关键字 |
优化,云。 |
介绍 |
…所有的人,不论种族、性别、收入、或地理位置,有一个健康的道德权利、可持续的环境。 |
首先,能源效率在ICT网络小说研究领域的研究进展和研究方向的识别和分类。作为第一步,我们设法形式化的理论框架可以反映所有重要的参数,可以使优化算法的设计。因此,开发模式允许我们代表的QoS和功耗控制的效果和代表交通封闭形式的方程。此外,使用复合优化目标,提出了由功耗和QoS指标。使用网络模型中,梯度下降优化算法,它可以运行在O (N3)时间复杂度为了优化综合成本函数。基于能耗特点,预测当前和未来的网络设备,几个案例研究提出了不同的优化目标。优化结果进行评估和更快的提出了基于梯度下降的启发式算法。 |
有两个原因导致高能源消耗在云数据中心:一是快速增加的电脑以及云用户的数量,从而导致大量的能量被云数据中心由于其巨大的规模;另一个原因是,在云计算资源分配不合理。资源(如CPU、磁盘、内存和带宽)分配成为一个关键的问题需要解决,如不合理的资源分配会导致更多的在云数据中心的能源消耗。因为资源分配算法具有高能源效率可以大大减少能源消耗,它已经被广泛研究领域的云计算。有三大目标在节能资源问题研究:(1)减少在合理的服务质量和减少能源消耗;(2)总能量,最大化的性能;(3)使性能和能源目标同时达到。的实际意义,在云数据中心资源配置不仅减少能源消耗,而且满足服务质量要求或服务水平协议。在云数据中心、虚拟化技术扮演着重要的角色来满足能源和服务质量的要求。多个服务器可以被合并到一个物理节点的虚拟机(vm)虚拟化。 This technology can greatly enhance the utilization of resources in applications. |
可持续发展是一个长期持久的经济和环境方面的福利。如今在信息和通信技术领域,企业和公司更关心达到一个可持续发展的战略业务。最重要的原因是减少他们的碳足迹和环境影响和降低运营成本。云计算作为一个可持续发展的工具来解决和实现这些目标。云计算是一种新兴技术,越来越广泛,因为它允许访问计算资源等应用程序,存储、按需服务、视频游戏、电影和音乐,这样云客户端不需要知道如何或在哪里得到这些内容。他们唯一需要的是一个宽带连接到云上。 |
背景 |
我们进行这项研究的目的是审查的情况下节能路由将重要的储蓄和对网络延迟的影响。同时,我们试图探索梯度下降法的局限性,提出启发式和简化的解决方案。任何节能解决方案的评价很大程度上取决于能源消费特点的网络基础设施。获得真正的网络节点能耗特点是具有挑战性的,尚未完全实现。此外,正如有正在进行的研究对节能解决方案在硬件层面,网络的整体能耗行为有望改变。广义能耗模型,描述了设备的能耗作为负载的函数,可以适应每个场景的具体特征。电力储蓄通常是网络性能下降的成本增加延迟。因此,提出了优化目标和检查,五花肉功耗和延时指标,以适度的增加需要延后。最后,正如梯度下降优化将是缓慢的在线计算,可以使用更快的启发式网络提出了。这种启发式方法可以执行路由变化导致更节能状态,而不是寻找最优状态,需要耗费大量的时间。 |
云计算是一个概念,涉及不同的问题,问题,技术。达到全球综合定义似乎定义任意为每个组织或公司。用简单词云计算硬件的集合,网络接口,服务和存储提供可行性提供一切如社交网络或协作工具(视频会议、在线研讨会、文档管理)作为服务网络随时随地需要随需应变。 |
文献综述 |
云计算有可能产生巨大的影响,积极的还是消极的,未来的IT部门的碳足迹。一方面,云计算数据中心现在消耗世界上0.5%的发电,这一数字将继续增长随着云计算变得广泛特别是这些系统“不间断永远可用”。然而,所需的大型数据中心云有潜力提供最高效的计算环境。计算在这个浓度和规模将推动云计算供应商建立有效的系统以降低总拥有成本(TOC)以及提高他们的绿色证书。甚至在本地数据中心,搬到一个私有云系统可以利用这些好处,可以采取措施从大型公共云应用的解决方案。例如,接受与一个虚拟化系统的性能下降是不可避免的,许多当前的服务器可以迁移到较低数量的物理机器,使剩余设备动力。这是一个简单的例子,但理论上可以产生重大影响能源消耗。节能意识计算的主要目的是促进的意识能量消耗包括软实时和硬实时系统。云计算允许这一领域的独特的地位显得更加突出,将一定程度上提高碳足迹的现在和未来。尽管有了一些进展,企业一直不愿拿起云服务领域的担心安全,隐私和管理控制。这些企业宁愿使用他们自己的人来管理硬件的前提,控制访问和安全程序。 |
云计算是一种高度可伸缩的和具有成本效益的基础设施运行HPC、企业和Web应用程序。然而,云基础设施的不断增长的需求已大大增加了数据中心的能源消耗,已成为一个关键问题。高能源消耗不仅意味着高运营成本,减少云提供商的利润,但也会导致碳排放量高不环保。因此,节能解决方案需要云计算对环境的影响最小化。为了设计这样的解决方案,深入分析所需的云是对他们的功率效率。因此,在本研究中,我们讨论云的各种元素导致能源消费总量和文献中如何处理它。我们也讨论这些解决方案的含义为未来的研究方向,使绿色云计算。这项研究还解释了云用户的角色在实现这一目标。 |
