Resumen

En los últimos años, debido a la creciente demanda de recursos computacionales, especialmente en sistemas de computación en la nube, el consumo de energía de los centros de datos está aumentando continuamente, lo que causa directamente un aumento de precios y una reducción de la productividad de los recursos. Aunque muchos enfoques conscientes de la energía intentan minimizar el consumo de energía, no pueden minimizar la violación de los acuerdos de nivel de servicio al mismo tiempo. En este documento, proponemos un método que utiliza una red neuronal granular, la cual se utiliza para modelar el procesamiento de datos. Este método identifica las cargas de trabajo de los hosts físicos antes del desbordamiento y puede mejorar el consumo de energía al mismo tiempo que reduce la violación de los acuerdos de nivel de servicio. A diferencia de otras técnicas que utilizan un solo criterio, es decir, trabajan sobre la base del historial de uso del procesador, nosotros utilizamos simultáneamente todos los criterios de tasas de productividad, es decir, tasas de productividad del procesador, memoria principal y ancho de banda. Simul

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Demanda creciente; Recursos computacionales; Centros de datos; Consumo de energía; Acuerdos de nivel de servicio; Red neuronal granular
• Keywords:Growing demand; Computational resources; Data centers; Energy consumption; Service-level agreements; Granular neural network