Energy-Aware Ant Colony Based Workload Placement in Clouds

Eugen Feller 1 Louis Rilling 2 Christine Morin 1
1 MYRIADS - Design and Implementation of Autonomous Distributed Systems
IRISA-D1 - SYSTÈMES LARGE ÉCHELLE, Inria Rennes – Bretagne Atlantique
Résumé : Avec le succès des services Cloud, les fournisseurs de ces services déploient de plus en plus de centres de données gourmands en énergie. Pour réduire les coûts et augmenter la fiabilité du système, économiser l'énergie devient essentiel. Une approche courante pour économiser de l'énergie dans ces environnements consiste à grouper les charges de travail (c'est-à-dire à grouper les machines virtuelles). Ainsi, la charge de travail est regroupée sur le plus petit nombre de machines physiques possible pour maximiser l'usage de ce sous-ensemble des ressources, et pouvoir ainsi mettre les autres ressources qui sont sous-utilisées en mode d'économie d'énergie. Cependant, jusqu'à présent, la plupart des approches fondées sur le regroupement des charges de travail se limitent à la prise en compte d'un seul type de ressource (par exemple, le processeur) et reposent sur des algorithmes gloutons relativement simples tel que le First-Fit Decreasing (FDD), qui gaspillent les ressources. Dans cet article, nous modélisons le problème du placement de charges de travail en tant qu'une instance du problème de bin-packing multi-dimensionnel, et nous construisons un nouvel algorithme bio-inspiré utilisant une méta heuristique d'optimisation inspirée des colonies de fourmis (Ant Colony Optimization, ACO) qui calcule les placements dynamiquement en fonction de la charge courante. Nous évaluons l'algorithme ACO en le comparant à l'algorithme glouton traditionnel (l'algorithme FDD). Les résultats de simulation montrent que l'algorithme ACO surpasse l'approche gloutonne en améliorant le gain d'énergie par une meilleure utilisation des serveurs et en exigeant moins de machines.
Type de document :
Rapport
[Research Report] RR-7622, INRIA. 2011
Liste complète des métadonnées

https://hal.inria.fr/inria-00594992
Contributeur : Eugen Feller <>
Soumis le : lundi 23 mai 2011 - 10:10:30
Dernière modification le : mercredi 16 mai 2018 - 11:23:31
Document(s) archivé(s) le : vendredi 9 novembre 2012 - 11:56:09

Fichier

RR-7622.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00594992, version 1

Citation

Eugen Feller, Louis Rilling, Christine Morin. Energy-Aware Ant Colony Based Workload Placement in Clouds. [Research Report] RR-7622, INRIA. 2011. 〈inria-00594992〉

Partager

Métriques

Consultations de la notice

795

Téléchargements de fichiers

1352