Energy-aware resource allocation in cloud computing environments

• Autorzy: Martyna J.

Identyfikatory

DOI

10.15199/59.2017.8-9.79

Warianty tytułu

PL

Świadoma energetycznie alokacja zasobów w środowiskach chmury obliczeniowej

• Konferencja: XXXIII Krajowe Sympozjum Telekomunikacji i Teleinformatyki (XXXIII ;13-15.09.2017 ; Warszawa, Polska)
• Języki publikacji: EN

Abstrakty

EN

Cloud computing becomes promising IT infrastructure, the importance of which is increasing with every day. This is one of the leading networking technologies that will be used by both computer providers and most international corporations and individuals. The paper presents the optimization of resource allocation in cloud computing environments. This approach minimises virtual machine (VM) migration and reduces energy consumption. The proposed solution was confirmed by the simulation results.

PL

Chmura obliczeniowa staje się obiecującą infrastrukturą informatyczną, której znaczenie wzrasta z każdym dniem. Jest to jedna z wiodących technologii sieciowych, która będzie używana zarówno przez dostawców komputerów, jak i większości międzynarodowych korporacji i osób prywatnych. W artykule przedstawiono optymalizację alokacji zasobów w środowiskach chmury obliczeniowej. To podejście minimalizuje migrację maszyn wirtualnych i zmniejsza zużycie energii. Zaproponowane rozwiązanie zostało potwierdzone przez wyniki symulacji.

Słowa kluczowe

EN

clouds; resource allocation; analytical models; energy efficiency

PL

chmury; alokacja zasobów; modele analityczne; efektywność energetyczna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2017
• Tom: nr 8-9
• Strony: 1016--1019, CD
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Martyna J.

• Faculty of Mathematics and Computer Science, Jagiellonian University, Prof. Łojasiewicza Street 6, 30-348 Cracow

Bibliografia

• [1] Buyya, Rajkumar, Chee Shin Yeo, Srikumar Venugopal, James Broberg, Ivona Brandic. "Cloud computing and emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th utility." Future Generation computer systems 25, no. 6 (2009): 599-616.
• [2] Chappell, David. "Introducing the Azure services platform." White paper, Oct 1364, no. 11 (2008).
• [3] Google App Engine. [http://appengine.google.com].
• [4] Vecchiola, Christian, Xingchen Chu, Rajkumar Buyya. "Aneka: a software platform for .NET-based cloud computing." High Speed and Large Scale Scientific Computing 18 (2009): 267-295.
• [5] Jennings, Brendan, Rolf Stadler. "Resource management in clouds: Survey and research challenges." Journal of Network and Systems Management 23, no. 3 (2015): 567-619.
• [6] Sharkh, Mohamed Abu, Manar Jammal, Abdallah Shami, Abdelkader Ouda. "Resource allocation in a network-based cloud computing environment: design challenges." IEEE Communications Magaz ine 51, no. 11 (2013): 46-52. Fig. 5. Number of VMs vs. CPU utilisation.
• [7] Fan, Xiaobo, Wolf-Dietrich Weber, Luiz Andre Barroso. "Power provisioning for a warehouse-sized computer." In ACM SIGARCH Computer Architecture News, vol. 35, no. 2, pp. 13-23. ACM, 2007.
• [8] Ranganathan, Parthasarathy, Phil Leech, David Irwin, Jeffrey Chase. "Ensemble-level power management for dense blade servers." In ACM SIGARCH Computer Architecture News, vol. 34, no. 2, pp. 66-77. IEEE Computer Society, 2006.
• [9] The green grid consortium 2011. URL http://www.thegreengrid.org.
• [10] Kusic, Dara, Jeffrey O. Kephart, James E. Hanson, Nagarajan Kandasamy, Guofei Jiang. "Power and performance management of virtualized com puting environments via lookahead control." In Autonomic Computing, 2008. ICAC'08. Internation al Conference on, pp. 3-12. IEEE, 2008.
• [11] Srikantaiah, Shekhar, Aman Kansal, Feng Zhao. "Energy aware consolidation for cloud computing." In Proc. of the 2008 Conference on Power Aware Computing and Systems, vol. 10, pp. 1-5. 2008.
• [12[ Cardosa, Michael, Madhukar R. Korupolu, Aameek Singh. "Shares and utilities based power consolida tion in virtualized server environments." In Integrated Network Management, 2009. IM'09. IFIP/IEEE International Symposium on, pp. 327-334. 2009.
• [13] Beloglazov, Anton, Jemal Abawajy, Rajkumar Buyya. "Energy-aware resource allocation heuristics for efficient management of data centers for cloud computing." Future generation computer systems 28, no. 5 (2012): 755-768.
• [14] Verma, J. K., C. P. Katti, P. C. Saxena. „MADLVE: An energy efficient resource utilization approach for cloud computing." International Journal of Information Technology and Computer Science (IJITCS) 6, no. 7 (2014): 56.
• [15] Rossi, Francesca, Peter Van Beek (Eds.) Handbook of Constraint Programming. Elsevier, 2006.
• [16] Jammal, Manar, Taranpreet Singh, Abdallah Shami, Rasool Asal, Yiming Li. "Software defined networking: State of the art and research challenges”, Computer Networks 72 (2014): 74-98.
• [17] Ali Shoukat, et al. "Greedy Heuristics for Resource Allocation in Dynamic Distributed Real-Time Heterogeneous Computing Systems." In PDPTA, pp. 9-530. 2002.