SGEESS: Smart green energy-efficient scheduling strategy with dynamic electricity price for data center
SGEESS: Smart green energy-efficient scheduling strategy with dynamic electricity price for data center
复制标题
SGEESS：数据中心动态电价智能绿色节能调度策略
DOI：
10.1016/j.jss.2015.06.026
复制
发表时间：
2015-10
影响因子：
3.5
通讯作者：
Xiaomin Zhu
中科院分区：
文献类型：
--
作者：
Tao Zhang;Yajie Liu;Yabing Zha;Xiaomin Zhu
考虑到环境保护和能源危机，在数据中心中使用绿色可再生能源已成为一个大趋势。为了提高能源利用效率，节约系统成本，数据中心的计算任务应与可再生能源供应相匹配。针对部分可再生能源供电的数据中心，提出一种智能的绿色节能调度策略，以提高可再生能源的利用率，降低系统运行成本，提高任务满足率。我们首先定义三个数学模型，即，任务模型、能量模型和调度模型。针对数据中心的任务调度问题，提出了一种基于可再生能源预测和动态电网电价的智能绿色节能调度策略。在实验中，三个其他的调度策略，即，绿色调度策略，价格调度策略和贪婪节能策略，提供了比较，谷歌云跟踪的真实世界的跟踪也进行了测试。实验结果验证了该调度策略的优越性和有效性。
Nowadays, it becomes a major trend to use the green renewable energy in the data center when considering the environment protection and the energy crisis. To improve the energy efficiency and save the system cost, the computational tasks of data center should match to the renewable energy supply. This paper aims to develop a smart green energy-efficient scheduling strategy to increase utilization of renewable energy, reduce system running cost and improve the task satisfaction rate in a data center partially powered by the renewable energy. We first define three mathematical models, i.e., task model, energy model and scheduling model for the proposed problem. Then, a smart green energy-efficient scheduling strategy is proposed for the task scheduling in the data center, based on the renewable energy prediction and the dynamic grid electricity price. In the experiments, three other scheduling strategies, i.e., Green-Scheduling Strategy, Price-Scheduling Strategy and Greedy-Energy-Efficient Strategy, are provided for comparisons, a real-world trace of Google cloud trace is also tested. The experimental results confirm the superiority and effectiveness of the proposed scheduling strategy.
登录
查看更多内容
DOI：
10.1109/mascots.2014.45
发表时间：
2014-09
期刊：
2014 IEEE 22nd International Symposium on Modelling, Analysis & Simulation of Computer and Telecommunication Systems
影响因子：
--
作者：
Cheng Wang;B. Urgaonkar;Qian Wang;G. Kesidis
通讯作者：
Cheng Wang;B. Urgaonkar;Qian Wang;G. Kesidis
影响因子：
9
作者：
Iniyan, S.;Suganthi, L.;Samuel, Arland A.
通讯作者：
Samuel, Arland A.
DOI：
10.1109/icdcs.2013.59
发表时间：
2013-07
期刊：
2013 IEEE 33rd International Conference on Distributed Computing Systems
影响因子：
--
作者：
Wei Deng;Fangming Liu;Hai Jin;Chuan Wu
通讯作者：
Wei Deng;Fangming Liu;Hai Jin;Chuan Wu
DOI：
10.1109/sc.2005.57
发表时间：
2005-11
期刊：
ACM/IEEE SC 2005 Conference (SC'05)
影响因子：
--
作者：
Rong Ge;Xizhou Feng;K. Cameron
通讯作者：
Rong Ge;Xizhou Feng;K. Cameron
能量受限分布式实时嵌入式系统的滚动调度
影响因子：
3.5
作者：
He, Chuan;Zhu, Xiaomin;Jiang, Jianqing
通讯作者：
Jiang, Jianqing