Bulut çizelgelme problemi için yeni bir güç tüketimi modeli

Abstract

Bulut bilişim, hesaplama gücü, grafik hesaplama gücü, depolama, bant genişliği, veri tabanı ve yazılım hizmetleri gibi bilgi işlem kaynaklarının dinamik olarak internet üzerinden kullanıcılara sunulmasıdır ve hem büyük hem de küçük şirketler ile geliştiriciler için maliyet tasarrufu, uygulamalarda esneklik ve ölçeklenebilirlik, kolay erişilebilirlik, güvenilirlik ve kolay afet kurtarma gibi pek çok avantaj sağlar. Öngörülebilir gelecekte, bulut bilişime olan talebin artacağı açıktır. Bulut veri merkezleri, tasarımlarının gereği olarak, önemli miktarda enerji tüketirler. Dolayısıyla, küçük tasarruflar bile daha büyük ölçekte önemli enerji tasarrufuna yol açabilir. Karbon nötr ve yeşil bilişimin giderek daha önemli hale gelmesiyle, bulut bilişimdeki en önemli sorunlardan biri olan ve NP Zor Problemi olduğu kanıtlanmış bulut kaynak planlaması, teorik olarak sınırsız sayıda kullanıcıya hizmet verebilecek sınırlı sayıda bulut kaynağı için en iyi çözümü bulmayı amaçlamaktadır. Bu çalışmada, farklı CPU mimarileri için güç tüketimi verilerini deneysel olarak toplanmış, bu deneysel verilerle yeni ve özgün bir güç modeli önerilmiştir. Ayrıca, Bulut Kaynak Planlama sorununda önemli iki metrik, toplam tamamlanma süresi ve güç tüketimi, farklı homojen ve heterojen veri merkezi senaryolarında farklı deterministik, sezgisel ve meta sezgisel tek amaçlı algoritmalar kullanılarak olası bir denge araştırılmıştır. Sonuçlar, belirli senaryolarda iki hedef arasında açık bir ödünleşim olduğunu göstermektedir. Bu senaryolar için, çok amaçlı ve tek amaçlı algoritmalar arasında bir karşılaştırma yapılmış ve ortak bir Pareto kümesi bulunmuştur.

Cloud computing is the dynamic allocation of computational resources like compute power, graphics compute power, storage, bandwidth, database, and software services over the internet to the paying users and allows numerous benefits for both large and small companies as well as developers such as cost savings, flexibility and scalability in applications, easy-accessibility and convenient collaboration as well as reliability and easy disaster recovery. In the foreseeable future, it is clear that the demand for cloud computing will increase. Cloud data centres are, by their very design, substantial consumers of energy. Consequently, even minor savings can lead to substantial energy conservation on a larger scale. With carbon neutral and green computing becoming more and more prominent, one of the most critical problems in cloud computing is cloud resource scheduling, which is proven to be an NP-Hard Problem that aims to find the best solution for the limited number of cloud resources that can serve a potentially infinite number of users. This study collects power consumption data for different CPU architectures empirically and proposes a new novel power model based on this experimental data. Furthermore, two prominent metrics in the Resource Scheduling problem, mainly makespan and power consumption, are investigated for a possible trade-off in different homogenous and heterogenous datacenter scenarios using deterministic, heuristic and metaheuristic single objective algorithms. Results show a clear trade-off between the two objectives in specific scenarios. For these scenarios, a comparison between multi–objective and single-objective algorithms is made, and a common Pareto front is found.