زمان بندی وظایف با آگاهی از مصرف انرژی در سیستم های رایانش ابری

افزایش هزینه مصرف برق در مراکز داده و تهدیدات زیست محیطی مربوطه، نیاز روزافزونی به محاسبات با بهره وری انرژی ایجاد کرده است. با وجود اهمیت این موضوع، تلاش کمی برای ارائه مدل هایی جهت مدیریت بهینه مصرف انرژی انجام شده است. با رشد استفاده از رایانش ابری، این مسئله اهمیت بیشتری یافته است. در رایانش ابری، خدمات در یک مرکز داده بر روی مجموعه ای از خوشه ها اجرا می شوند که توسط محیط رایانش ابری مدیریت می گردند. این خدمات به صورت نرم افزار به عنوان سرویس، پلتفرم به عنوان سرویس و زیرساخت به عنوان سرویس ارائه می شوند. میزان انرژی مصرفی توسط سیستم های محاسباتی کم کار و بیش بارگذاری شده ممکن است قابل توجه باشد. بنابراین، نیاز به الگوریتم های زمان بندی وجود دارد که مصرف انرژی رایانش ابری را برای استفاده بهینه منابع با بهره وری انرژی در نظر بگیرند .از طرف دیگر، رایانش ابری به عنوان ابزاری حیاتی برای محاسبات با عملکرد بالا دیده می شود؛ برای مثال به منظور پردازش داده های بزرگ و نباید به بهانه کاهش مصرف انرژی، عملکرد آن به طور قابل توجهی کاهش یابد. در این کار، ما یک مدل زمان بندی وظایف آگاه به انرژی (EATS) را ارائه می دهیم که داده های بزرگ را در محیط ابری تقسیم و زمان بندی می کند. هدف اصلی EATS افزایش کارایی برنامه و کاهش مصرف انرژی منابع زیرساختی است. مصرف انرژی یک سرور محاسباتی تحت شرایط بار کاری مختلف اندازه گیری شد. آزمایش ها نشان داد نسبت مصرف انرژی در حداکثر عملکرد نسبت به حالت بیکار برابر ۱.۳ است. این نشان می دهد منابع باید به درستی مورد استفاده قرار گیرند بدون اینکه عملکرد قربانی شود. نتایج روش پیشنهادی بسیار امیدوارکننده است. بنابراین، پذیرش چنین استراتژی هایی توسط ارائه دهندگان رایانش ابری منجر به صرفه جویی انرژی در مراکز داده خواهد شد.