Kepler功率模型/运行方式
在Kepler中，根据可用的测量结果，我们通过两种功率建模方法的混合提供了提供Pod级别功率：
建模方法
-功率比建模：该建模通过功率总和的使用率来计算更细粒度的功率。当总功率已知时，默认情况下会使用此建模。
-功率估计建模：该建模通过使用度量作为训练模型的输入特征来估计功率。即使不能测量功率度量，也可以使用此建模。估计可以分为三个级别：节点总功率（包括风扇、电源等）、节点内部组件功率（如CPU、内存）、Pod功率。另请参阅开始使用Kepler模型服务器
-预训练功率模型：我们为不同的部署场景提供预训练的功率模型。当前的x86_64预训练模型是在Intel® Xeon® Processor E5-2667 v3中开发的。其他架构的模型即将推出。您可以在Kepler Model DB中找到这些模型。这些模型支持RAPL和ACPI电源的功率比例建模和功率估算建模。AbsPower模型估算静态和动态功率，而DynPower模型只估算动态功率。这些模型的MAE（平均绝对误差）也已发布。Kepler容器镜像已预加载acpi/AbsPower/BPFOnly/SGDRegressorTrainer_1.json模型用于节点能量估算，以及rapl/AbsPower/BPFOnly/SGDRegressorTrainer_1.json用于容器绝对功率估算。
使用场景
| Scenario | Node Total Power | Node Component Powers | Pod Power |
|---|---|---|---|
| BM (x86 with power meter) | Measurement (e.g., ACPI) | Measurement (RAPL) | Power Ratio |
| BM (x86 but no power meter) | Power Estimation | Measurement | Power Ratio |
| BM (non-x86 with power meter) | Measurement | Power Estimation | Power Ratio |
| BM (non-x86 and no power meter) | Power Estimation | Power Estimation | Power Ratio |
| VM with node info and power passthrough from BM (x86 with power meter) | Measurement + VM Mapping | Measurement + VM Mapping | Power Ratio |
| VM with node info and power passthrough from BM (x86 but no power meter) | Power Estimation | Measurement + VM Mapping | Power Ratio |
| VM with node info and power passthrough from BM (non-x86 with power meter) | Measurement + VM Mapping | Power Estimation | Power Ratio |
| VM with node info | Power Estimation | Power Estimation | Power Ratio |
| Pure VM | - | - | Power Estimation |