زمان بندی انرژی در رایانش لبه ای به کمک انرژی سبز
ترجمه نشده

زمان بندی انرژی در رایانش لبه ای به کمک انرژی سبز

عنوان فارسی مقاله: تخصیص کار انرژی کارآمد و زمان بندی انرژی در رایانش لبه ای به کمک انرژی سبز
عنوان انگلیسی مقاله: Energy efficient task allocation and energy scheduling in green energy powered edge computing
مجله/کنفرانس: نسل آینده سیستم های کامپیوتری - Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: رایانش ابری، مهندسی الگوریتم ها و محاسبات، برنامه نویسی کامپیوتر
کلمات کلیدی فارسی: انرژی سبز، رایانش لبه ای، مهاجرت ماشین مجازی، تخصیص وظایف، تخصیص انرژی، راندمان انرژی
کلمات کلیدی انگلیسی: Green energy، Edge computing، VM migration، Task allocation، Energy allocation، Energy efficiency
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.12.062
دانشگاه: Services Computing Technology and System Lab, Big Data Technology and System Lab, Cluster and Grid Computing Lab, School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 7/007 در سال 2018
شاخص H_index: 93 در سال 2019
شاخص SJR: 0/835 در سال 2018
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 11
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
کد محصول: E11552
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- System model


3- Problem formulation


4- Algorithm design


5- Performance evaluation


6- Related work


7- Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


The ever-increasing computation tasks and communication traffic have imposed a heavy burden on cloud data centers and also resulted in a significantly high energy consumption. To ease such burden, edge computing is proposed to explore the distributed resources of edge devices (e.g., base stations) to provision the cloud services for latency-sensitive applications at the network edge. Owing to the geo-distribution of edge devices, edge computing is also an ideal energy efficient platform to leverage the distributed green energy for energy efficient computing. Thus, it is natural to integrate Energy Internet (EI) technology into edge computing for customizable energy scheduling. In such EI supported edge computing, both the green energy generation rates and the data processing demands vary in different time and space. To pursue high energy efficiency, it is desirable to maximize the utilization of green energy so as to reduce the brown energy consumption. This requires careful task allocation and energy scheduling to match the energy provision and demand. In this paper, we investigate the energy cost minimization problem with joint consideration of VM migration, task allocation and green energy scheduling and prove its NP-hardness. To tackle the computation complexity, a heuristic algorithm approximating the optimal solution is proposed. Through extensive simulations, we show that the proposed algorithm can efficiently reduce brown energy consumption and perform much close to the optimal solution.


Introduction


Nowadays, cloud computing provides various services to global users with high resource utilization, strong computing ability, and high service reliability. According to Cisco’s Global Cloud Index Report (2015–2020), 92% of global computational workloads is processed in cloud. However, with the rapid increasing of user tasks, the bulk data transmission and processing impose a heavy burden on the communication bandwidth and computation resource of cloud, bringing unbearable service delay to end users [1– 3]. Moreover, the significantly high energy consumption of cloud also becomes another critical issue with growing concerns [4,5]. To handle this challenge, the concept of edge computing, which extends cloud computing to the network edge, is proposed. Edge computing utilizes the distributed resources in routers, gateways, base stations and even mobile devices to offer ‘‘cloud’’ services to the users in proximity [6,7], as shown in Fig. 1. By directly processing user tasks in local edge devices, the transmission delay and the traffic congestion on the Internet can be effectively reduced, thereby improving the user experience [8]. Furthermore, edge computing platform is formed by geo-distributed edge devices, which can harvest green energy from the environment. Such paradigm naturally provides an ideal platform to utilize the local green energy [9]. Actually, many studies [10–13] have already mentioned the possibility and advantages of utilizing green energy in edge cloud to reduce the brown energy consumption.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

زمان بندی انرژی در رایانش لبه ای به کمک انرژی سبز
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها