Energy consumption on database management systems

Abstract

In recent years, with the growth of energy consumption by computing devices, energy efficiency is a crucial concern in the IT area due to its economics and environmental impact. The recent but widespread use of powerful computing devices, namely smartphones, which rely on "the cloud" to store large amounts of information (like, for example, photos and videos), is demanding the construction and maintenance of large data centers. Such data centers run large-scale internet-based systems like cloud services. As a consequence, the energy consumed by data centers is growing fast, which is a crucial concern in the IT area due to its economics and environmental impact. The growing reliance on cloud construction services is one of the main reasons for the rapid rise in research and development of energy efficient software and hardware for data centers. Nowadays, the most popular usage of data centers is the Database Management Systems (DBMS) that, normally, are responsible for the access, management, manipulation, and organization of data. While there have been advances and studies in energy-awareness in this area, there isn't enough knowledge on the energy efficiency provided by different database systems. This master thesis intends to tackle this lack of knowledge by analyzing the energy consumption of DBMS software. Through benchmarks that simulate real usage environments, this research plays a key role in improving the knowledge on the energy efficiency of DBMS. We analyze four systems, namely MySQL, Postgres, MariaDB, and Redis. Moreover, we use the HammerDB benchmark framework for the simulation of DBMS in a real environment. Thus, to have a precise knowledge of the energy consumption of DBMS, we analyze the energy consumption in various subsystems of the computer, namely like CPU, DRAM, GPU, and Disk. Moreover, we present further analysis of the energy consumption per performance ratio in all subsystems levels. Our results show that, indeed, there are significant differences in the energy consumption of which DBMS and that in some scenarios, the one with better run time performance is not what consumes more energy.

Nos últimos anos, com o crescimento do consumo de energia pelos dispositivos computacionais, a eficiência energética é uma preocupação crucial na área de TI devido ao seu impacto económico e ambiental. Com a recente generalizada utilização de potentes dispositivos informáticos, nomeadamente smartphones, que dependem da "Cloud" para armazenar grandes quantidades de informação (como por exemplo, fotos e vídeos) está a exigir a construção e manutenção de grandes centros de dados. Esses centros de dados executam aplicações baseadas na Internet em grande escala, como serviços em nuvem. Como consequência, a energia consumida pela data centre está aumentar rapidamente, o que é uma preocupação crucial devido ao impacto económico e ambiental que estes trazem. O aumento da dependência destes serviços em nuvem é uma das principais razões para o interesse em estudos e desenvolvimento de software e hardware com baixo consumo de energia. Hoje em dia, o uso mais popular dos data centre são os Sistemas de Gesto de Base de Dados (SGBD) que, normalmente, são responsáveis pelo acesso, gestão, manipulação e organização dos dados. Embora tenha havido alguns avanços e estudos em eficiência energética nesta área, ainda existe falta de conhecimento nesta área. Esta dissertação pretende reduzir a falta de conhecimento do consumo de energia do software DBMS. Ao usar ferramentas de benchmarks que simulam ambientes reais, este estudo desempenha um papel fundamental no aprimoramento do conhecimento sobre a eficiência energética de diferentes tipos SGBD. Analisamos quatro sistemas, nomeadamente MySQL, Postgres, MariaDB e Redis. Além disso, usamos o framework de benchmark HammerDB para a simulação da SGBD em um ambiente real. Para ter um conhecimento aprefundado sobre o consumo de energia do SGBD, analisamos o consumo de energia em vários subsistemas do computador, nomeadamente como CPU, DRAM, GPU Disco. Além disso, apresentamos uma análise mais aprofundada do consumo de energia relacionada com o desempenho em todos os níveis dos subsistemas. Esta tese apresenta resultados aonde pode ser verificado que existem diferenças significativas no consumo de energia das inerentes SGBD e em alguns cenarios, a Base de dados com melhor desempenho de performance de execução não é o que consome mais energia.