基于MapReduce虚拟集群的能耗优化算法

随着全球能源危机的出现,许多研究者开始关注数据中心的能耗问题。在满足用户需求的前提下,减少数据中心的活跃节点个数能够有效地降低其能耗。传统的减少活跃节点的方式是虚拟机迁移,但虚拟机迁移会造成极大的系统开销。提出一种基于MapReduce虚拟集群的能耗优化算法--在线时间平衡算法OTBA,能够减少活跃物理节点数,有效降低数据中心的能耗,并且避免了虚拟机的迁移。通过建立云数据中心的能耗模型、用户提交服务的排队模型和评价作业完成质量的作业运行模型,确定了数据中心节能模型的目标函数和变量因子。在线时间平衡算法是基于虚拟云环境和在线MapReduce作业的一种节能调度算法,能够在虚拟机的生命周期和资源利用率之间做出权衡,使数据中心激活的服务器达到最少,能耗降到最低。此外,该结果通过仿真和Hadoop平台上的实验得到了验证。     

云计算平台中面向车联网应用的能耗感知调度算法

针对面向车联网应用的云计算平台的高能耗问题,提出一种采用节能整合策略的能耗感知调度算法——任务集整合算法(Task Set Consolidation Algorithm)。该算法的主要思想是通过减少活跃物理服务器的数目,有效降低云平台的能量消耗。建立了云平台模型、车联网任务集模型和能耗模型,确定了云平台的节能目标函数和变量因子。仿真实验通过模拟多维资源多并发任务集的云平台环境,以物理服务器的活跃时间和活跃数目、云平台的能量消耗作为性能指标,将任务集整合算法与现有算法进行了比较。实验结果表明,TSC算法能够在避免任务集资源发生冲突的情况下,使面向车联网应用的云平台激活的物理服务器数量达到最少,能耗降到最低。