EATS: زمان‌بندی وظایف با مصرف انرژی کم در سیستم‌ های رایانش ابری

قیمت: 44,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

EATS: زمان‌بندی وظایف با مصرف انرژی کم در سیستم‌ های رایانش ابری

عنوان لاتین

EATS: Energy-Aware Tasks Scheduling in Cloud Computing Systems

افزایش هزینه مصرف برق در مراکز داده، و متعاقبا تهدیدات زیست محیطی رشد تقاضا برای رایانش با مصرف انرژی پایین را موجب شده است. با وجود اهمیت این امر، تلاش کمی در معرفی مدلی برای مدیریت مصرف رایانش انجام شده است. با استفاده روزافزون از رایانش ابری، این موضوع بسیار مهم خواهد بود. در رایانش ابری یا Cloud Computing، خدمات در یک مرکز داده بر روی مجموعه‌ای از کلاسترها که توسط محیط محاسبات ابری مدیریت می‌شوند، اجرا می شوند. خدمات در قالب یک نرم افزار به عنوان یک سرویس (SaaS)، پلت فرم به عنوان یک سرویس(PaaS) و زیرساخت به عنوان یک سرویس(IaaS) ارائه می شود. مقدار انرژی مصرف شده توسط سیستم‌های کامپیوتری کم‌تر مصرف شده و پربار، ممکن است قابل توجه باشد. بنابراین، نیاز به برنامه ریزی الگوریتم‌هایی برای محسابه مصرف برق رایانش ابری برای بهره برداری کافی از منابع وجود دارد. از سوی دیگر، رایانش ابری برای محاسبات با کارایی بالا بسیار مهم است؛ به عنوان مثال پردازش کلان داده‌ها به دلیل کاهش مصرف انرژی، نباید به خطر بیافتد. در این مقاله، ما یک زمان‌بندی وظایف با مصرف انرژی پایین (EATS) را به ارمغان می‌آوریم، که اطلاعات زیادی را در Cloud تقسیم کرده و برنامه‌ریزی می‌کند. هدف اصلی از EATS افزایش کارایی برنامه‌ها و کاربردها و کاهش مصرف انرژی در منابع اساسی است. مصرف برق در سرور محاسباتی تحت شرایط مختلف تحت فشار کاری اندازه گیری شد. آزمایشات نشان می‌دهد که نسبت مصرف انرژی در عملکرد پیک در مقایسه با حالت بدون بار کاری 1 به 3 است. این نشان می دهد که منابع باید به طور صحیحی مورد استفاده قرار گیرند، بدون اینکه باعث کاهش کارایی شوند. نتایج روش پیشنهادی بسیار امیدوار کننده و دلگرم کننده است. از این رو، اعمال چنین استراتژی‌هایی توسط ارائه دهندگان سرویس‌های ابری موجب صرفه جویی در مصرف انرژی برای مراکز داده می‌شود.

The increasing cost in power consumption in data centers, and the corresponding environmental threats have raised a growing demand in energy-efficient computing. Despite its importance, little work was done on introducing models to manage the consumption efficiently. With the growing use of Cloud Computing, this issue becomes very crucial. In a Cloud Computing, the services run in a data center on a set of clusters that are managed by the Cloud computing environment. The services are provided in the form of a Software as a Service (SaaS), Platform as a Service (PaaS), and Infrastructure as a Service (IaaS). The amount of energy consumed by the underutilized and overloaded computing systems may be substantial. Therefore, there is a need for scheduling algorithms to take into account the power consumption of the Cloud for energy-efficient resource utilization. On the other hand, Cloud computing is seen as crucial for high performance computing; for instance for the purpose of Big Data processing, and that should not be much compromised for the sake of reducing energy consumption. In this work, we derive an energy-aware tasks scheduling (EATS) model, which divides and schedules a big data in the Cloud. The main goal of EATS is to increase the application efficiency and reduce the energy consumption of the underlying resources. The power consumption of a computing server was measured under different working load conditions. Experiments show that the ratio of energy consumption at peak performance compared to an idle state is 1.3. This shows that resources must be utilized correctly without scarifying performance. The results of the proposed approach are very promising and encouraging. Hence, the adoption of such strategies by the cloud providers result in energy saving for data centers.