很多工作已经在无线网络提出了能源效率;能源效率在有线网络最近才关注。能源意识到互联网的问题首先是解决古普塔和辛格。作者提出节能的理念在网络系统中,提出可能的研究方向:将子组件,如线卡放入睡眠或时钟硬件率较低,改变路由,以总交通沿着几个路线,同时允许设备闲置航线睡眠和修改网络拓扑的方式支持路由适应和睡觉。最近的调查中描述几个技术最近提出为了使能源效率在网络。虽然许多其他分类可能,研究绿色信息通信技术可分为下列分支: |
测量和功耗模型:还有小知识对每个网络组件(硬件、软件/应用程序,网络流量)有助于整体能源消耗,这是至关重要的节能系统的设计和架构。因此,大量的工作一直致力于测量不同的网络设备和建筑模型网络设备的能源消耗 |
能源高效的硬件:这个分支的研究试图提出改进硬件来提高能源效率。自适应链路速率(规律),改变操作速度通过动态电压缩放(dv)以及使睡眠模式被检查对理想情况下的能量比例。 |
节能意识路由和网络管理:在这个范畴,研究侧重于潜在的节省能源通过修改网络状态和路由策略,根据不同的假设网络能耗的行为。换句话说,这个研究领域是基于前两个研究的结果和趋势类别。重点是量化可能的节能条件下不同的硬件和动力模型,并提出优化算法对网络能量。本研究工作的研究,属于这一类,从而提出相关方法广泛分析。 |
方法 |
问题的一个非常重要的方面是第一个测量和模型功率消耗在网络和云组件。从这些测量结果表明,基本系统是最大的消费者,所以最好是减少底盘的数量在给定的存在(流行)和最大化每个底盘的卡片数量。然后,一般路由器能耗能耗模型建立基于系统与不同的配置和操作条件。这个模型,它反映了所需的动力底盘的依赖,安装线卡和设备上的流量资料,应用于一组网络拓扑和流量矩阵。 |
能源高效的硬件:这类几个工作考虑硬件变化在个人电脑、交换机或路由器水平以达到节省能源。第一种方法是基于速率适应个人链接根据他们的利用率。这些性能州试图减少能源消耗当积极处理数据包通过降低的速率处理工作。第二种方法将网络接口在空闲时间睡觉。睡眠州试图减少能源消耗没有包。为实现这种方法的介绍了少量的缓冲和由此产生的破裂和延迟是主持。结果显示睡眠和适应速度会导致显著的能源节省,与它们之间的权衡主要依赖电源配置的硬件功能和网络利用率。接口代理的另一个技巧是,转让的管理交通专用的实体。这个外部代理商店所有数据包和回复请求,使powerhungry网络节点长时间睡觉。IEEE最近的一个工作组建立了IEEE 802.3阿兹- 2010标准也被称为节能以太网(EEE)描述了节点的链接机制使睡觉,为研究相关政策留出了空间。 As Ethernet is a widely adopted networking interface, a fraction of savings in the operation of Ethernet will translate in large overall energy savings. In the legacy Ethernet standards for interfaces of 100M and higher, the circuitry is required to remain powered up whether or not data is being transmitted. The reasoning behind this was that the link must be maintained with full bandwidth signalling so that it is ready to support data transmission at all times. When there is no data they transmit an auxiliary signal called IDLE, used to align transmitters and receivers. This active idle state results in comparable power consumption regardless of whether there is data on the link. Moreover, as the complexity of the interfaces increases for larger data rates, the power consumption also increases significantly. Moreover, the majority of the presented approaches, present specific cases of network routing policies and hardware capabilities, i.e. sleep modes, adaptive rates etc, which could become obsolete in case future hardware design follows different direction. In contrast, in this work the problem of a given packet network, with given hardware capabilities and power consumption characteristics is first presented and a generalized model for energy efficient routing control is built. Having in hand the network model, a gradient descent optimization algorithm is used, in order to explore the potential savings from routing control. Several specific cases of power consumption characteristics and objectives are examined. |
能源效率:在本节中,我们描述了云计算的能源效率的两个主要方法:云数据中心和云网络。第一个是最重要的,因为它消耗了大部分的能源内部云。因此如果我们成功的能源效率的云数据中心,它将意味着我们几乎将一个绿色的云环境。但我们不能忽视网络部分的影响;因此我们试图达成一个绿色解决方案以及解决所有这一部分云能源消耗趋势影响。 |
数据中心能源效率:正如我们之前提到的云数据中心内的大部分能源消费者,它们消耗大量的电力云,因此云计算数据中心能耗的减少会导致更可持续和节能的云计算。本节概述的节能数据中心的有效方法和方面。它将覆盖设备、冷却系统(冷却装置,泵与风机)、空调、电力系统和能量来源。能源消耗是分为两类,因为它和网站基础设施的能源消耗总量在每个几乎是相等的。多数的能源消耗在网站和IT基础设施分别冷却/空气系统和驱动服务器。照明有很小的影响与过去相比,能源使用的因素。 |
结论与讨论 |
在这个研究中,我们提出了云计算作为一个可持续发展的解决方案在企业部署应用程序。然后我们挑战问题可持续电能为IT行业的一个重要关注云计算运营在一个更可持续的方式从经济和环境。 |
讨论和假设:领域的“绿色计算”,解决了环境成本的计算,还年轻。这项研究强调了进一步探索的几个途径。研究提出的温室气体减排协议涵盖了广泛的潜在应用,但其他情况下仍然没有得到解决。数据中心的基础上适应当地可再生能源可用性、电力价格,估计碳强度,或提供辅助服务,还不占的协议。值得调查方法的足迹也会像“挪用周期”或使用现货实例可以在低于正常价格当云能力过剩的存在。更好地了解金融的高分数的影响和环境成本来自设备的运营阶段的生命周期也将是有益的。其他研究人员试图降低最大能力画减少容量成本可能占了相当大一部分电费,但像incremental-cost-based输电定价方法,可中断传输服务的使用,可能避免重复扣除或者客户拥有的设备可以使这样的成本将大大降低数据中心附近的可再生能源。这样的机会应该进一步探讨。评估的影响同时提供辅助服务的数据中心连接到不同的电网在不同地区也将是有用的。 |
•服务方法时的响应时间减少用户由于网络延迟和带宽造成的影响较小。它表明,当我们有多个数据中心,数据中心的用户提供更少因此他们容忍效应引起的网络延迟和带宽,这导致短和更好的响应时间。换句话说分散的数据中心将提高性能。 |
•数据中心转移成本为每个数据中心以来我们分发数据中心和把它们更接近用户基地每数据中心数据传输减少由于划分人口跨数据中心。 |
•我们得知我们使用虚拟化技术(VM)越多,我们越提高响应和处理时间,因此虚拟化在云计算的一个重要的角色,即使我们添加数据中心,但减少虚拟机处理和响应时间增加不利。 |
•处理时间可以增强通过应用负载平衡和虚拟化数据中心级别分别使用峰值负载共享和节流。 |
•可以提高响应时间通过应用虚拟化级别的负载平衡使用节流。 |
•更多vm使用(更高的合并比率)我们可以节约能源成本和消费。 |
•应用虚拟化只是IT基础设施不能够大大提高数据中心的能源效率。因此必须应用于网站的基础设施来获得理想的和可接受的节约能源成本和消费。 |
预计会和未来的工作 |
