.png){kind=icon}
返回
A multi-objective optimization method for cloud data center resource management based on a repairable queueing system
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2026.113072.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云数据中心（CDCs）必须协调计算资源和恢复资源，以维持服务性能，同时控制能耗和运营成本。然而，现有CDC资源管理研究往往忽视故障-恢复动态如何改变有效服务能力，或将恢复能力视为优化中的固定参数。本文通过基于可修复排队系统的分析建模和多目标优化框架解决了这一局限性。首先，通过将处理器故障-恢复动态嵌入请求处理中，开发了一个基于RQS的响应时间模型，并由此推导出单个节点和整个CDC IT架构的平均响应时间。随后，在相同CDC配置下构建平均能耗和系统成本模型，并建立了一个包含可配置处理器数量和恢复率变量的约束三目标优化模型。进一步结合NSGA-II与基于CCR和TOPSIS的方法筛选帕累托解，并识别不同运营优先级下的代表性策略。数值结果表明，所提出的模型在匹配基于SPN和基于DES的基线响应时间精度的同时，减少了状态空间大小和计算时间，并进一步揭示了在恒定负载、可变负载和DVFS启用场景下响应时间、能耗和系统成本之间的权衡。
Keyword:
Cloud data centers
Repairable queueing system
Response time
Energy consumption
System cost
Fault-tolerant operation
Multi-objective optimization
期刊
R
IF:
11
论文数:
823
被引数:
0
机构
暂无机构信息
引用论文
Service reliability of intelligent computing cluster systems for large language models大型语言模型智能计算集群系统的服务可靠性
PREAI
分享收藏
Reinforcement learning for data center energy efficiency optimization: A systematic literature review and research roadmap数据中心能效优化中的强化学习：系统文献综述与研究路线图.png)
APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏
查看更多内容