Hoydepunkter.

En stokastisk rettstorrelsesmodell (SRM) basert pa Queuing teori er foreslatt.

En BFGS-basert algoritme foreslas for a oppna energieffektivitet.

SRM er implementert med apen kildekode skyplatform OpenStack.

Store datasentre er vanligvis bygget for a stotte okende krav til beregning og datalagring av voksende global n ringsliv, som bruker mye energi, til en stor kostnad for bade n ringsliv og miljo. Imidlertid er mye av energien bortkastet for a opprettholde overflodig servicekapasitet i perioder med lav belastning. I dette papiret undersoker vi problemet med «riktig storrelse» datasenter for energieffektivisering gjennom virtualisering, noe som gjor det mulig a konsolidere arbeidsbelastninger i mindre antall servere mens du slar dem dynamisk i drift. I lys av datasenters dynamiske natur foreslar vi en stokastisk modell basert pa Queuing teori for a fange hovedtrekkene. Losning av denne modellen, vi ser at det eksisterer en bytte mellom energiforbruket og ytelsen. Vi utvikler herved en BFGS-basert algoritme for a optimalisere avviket ved a soke etter de optimale systemparameterverdiene for datasentraloperatorene til a «rette storrelse» datasentrene. Vi implementerer var Stochastic Right-size-modell (SRM) og distribuerer den i det virkelige verdensskyens datasenter. Eksperimenter med to virkelige arbeidsbelastningsspor viser at SRM kan redusere energiforbruket betydelig samtidig som den opprettholder hoy ytelse.

Velg et alternativ for a finne / fa tilgang til denne artikkelen:

Sjekk om du har tilgang gjennom innloggingsinformasjonen din eller din institusjon.