеризация (Docker, LXC, KataContainer, FireCracker) использует общее ядро ОС и снижает накладные расходы по сравнению с традиционными ВМ. Unikernel — минимизированный образ приложения с необходимыми компонентами ОС (например, MirageOS, ~449 КБ).
</WRAP>

===== 6. Планирование нагрузки с возобновляемыми источниками энергии =====
<WRAP box>
Подход Green-aware Scheduling: выполнение задач смещается в периоды пиковой выработки солнечной/ветровой генерации, снижая потребление из сети.
</WRAP>

<WRAP center>
**Сравнение режимов**
</WRAP>

<mermaid>
flowchart LR
  A["Без планирования"] -->|W1+W2+W3| B["Нагрузка постоянна"]
  C["С учётом «зелёной» энергии"] -->|Задачи смещены под пики генерации| D["Снижение потребления от сети"]
</mermaid>

===== Ключевые идеи =====
<WRAP box>
  * Энергосбережение реализуется на уровне оборудования и программного управления.  
  * Практические инструменты: DVFS, предиктивное управление, планирование задач, консолидация ВМ, контейнеризация.  
  * Обучение с подкреплением повышает адаптивность и качество решений.  
  * Согласование вычислений с выработкой ВИЭ снижает затраты и нагрузку на сеть.
</WRAP>