我们的广泛的预期结果是云计算的能源消费需要考虑作为一个集成的供应链物流问题,处理,存储和运输都是一起考虑。使用这种方法,我们将表明,云计算可以更节能的计算能力的使用,特别是当用户的主要计算任务的低强度或罕见。然而,在某些情况下,云计算可以消耗更多的能量比传统计算每个用户执行所有计算在他们自己的电脑。即使服务器虚拟化等节能技术和先进的冷却系统,云计算并非总是最环保的计算技术。 |
总之,通过提高设备的效率,云计算不能自称是绿色的。重要的是使其使用更多的碳效率从用户和提供者的角度。云提供商需要减少云层的电力需求和采取重大步骤使用可再生能源,而不是寻找成本最小化。实际系统往往分布在多个数据中心和能源的影响值得进一步考虑。测试与使用KVM虚拟机管理程序来评估迁移的能源开销。结论是,在迁移过程中可能的其他服务的开销但是进一步测试使用其他虚拟机监控程序和其他云服务应进行验证其性能。数据压缩、重复数据删除技术影响迁移开销也应进一步探索。确定何时可以执行特定的工作负载迁移开销较低可以降低复制成本。将信息每个应用程序正在执行的migratability可能扮演一个角色在未来随着deferability信息服务定价。随着网络越来越绿色能源比例和路由技术更广泛的应用,与网络相关的能源成本和碳排放应该更仔细地评估。 |
数据乍一看 |
|
图1 |
|
|
引用 |
- J.Baliga、K.Hinton andR.S.Tucker,“Energyconsumptionoftheinternet inOpticalInternet, 2007 andthe200732nd
AustralianConferenceonOpticalFbreTechnology.COIN-OFT2007。JointInternational Conferenceon、June2007 pp.1-3。
- vol.40 L.BarrosoandU.Holzle,“Thecaseforenergy-proportionalcomputing”,电脑,12路,pp.33-37 dec.2007。
- A.Berl, E.Gelenbe、M.Girolamo G.Giuliani、H.DeMeer M.Dang, andK.Pen-tikousis”Energyefficientcloudcomputing,
“TheComputerJournal vol.53, 7号,pp.1045 - 1051, September2010。
- A.Bianzino, C.Chaudet、F.Larroca D.Rossi、andJ.Rougier inGLOBECOMWork“Energyawarerouting: Arealitycheck”
商店(GCWkshps), 2010年ieee 2010 pp.1422 - 1427。
- A.Bianzino、C.Chaudet D.Rossi, andJ.-L.Rougier Asurveyofgreennetwork-ingresearch”CommunicationsSurveysTutorials, IEEE,第九卷,第一,张国枢quarter2012。
- K.Bilal、S.Khan S.Madani、K.Hayat M.Khan, N.MinAllah, J.Kolodziej, L.Wang, S.Zeadally, andD.Chen”,一项调查
ClusterComputing pp.1-15 2012 ongreencommunicationsusingadaptivelink率。”
- R.Bolla、R.Bruschi F.Davoli, Energyefficiencyinthefutureinternet: Asurveyofexistingapproachesand andF.Cucchietti。
trendsinenergyawarefixednetworkinfrastructures”, CommunicationsSurveysTutorials IEEE vol.13,第二,quarter2011 pp.223 - 244。
- Aperformanceevaluationofanovelenergy-awaredatacentricroutingalgorithmin A.Boukerche、X.Cheng andJ.Linus。
wirelesssensornetworks”, WirelessNet-works vol.11,第五,pp.619 - 635, 2005。
- A.Cianfrani、V.Eramo M.Listanti、M.Marazza andE.Vittorini,“Anenergysavingroutingalgorithmforagreenospfprotocol,”
2010年INFOCOMIEEEConferenceonComputerCommunicationsWorkshops March2010 pp.1-10。
|