.png){kind=icon}
返回
Power aware container placement in cloud computing with affinity and cubic power model
.png){kind=icon}
PRE
AI
DOI：10.1007/s00607-025-01566-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代数据中心正越来越多地采用容器来提升功率和性能效率。这些数据中心包含异构机器，每台机器提供不同容量的CPU、内存、I/O和网络带宽。资源租赁给应用程序，这些应用程序可运行较长时间，前提是满足其需求。某些应用程序在特定机器上表现更好，这一概念称为affinity，而其他应用程序与特定机器不兼容，称为anti-affinity。这两个因素基于性能、法律原因、安全性和可靠性历史。在本工作中，我们考虑将多个应用程序放置在机器上的问题，以最大化affinity满足度并最小化能源成本。电力成本主要由CPU使用率驱动，其随着总CPU消耗量呈三次方增长，构成复杂的优化挑战。为解决此问题，我们将应用程序放置问题表述为通过最小化电力消耗和最大化affinity合规放置数量来最小化总系统成本。我们提出一个四阶段解决方案框架：(a) 数据预处理以准备必要的输入参数，(b) 使用功耗感知和affinity感知启发式方法生成初始放置方案，(c) 集成优化阶段，结合这些放置方案以平衡功耗和affinity，(d) 采用遗传算法进一步改进解。在真实数据集上的实验结果表明，与最先进技术相比，我们的方法可将affinity满足度提升至多4%，降低总系统成本至多26%，并提高affinity回报比至多37%。
Keyword:
Cloud computing
Containers
Affinity
Anti-affinity
Power efficiency
期刊
C
IF:
2.8
论文数:
2.3K
被引数:
3.5K
机构
引用论文
分享收藏分享收藏A simplified power consumption model of information technology (IT) equipment in data centers for energy system real-time dynamic simulation.png)
APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏A Cooperative Coevolution Genetic Programming Hyper-Heuristics Approach for On-Line Resource Allocation in Container-Based Clouds一种协同进化遗传编程超启发式方法，用于基于容器的云中的在线资源分配
PREAI
分享收藏Towards dynamic virtual machine placement based on safety parameters and resource utilization fluctuation for energy savings and QoS improvement in cloud computing基于安全参数和资源利用率波动，面向云计算中节能与QoS改进的动态虚拟机放置
PREAI
分享收藏Orchestrating the Deployment of High Availability Services on Multi-zone and Multi-cloud Scenarios
PREAI
分享收藏
查看更多内容