Zaledwie 30 linii kodu może obniżyć zużycie energii w centrach danych o 30%

Centra danych odpowiadają dziś za ogromne zużycie energii – według prognoz do 2030 roku będą pochłaniać nawet 4% globalnej produkcji prądu. Jednak najnowsze badania pokazują, że zaledwie 30 linii kodu w jądrze systemu Linux może obniżyć zużycie energii przez serwery nawet o 30%. Naukowcy z Uniwersytetu Waterloo w Kanadzie odkryli, że optymalizacja obsługi ruchu sieciowego w systemach serwerowych może znacząco zwiększyć ich efektywność.

Najważniejszą innowacją jest zmiana w sposobie obsługi przerwań (IRQ) przez procesor serwera. W tradycyjnych systemach każde nowe żądanie sieciowe powoduje natychmiastowe przerwanie pracy procesora, co prowadzi do utraty zasobów i zwiększonego zużycia energii. Kanadyjscy badacze zaproponowali jednak rozwiązanie, w którym system, zamiast czekać na każde przerwanie, aktywnie sprawdza sieć w poszukiwaniu nowych pakietów.

Dzięki temu procesor może lepiej zarządzać swoją mocą i zmniejszyć liczbę niepotrzebnych przerwań. W sytuacji spowolnienia ruchu system wraca do tradycyjnej metody obsługi zapytań, co pozwala na zachowanie optymalnej równowagi między wydajnością a oszczędnością energii.

„Nie dodaliśmy niczego nowego. Po prostu zmieniliśmy kolejność operacji, co pozwala lepiej wykorzystać pamięć podręczną procesora” – wyjaśnia prof. Martin Karsten z Uniwersytetu Waterloo.
„To jak reorganizacja procesu produkcji w fabryce – mniej chaosu, większa efektywność.”

Zmiana, która została już wdrożona w jądrze systemu Linux w wersji 6.13, przynosi kilka kluczowych korzyści:

• Redukcja zużycia energii nawet o 30%, co przekłada się na niższe koszty operacyjne dla firm.
• Zwiększenie przepustowości sieci o 45%, co pozwala na obsługę większej liczby użytkowników bez opóźnień.
• Minimalizacja opóźnień krytycznych operacji, co jest kluczowe dla zastosowań w czasie rzeczywistym, takich jak AI czy streaming danych.

Eksperci podkreślają, że ta niewielka zmiana może mieć ogromny wpływ na cały sektor IT. Centra danych coraz częściej mierzą się z rosnącymi wymaganiami energetycznymi, głównie z powodu dynamicznego rozwoju sztucznej inteligencji. Samo trenowanie modelu GPT-4 pochłonęło ilość energii odpowiadającą rocznemu zużyciu 5000 gospodarstw domowych w USA, a to tylko wstęp do rosnących potrzeb branży.