MétaCan
Menu
Retour à la cohorte
Enregistrement W2073865102 · doi:10.1109/surv.2013.070813.00183

A Survey on Geographic Load Balancing Based Data Center Power Management in the Smart Grid Environment

2014· article· en· W2073865102 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Communications Surveys & Tutorials · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSmart gridData centerLoad balancing (electrical power)GridThe InternetEnergy managementLoad managementData managementData sciencePower managementDistributed computingPower (physics)DatabaseWorld Wide WebEnergy (signal processing)Computer networkElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Power management is becoming an increasingly important issue for Internet services supported by multiple geo-distributed data centers. These data center's energy consumptions and costs are becoming unacceptably high, and placing a heavy burden on both energy resources and the environment. Emerging smart grid provides a feasible way for dynamic and efficient power management of data centers. Various power management methodologies based on geographic load balancing (GLB) have recently been proposed to effectively utilize several features of smart grid. In this paper, we summarize the motivations, current state of the art, approaches and techniques proposed in the recent research works in this discipline. In all of these works, many perspectives of power management have been addressed using various computer science principles. We specifically elaborate on how researchers are exploiting mathematical tools to address these perspectives. Finally, we point out subject matters that need more attentions from the research community and provide our vision on possible future works along this direction.

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.

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)0,028
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,768
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0280,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0100,002
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 Opus0,052
Tête enseignante GPT0,278
Écart entre enseignants0,225 · 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