MétaCan
Menu
Retour à la cohorte
Enregistrement W2020053814 · doi:10.1561/1000000038

Datacenter Power Management in Smart Grids

2015· article· en· W2020053814 sur OpenAlexaff
Xue Liu, Fanxin Kong

Notice bibliographique

RevueFoundations and Trends® in Electronic Design Automation · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSmart gridComputer sciencePower (physics)Power managementElectrical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Cloud computing is a new computing paradigm and it is gaining wide popularity due to its benefits including reduced cost, ease of management, and increased reliability. In a cloud computing environment, companies or individuals offload their computing (hardware/software/data) to the cloud, which is supported by the computing infrastructure called datacenters. Datacenters consume large amounts of electricity to operate and bring enormous electricity bills to the operators. Associated emissions also cause significant negative impact to the environment. Meanwhile, a new kind of electrical grid, called the smart grid, is emerging. Smart grids enable two way communications between the power generators and the power consumers. Smart grid technology brings many salient features to help deliver power efficiently and reliably. There are many efforts addressing either of the two tracks above. Different with them, we focus on cost-aware datacenter power management in presence of smart grids and review recent developments on this area. It involves understanding how a smart grid operates, where power goes in datacenters, and most importantly, how to reduce the power cost and/or negative environmental impact when operating datacenters. We first study new ideas of exploring spatial diversities provided by geographically distributed datacenters and show how to perform request routing. Then, we discuss the research that leverages temporal flexibilities given by delay-tolerant workload and present how to conduct workload scheduling. Thirdly, we study how to jointly optimize routing and scheduling by considering spatial diversities and temporal flexibilities together. These studies consider multiple features of smart grids, and develop different cost minimization approaches using techniques from the optimization, algorithmic, and feedback control fields. Moreover, we review studies incorporating the same solution framework with additional dimensions such as renewable and cooling.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil0,468

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,271
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoundations and Trends® in Electronic Design AutomationMême sujetCloud Computing and Resource ManagementTravaux en français237 207