Energy efficient data center resources management using beam search algorithm

• Autorzy: Telenyk S. , Rolik O. , Zharikov E. , Serdiuk Y.

Identyfikatory

DOI

10.4467/2353737XCT.18.060.8372

Warianty tytułu

PL

Energooszczędne zarządzanie zasobami centrów danych za pomocą algorytmu wyszukiwania promieniowego

• Języki publikacji: EN

Abstrakty

EN

Modern data centres consume large amounts of power resulting in high levels of carbon dioxide emission. The data centre is a virtual environment in which the workload is performed by virtual machines. A widely used technique to decrease data centre power consumption is to consolidate the virtual machines using a minimal number of physical servers. The authors propose a two-stage method to solve the virtual machine consolidation problem in cloud data centres. The proposed method is programmed in C# to evaluate it and to perform modelling using Google cluster-usage traces. The proposed method enables powering off nearly fifty percent of the previously selected physical servers by using an acceptable number of migrations of virtual machines.

PL

Nowoczesne centra danych zużywają duże ilości energii, co powoduje emisję dwutlenku węgla. Centrum danych reprezentuje zwirtualizowane środowisko, w którym obciążenie jest obsługiwane przez maszyny wirtualne. Powszechną techniką zmniejszania zużycia energii w centrach danych jest konsolidacja maszyn wirtualnych przy użyciu minimalnej liczby serwerów fizycznych. Autorzy proponują dwustopniową metodę rozwiązania problemu konsolidacji maszyn wirtualnych w chmurowych centrach danych. Proponowana metoda jest zaprogramowana w języku C# w celu jej oceny i przeprowadzenia modelowania za pomocą śladów użycia klastrów Google. Proponowana metoda pozwala wyłączyć prawie 50% serwerów fizycznych wcześniej wybranych do wyłączenia przy użyciu dopuszczalnej liczby migracji maszyn wirtualnych.

Słowa kluczowe

EN

cloud computing; virtualisation; virtual machine consolidation; local beam search

PL

chmura obliczeniowa; wirtualizacja; konsolidacja maszyn wirtualnych; lokalne wyszukiwanie promieniowe

• Wydawca: Wydawnictwo Politechniki Krakowskiej im. Tadeusza Kościuszki
• Czasopismo: Technical Transactions
• Rocznik: 2018
• Tom: Vol. 115, iss. 4
• Strony: 127--138
• Opis fizyczny: Bibliogr. 16 poz., wz., wykr., il., tab.

Twórcy

autor

Telenyk S.

• Department of Automatic Control and Information Technology, Faculty of Electrical and Computer Engineering, Cracow University of Technology

autor

Rolik O.

• Department of Automation and Control in Technical Systems

autor

Zharikov E.

• Department of Automation and Control in Technical Systems

autor

Serdiuk Y.

• Department of Computer-Aided Management and Data Processing Systems, National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute"

Bibliografia

• [1] Lopez Pires F., Baran B., A virtual machine placement taxonomy, [in:] Proc. of the 15th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid), 2015, 159–168.
• [2] Ahmad R.W., Gani A., Hamid S.H.A., Shiraz M., Yousafzai A., Xia F., A survey on virtual machine migration and server consolidation frameworks for cloud data centers, Journal of Network and Computer Applications, Vol. 52, 2015, 11–25.
• [3] Telenyk S., Zharikov E., Rolik O., An approach to virtual machine placement in cloud data centers, [in:] Proc. of the 2016 International Conference Radio Electronics & Info Communications (UkrMiCo) 11–16 September, Kyiv, Ukraine, 2016, 1–6.
• [4] Lopez Pires F., Baran B., Multi-objective virtual machine placement with service level agreement: A memetic algorithm approach, [in:] Proceedings of the 2013 IEEE/ACM 6th International Conference on Utility and Cloud Computing, IEEE Computer Society, 2013, 203–210.
• [5] Saber T., Ventresque A., Brandic I., Thorburn J., Murphy L., Towards a Multi-objective VM Reassignment for Large Decentralised Data Centres, 2015 IEEE/ACM 8th International Conference on Utility and Cloud Computing (UCC), Limassol, 2015, 65–74.
• [6] Eucalyptus community, http://open.eucalyptus.com (access: 10.12.2017).
• [7] Lee S., Panigrahy R., Prabhakaran V., Ramasubrahmanian V., Talwar K., Uyeda L., Wieder U., Validating heuristics for virtual machines consolidation, Microsoft Research, MSR-TR-2011-9, 2011.
• [8] Sharma B., Chudnovsky V., Hellerstein J.L., Rifaat R., Das C.R., Modeling and synthesizing task placement constraints in google compute clusters, In Proceedings of the 2nd ACM Symposium on Cloud Computing (SOCC), 2011.
• [9] Mark C.C., Niyato D., Chen-Khong T., Evolutionary optimal virtual machine placement and demand forecaster for cloud computing, [in:] IEEE International Conference on Advanced Information Networking and Applications (AINA), 2011, 348–355.
• [10] Gao, Y., Guan, H., Qi, Z., Hou, Y., Liu, L., A multi-objective ant colony system algorithm for virtual machine placement in cloud computing, Journal of Computer and System Sciences, Vol. 79, No. 8, 2013, 1230–1242.
• [11] Ferreto, T., De Rose C., Heiss, H.U., Maximum migration time guarantees in dynamic server consolidation for virtualized data centers, [in:] Euro-Par 2011 Parallel Processing, Springer 2011, 443–454.
• [12] Wu Y., Tang M., Fraser W., A simulated annealing algorithm for energy efficient virtual machine placement, [in:] IEEE International Conference on Systems, Man, and Cybernetics (SMC), 2012, 1245–1250.
• [13] Reiss C., Wilkes J., Hellerstein J.L., Google cluster-usage traces: format+ schema, Google Inc., Mountain View, CA, USA, Technical Report, 2011.
• [14] Zharikov E., Managing data center resources using heuristic search, Problems in programming, Vol. 4, 2017, 16–27.
• [15] Limits on Simultaneous Migrations, https://docs.vmware.com/en/VMware-vSphere/6.0/com.vmware.vsphere.vcenterhost.doc/GUID-25EA5833-03B5-4EDD-A167-87578B8009B3.html, last accessed 2018/01/10 (access: 24.12.2017).
• [16] Telenyk S., Zharikov E., Rolik O., Consolidation of Virtual Machines Using Stochastic Local Search, Advances in Intelligent Systems and Computing, Springer, 2017, 523–537.

Uwagi

EN

Section "Electrical Engineering"

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).