云计算环境中面向数据密集型任务的能效优化策略研究

With the emerging of big data based data-intensive applications, traditional energy-efficiency optimization techniques and methods in cloud environments are facing a series of challenging issues, and the difficulty focuses on the fact that the data-intensive attribute in these applications will have significant effects on the energy-efficiency and performance in various service layers of cloud platforms. To solve the energy-efficiency optimization problem for deploying those application, we are planning to design an integrated set of mechanisms, which can be applied to various service layers in cloud platforms, including resource virtualization platform, storage infrastructure, data management system, and application management service. In the aspect of theoretical study, the researches of this project are expected to propose some original ideas and techniques in the area of energy-efficiency optimization for big data applications. At the same time, the novel ideas and methods proposed in this project are expected to be implemented in real-world cloud platforms, with aiming at reducing the energy costs for cloud datacenters.

随着以大数据为背景的数据密集型应用的兴起，传统面向云数据中心的能效优化技术和方法遇到了一系列具有挑战性的课题，其难点在于：“数据密集”这一特性对云平台中多个服务层的性能和能效都有重要的影响。针对数据密集型任务的执行期特性，本课题从资源虚拟层、云存储层、数据管理层、应用管理层四个方面提出了一套完整的能效优化策略，以期综合地解决云计算平台在部署数据密集型任务时的能效优化问题。在理论研究方面，本课题提出的“虚拟层I/O缓冲机制和调度算法”、“二维副本活跃度评估模型”、“非结构化数据管理系统能耗模型与数据布局策略”以及“基于相对I/O能耗模型的延迟迁移机制”有望对云环境中数据密集型任务的能效优化研究提出新的思路和技术；在实际应用方面，本课题提出的以上方案均可以在现有的云计算平台中实现，并直接应用于各类成熟的云计算平台，以期降低云数据中心的能耗成本。

针对数据密集型任务的执行期特性，本课题从资源虚拟层、云存储层、数据管理层、应用管理层四个方面提出了一套完整的能效优化策略，以期综合地解决云计算平台在部署数据密集型任务时的能效优化问题。项目以针对资源虚拟化平台中面向数据密集型负载的能效优化机制为起点，提出了一种基于双阈值和蚁群系统的多目标虚拟机整合方法。进而针对云环境中面向能效优化的数据副本存储与管理机制，提出一种“基于虚拟数据代理的云模型数据布局策略”。针对云环境中非结构化数据管理系统的能效优化机制研究，提出了基于不稳定的数据分区非结构化数据重新布局策略。在以上基础上最后研究针对面向数据密集型虚任务的高能效虚拟机迁移机制与策略，提出了最小内存大小、最低处理器利用率和最小化内存大小和处理器利用率乘积的虚拟机高效迁移策略。经过四年来的深入研究，本项目提出了一套完整的面向数据密集型任务的能耗/能效优化管理体系，较好地解决了云计算环境中细粒度和自适应的能耗/能效优化管理的关键问题。.本项目在HPCC 2019、ICWS 2018、WISE 2016等高水平国际会议和《Future Generation Computer Systems》、《Journal of Parallel and Distributed Computing》、《IEEE Transactions on Services Computing》、《Computers and Electrical Engineering》、《Chinese Journal of Electronics》等重要期刊发表及录用学术论文25篇，其中SCI检索12篇，EI检索13篇，申请发明专利2项，授权发明专利1项，部分研究成果达到国际一流水平。