Escalonamento com Prioridade na Alocação Ciente de Energia de Máquinas Virtuais em Nuvens (original) (raw)
Related papers
Análise Do Consumo De Energia De Migração De Máquinas Virtuais Em Nuvem Iaas
2017
Um dos principais custos variaveis de um data center e a energia eletrica. So em 2013 os data centers da Google consumiram cerca de 260 milhoes de Watts de energia, o equivalente a 0,01% da energia consumida mundialmente. Visto pelo aspecto financeiro e associado ao consumo de energia, o custo energetico de manter uma maquina ociosa (≤ 10%) ativa e alto se comparado com o consumo desta mesma maquina a 100%. Investimentos em tecnicas de consolidacao se tornaram um aliado na reducao de custos, pois otimizam a capacidade de recursos de data centers e possibilitam o desligamento de maquinas ociosas. No contexto deste trabalho, tem-se por objetivo mensurar o impacto gerado pela aplicacao da tecnica de consolidacao, com foco na operacao de migracao de maquinas virtuais em nuvens computacionais IaaS, no consumo de energia. Se por um lado, a decisao de consolidar visa reduzir o consumo de energia, por outro, o provisionamento com reorganizacao das maquinas virtuais nos recursos disponiveis ...
2019
A virtualizacao de recursos computacionais, sobretudo, atraves de VM, possibilitou, entre outros fatores, o surgimento de nuvens computacionais. Escalabilidade, flexibilidade e elasticidade sao algumas das principais caracteristicas de nuvens. Todavia, o fornecimento de recursos e qualidade de servico em nuvens dependem de algoritmos de escalonamento de VMs online. O presente trabalho apresenta o ANJO, algoritmo de escalonamento de VMs para nuvem computacional. ANJO apoia-se em tecnicas de aprendizado de maquina e overbooking escalonando VMs em nuvens IaaS buscando minimizar o custo energetico.
Alocação de Recursos na Nuvem de Dispositivos
Anais XXXVIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2020), 2020
Em uma Nuvem de Dispositivos ou Nuvem das Coisas, os recursos disponíveis na Nuvem nem sempre são capazes de atender às restrições de latência de aplicações críticas devido à grande distância entre a Nuvem e os dispositivos que originam os dados. A adoção de computação na Borda pode auxiliar a Nuvem a fornecer serviços que atendam a tais requisitos temporais. Contudo, dois fatores afetam o desempenho no nível de Borda: a heterogeneidade das aplicações e a incerteza da taxa de chegada das requisições. Neste contexto, propomos dois mecanismos: o Gerenciador de Fila, que redistribui as requisições das filas dos Nós de Borda, permitindo reduzir o tempo de espera de uma requisição; e o Alocador de Recursos, que possibilita a colaboração entre os Nós de Borda por meio de encaminhamento de requisições.
Resumo. Nos ambientes de computação em nuvem, é importante manter sob controle a alocação de máquinas virtuais nos servidores físicos. Uma alocação adequada implica na redução de custos com hardware, energia e refrigeração, além da melhora da qualidade de serviço. Hipervisores recentes implementam mecanismos para reduzir o consumo de memória RAM através do compartilhamento de páginas idênticas entre máquinas virtuais. Este artigo apresenta um novo algoritmo de alocação de máquinas virtuais que busca o equilíbrio no uso dos recursos de CPU, memória, disco e rede e, sobretudo, considera o potencial de compartilhamento de memória entre máquinas virtuais. Através de simulações em três cenários distintos, verificou-se que o algoritmo é superior à abordagem padrão na questão do uso equilibrado de recursos e que, considerando o compartilhamento de memória, houve um ganho significativo na disponibilidade deste recurso ao final das alocações.
Complex applications in e-science and e-business are usually modeled as workflows which execution in clouds can minimize the upfront investment in computational resources. Thereupon, the development of algorithms to schedule workflows in clouds are of major interest. In this paper we propose and evaluate the use of different levels of timeline discretization utilizing linear programming to solve the problem of scheduling workflows with deadline constraints in multiple cloud providers. Simulations show that increasing the granularity of time discretization decreases the scheduler execution time, making it possible to achieve solutions faster when scheduling workflows that present larger execution times.
Uma Solucao Mista para o Escalonamento Baseado em Prioridades de Aplicacoes Tempo Real Criticas
Sistemas computacionais de tempo real críticos são identificados como aqueles submetidos a requisitos de natureza temporal onde uma previsibilidade determinista é necessária. Neste tipo de sistema é muitas vezes empregado escalonamento baseado em prioridades. Este artigo apresenta uma solução de escalonamento tempo real baseada em prioridades que emprega, simultaneamente, prioridades fixas e variáveis. Tarefas periódicas ou esporádicas, com release jitter e deadline menor ou igual ao período, recebem prioridades fixas. Tarefas periódicas, com deadline igual ao período, recebem uma prioridade menor que a do primeiro conjunto e são escalonadas segundo EDF. Foi desenvolvido um teste de escalonabilidade suficiente mas não necessário para o modelo. Um exemplo numérico foi usado para ilustrar sua aplicação.
Workshop em Clouds e Aplicações, 2019
Cloud Computing represents a paradigm that provides computing resources on virtual machines that are grouped and allocated according to customer requests. The increasing seeking for this type of service caused an increasing demand for electric energy. Several types of research aim to meet the demand for resources in Cloud Computing, and at the same time, reduce energy consumption in the data center. Within this context, this paper presents a virtual machine allocation policy called Heap Allocator, which mitigates thepower consumption of the data center. A comparative analysis of the proposed solution with other existing mechanisms showed the proposed solution of the data center power consumption by approximately 1: 5%.
Um Modelo de Custo para Nuvens IaaS baseado no Consumo de Energia de Máquinas Virtuais
Anais do Simpósio Brasileiro de Sistemas de Informação (SBSI)
A redução do consumo de energia de data centers é uma motivação constante para provedores de IaaS. Especificamente, o consumo de energia elétrica decorrente do uso de processadores é destaque entre os principais fatores consumidores. Entretanto, embora exista uma forte relação entre a carga computacional e o consumo dos processadores, os modelos de tarifação aplicados por provedores populares não consideram essa métrica como um elemento primário e variável. Esse trabalho quantifica esta relação, identificando o consumo por CPUs virtuais, que posteriormente são a base para rateio e cálculo do custo relacionado. O modelo proposto, Virtual Power, é discutido frente ao aplicado pela Amazon EC2. O estudo de caso aponta uma redução de custo para o provedor e um compartilhamento proporcional entre os usuários.
Escalonamento Baseado em Prioridades Fixas para Tarefas com Deadlines Nominal e Critico
Requisitos de natureza temporal são tipicamente descritos na forma de deadlines. Alguns serviços podem ter simultaneamente um deadline nominal e um deadline crítico. O tempo máximo de resposta para um desempenho ótimo do sistema controlado dá origem ao deadline nominal. O deadline crítico é definido de forma a garantir a segurança do equipamento e das pessoas envolvidas no processo controlado. Este trabalho investiga o escalonamento baseado em prioridades fixas quando tarefas possuem os dois deadlines. São descritas heurísticas para a atribuição de prioridades neste modelo de tarefas. Também é mostrado que a técnica de prioridades duais pode ser usada para melhorar o comportamento do sistema. Os algoritmos propostos foram avaliados através de simulação.
Escalonador para baixo consumo de energia em sistemas de tempo real
This proposal shows a working plan for the Final Thesis of Computer Engineering at Universidade Federal de Itajubá(UNIFEI), and the goal will be implementing a process scheduler for real time systems, based on load requirements, and then a low power mode will be dinamically selected based on this info. The chosen hardware is a proprietary project (INTERMEC, 2013), but the focus will be on the MSP430F5172 microcontroller.