Auxílio à pesquisa 21/06867-2 - Computação em nuvem, Computação verde - BV FAPESP
Busca avançada
Ano de início
Entree

Aplicações de teoria do escalonamento para otimizar o uso de energia verde em plataformas de nuvens computacionais

Processo: 21/06867-2
Modalidade de apoio:Auxílio à Pesquisa - Regular
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Acordo de Cooperação: MCTI/MC
Pesquisador responsável:Daniel de Angelis Cordeiro
Beneficiário:Daniel de Angelis Cordeiro
Instituição Sede: Escola de Artes, Ciências e Humanidades (EACH). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Pesquisadores associados:Emilio de Camargo Francesquini ; Fanny Dufossé
Assunto(s):Computação em nuvem  Computação verde  Computação de alto desempenho  Computação paralela  Computação distribuída  Teoria do escalonamento 
Palavra(s)-Chave do Pesquisador:Computação em Nuvem | Computação Paralela e Distribuída | Computação Verde | teoria do escalonamento | Computação de Alto Desempenho

Resumo

Plataformas de computação em nuvem são utilizadas no oferecimento da maioria dos serviços e aplicações que usamos no dia a dia, tais como redes sociais, e-mail, videogames, streaming de vídeos, e são um elemento fundamental para a implantação de cidades inteligentes. Entretanto, plataformas de computação em nuvem necessitam de uma grande quantidade de eletricidade: os data centers usados por essas plataformas consomem cerca de 1% de toda a energia produzida no mundo. Para reduzir os custos e os impactos ambientais resultantes desse consumo de energia, data centers estão usando fontes de energia renovável em suas instalações. A disponibilidade de energia solar não é constante, o que faz com que o escalonamento de tarefas com o objetivo de reduzir o consumo de energia não renovável seja um desafio. Alguns data centers utilizam baterias para armazenar a energia renovável, mas elas descarregam e perdem sua capacidade com o passar do tempo, o que caracteriza um novo problema: decidir em que momento recarregar e quando utilizar a energia das baterias. Neste projeto, iremos estudar como aplicar teoria do escalonamento para reduzir o consumo de energia não renovável e o custo de operação de data centers. Para atacar os desafios científicos e tecnológicos deste problema, iremos desenvolver um algoritmo de escalonamento multi-objetivo para gerenciar a execução de máquinas virtuais submetidas a plataformas de computação em nuvem geograficamente distribuídas, considerando que tais plataformas possuem baterias e energia renovável fornecida por fontes intermitentes de energia renovável tais como eólica ou de painéis solares. Iremos propor também um método para estimar como dimensionar as fontes de energia renováveis e as baterias dado o tamanho de um data center e a sua carga de trabalho prevista. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (4)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
AMARIS, MARCOS; CAMARGO, RAPHAEL; CORDEIRO, DANIEL; GOLDMAN, ALFREDO; TRYSTRAM, DENIS. Evaluating execution time predictions on GPU kernels using an analytical model and machine learning techniques. JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING, v. 171, p. 13-pg., . (19/26702-8, 15/19399-6, 21/06867-2, 12/23300-7)
SILVA VASCONCELOS, MIGUEL FELIPE; CORDEIRO, DANIEL; DUFOSSE, FANNY; KLEIN, C; JARKE, M. Indirect Network Impact on the Energy Consumption in Multi-clouds for Follow-the-renewables Approaches. PROCEEDINGS OF THE 11TH INTERNATIONAL CONFERENCE ON SMART CITIES AND GREEN ICT SYSTEMS (SMARTGREENS), v. N/A, p. 12-pg., . (15/24485-9, 21/06867-2, 14/50937-1)
VASCONCELOS, MIGUEL; CORDEIRO, DANIEL; DA COSTA, GEORGES; DUFOSSE, FANNY; NICOD, JEAN-MARC; REHN-SONIGO, VERONIKA; ALTINTAS, I; SIMMHAN, Y; VARBANESCU, AL; BALAJI, P; et al. Optimal sizing of a globally distributed low carbon cloud federation. 2023 IEEE/ACM 23RD INTERNATIONAL SYMPOSIUM ON CLUSTER, CLOUD AND INTERNET COMPUTING, CCGRID, v. N/A, p. 13-pg., . (21/06867-2)
FERNANDES, MATHEUS CAMPOS; DE FRANCA, FABRICIO OLIVETTI; FRANCESQUINI, EMILIO; PAQUETE, L. HOTGP- Higher-Order Typed Genetic Programming. PROCEEDINGS OF THE 2023 GENETIC AND EVOLUTIONARY COMPUTATION CONFERENCE, GECCO 2023, v. N/A, p. 9-pg., . (19/26702-8, 21/06867-2, 21/12706-1)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.
X

Reporte um problema na página


Detalhes do problema: