项目名称: 云数据库系统能耗优化方法的研究

项目编号: No.61202088

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 宋杰

作者单位: 东北大学

项目金额: 24万元

中文摘要: 云计算时代的到来将使计算机的数量在未来十年快速增长,日益普及的云系统所导致的大量能耗问题已引起政府和业界的重视。云数据库系统是云计算中最重要的一类系统,但现有高能效计算的研究成果尚不能完全有效的适用于云数据库系统,尚缺少有针对性的基于软件层面的能耗优化方法。本课题提出云数据库系统中"缩减节点的等待时间以减少空闲能耗"这一能耗优化方法,主要从评价模型和核心技术两个层面展开研究。模型层面研究如何建立多约束能耗评价模型和进行多目标优化求解。技术层面研究:通过优化资源分配和任务调度策略,消除资源瓶颈,减少资源等待;通过优化数据布局策略,提高节点并行性,减少节点间等待;通过优化作业执行策略,减少复杂查询作业的网络数据传输量,减少节点对数据传输的等待。此外本课题还将实现基于HBase的低能耗云数据库原型系统。本课题有利于开发新的云数据管理技术、推动云计算技术的应用,具有重要的科学意义和广泛的应用前景。

中文关键词: 云计算;大数据管理;绿色计算;云数据库;高能效计算

英文摘要: The coming of cloud computing era results in the rapid growth in the number of computers in the next decade; both government and industry have paid much attention on the energy issues caused by growing popularity of cloud system. Cloud database system is the most important cloud computing system, but unfortunately, existing research-results on energy-efficient computing cannot be completely and efficiently applied to cloud database system, lacking of software-based energy consumption optimization methods. This project proposes an optimization approach of "reducing idle power consumption by reducing node's waiting time". Our research is launched from two aspects: evaluation model and core technologies. In the model level, we study how to define a multi-constrained evaluation model for energy consumption and find the multi-objective optimization solution. In the technical level: we study how to eliminate resource bottleneck and reduce the time waiting for resources by optimizing resource allocation and task scheduling strategies, how to improve node parallelism and reduce waiting time among nodes by optimizing data layout strategy, and how to lessen the remote data transmission of complex query jobs and reduce node's waiting time for data transmission by optimizing job execution strategy. In addition, we will also

英文关键词: Cloud computing;Big data management;Green computing;Cloud database;energy-efficient computing

成为VIP会员查看完整内容
0

相关内容

云计算(Cloud computing)是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需提供给计算机和其他设备。整个运行方式很像电网,类似之前的网格计算。
专知会员服务
21+阅读 · 2021年10月9日
专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
32+阅读 · 2021年6月18日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
44+阅读 · 2020年8月20日
专知会员服务
78+阅读 · 2020年8月4日
数据库技术新版图-Serverless数据库 | Q推荐
谷歌分布式机器学习优化实践
专知
2+阅读 · 2022年3月26日
云计算成本优化终极指南
InfoQ
0+阅读 · 2022年2月12日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
16+阅读 · 2021年11月27日
Arxiv
103+阅读 · 2021年6月8日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
16+阅读 · 2020年5月20日
Arxiv
19+阅读 · 2018年6月27日
小贴士
相关VIP内容
专知会员服务
21+阅读 · 2021年10月9日
专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
32+阅读 · 2021年6月18日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
44+阅读 · 2020年8月20日
专知会员服务
78+阅读 · 2020年8月4日
相关资讯
数据库技术新版图-Serverless数据库 | Q推荐
谷歌分布式机器学习优化实践
专知
2+阅读 · 2022年3月26日
云计算成本优化终极指南
InfoQ
0+阅读 · 2022年2月12日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员