ارائه یک الگوریتم کاهش مصرف انرژی با هدف قابلیت اطمینان در پردازنده های چندگانه در محیط محاسبات ابری

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 109

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSCIT-8-1_007

تاریخ نمایه سازی: 25 مهر 1403

چکیده مقاله:

زمان بندی وظایف با محدودیت زمان و انرژی در محیط های چند پردازنده ای با سطوح مختلف فرکانس به عنوان یک مسئله بهینه سازی مهم در رایانش ابری مطرح است. به علاوه یک پردازنده که با فرکانس کاهش یافته کار می کند، به طور پویا باعث افزایش خرابی هایی می شود که این امر باعث ضعیف شدن قابلیت اطمینان برنامه های کاربردی می شود. قابلیت اطمینان یک عنصر مهم از شایستگی سیستم است و باید در برنامه های کاربردی امنیتی مورد توجه قرار گیرد. در این مقاله مسئله زمان بندی وظایف در چندین پردازنده با هدف کاهش مصرف انرژی و افزایش قابلیت اطمینان مورد توجه قرار گرفته است. با استفاده از چند پردازنده ای و تکنولوژی مقیاس بندی ولتاژ و فرکانس پویا (DVFS) می توان سطح فرکانس پردازنده را تا حد امکان پایین آورد و در نتیجه ولتاژ مصرفی آن پردازنده را کاهش داد. در اینجا یک الگوریتم دو مرحله ای برای به حداقل رساندن مصرف انرژی با هدف قابلیت اطمینان در پردازنده های چندگانه ارائه می شود. مرحله اول برای تخصیص اولیه و مرحله دوم برای ارضاء هدف قابلیت اطمینان و بهبود بهره وری انرژی است. به طور خاص، هنگامی که هدف قابلیت اطمینان نرم افزار از طریق تخصیص اولیه نمی تواند به دست آید، بر اساس ضریب اطمینان فعلی تعریف شده ی ما، یک الگوریتم بهبودیافته طراحی می شود که می تواند هدف قابلیت اطمینان را ارضاء کند. الگوریتم پیشنهادی با الگوریتم های موجود مقایسه شد. نتایج آزمایش ها نشان می دهد که الگوریتم پیشنهادی مصرف انرژی کمتری دارد درحالی که هدف قابلیت اطمینان برنامه های کاربردی را نیز برآورده می کند.

نویسندگان

Monire Safari Habibabadi

Department of Computer Science, Dolatabad Branch, Islamic Azad University, Isfahan, Iran

Reihaneh Khorsand

Department of Computer Engineering, Dolatabad Branch, Islamic Azad University, Isfahan, Iran

Mohammadreza Ramezanpour

Department of computer engineering, Mobarakeh branch, Islamic Azad University, Mobarakeh, Isfahan, Iran.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • J.Koomey, “Growth in data center electricity use ۲۰۰۵ to ۲۰۱۰”, ...
  • A.Greenberg, J.Hamilton, DA.Maltz, P.Patel, “The cost of a cloud: research ...
  • M. Lin, Y.Pan, LT.Yang, M. Guo, N.Zheng, “Scheduling co-design for ...
  • L Benini, A.Bogliolo, G. De Micheli, “A survey of design ...
  • EJ. Hogbin. “ACPI: Advanced Configuration and Power Interface”, Phoenix Usa, ...
  • V. Venkatachalam, M. Franz, “Power reduction techniques for microprocessor systems”, ...
  • G. Xie, R. Li, K. Li, “Heterogeneity-driven end-to-end synchronized scheduling ...
  • D. Zhu, H. Aydin, “Reliability-aware energy management for periodic real-time ...
  • D. Zhu, “Reliability-aware dynamic energy management in dependable embedded real-time ...
  • G. Xie, Y. Chen, X. Xiao, C. Xu, R. Li, ...
  • G. Xie, J. Jiang, Y. Liu, R. Li, K. Li, ...
  • H. Xu, R. Li, L. Zeng, K. Li, C. Pan, ...
  • L. Zhang, K. Li, C. Li, K. Li, “Bi-objective workflow ...
  • D. Zhu, R. Melhem, D. Mossé, “The effects of energy ...
  • L. Zhang, K. Li, K. Li, Y. Xu, “Joint optimization ...
  • L. Zhao, Y. Ren, Y. Xiang, K. Sakurai, “Fault-tolerant scheduling ...
  • H. Topcuoglu, S. Hariri, MY. Wu, “Performance-effective and low-complexity task ...
  • G. Xie, Y. Chen, Y. Liu, Y. Wei, R. Li, ...
  • G. Xie, Y. Chen, X. Xiao, C. Xu, R. Li, ...
  • M. Fan, Q. Han, X. Yang, “Energy minimization for on-line ...
  • L. Ismail, A. Fardoun, “Eats: Energy-aware tasks scheduling in cloud ...
  • MH. Kumar, SK. Peddoju, “Energy efficient task scheduling for parallel ...
  • YK. Kwok, I. Ahmad, “Static scheduling algorithms for allocating directed ...
  • GC. Sih, EA. Lee, “A compile-time scheduling heuristic for interconnection-constrained ...
  • R. Sakellariou, H. Zhao, E. Tsiakkouri, MD Dikaiakos, “Scheduling workflows ...
  • L. Wang, SU. Khan, D. Chen, J. KołOdziej, R. Ranjan, ...
  • L. Wang, G. Von Laszewski, J. Dayal, F. Wang, “Towards ...
  • SK. Garg, CS. Yeo, A. Anandasivam, R. Buyya, “Environment-conscious scheduling ...
  • K.H. Kim, A. Beloglazov, R. Buyya, “Power-aware provisioning of cloud ...
  • R. Garg, AK. Singh, “Energy-aware workflow scheduling in grid under ...
  • R. Khorsand, M. Ghobaei‐Arani, M. Ramezanpour, “FAHP approach for autonomic ...
  • R. Khorsand, F. Safi-Esfahani, N. Nematbakhsh, M. Mohsenzade, “ATSDS: adaptive ...
  • R. Khorsand, F. Safi-Esfahani, N. Nematbakhsh, M. Mohsenzade, “Taxonomy of ...
  • T. Kaur, I. Chana, “Energy efficiency techniques in cloud computing: ...
  • YH. Wang, IC. Wu, “Achieving high and consistent rendering performance ...
  • M. Ghobaei-Arani, S. Jabbehdari, MA. Pourmina, “An autonomic approach for ...
  • V. Venkatachalam, M. Franz, “Power reduction techniques for microprocessor systems”, ...
  • Z. Tang, L. Qi, Z. Cheng, K. Li, SU. Khan, ...
  • نمایش کامل مراجع