مقايسه كاهش مصرف انرژي رايانش ابري در الگوريتمهاي DVFS , MBFD , ACO

كاهش مصرف انرژي يكي از چالش هاي مهم در زمينه رايانش ابري مي باشد. بنابراين ارائه دهندگان خدمات ابري براي كم كردن مصرف انرژي به شدت تحت فشار هستند. لازم به ذكر است كه هدف فقط كاهش مصرف انرژي نيست، بلكه در كنار آن لازم است كه مقررات و استانداردهاي محيط زيست و توافق سطح سرويس (SLA) نيز در نظر گرفته شود. بنابراين طراحي مراكز داده با اين رويكرد به تازگي مورد توجه قرار گرفته است.با توجه به اينكه ميزان انرژي مصرفي در مراكز داده ابري، يكي از مهمترين معيارهاي تعيين هزينه خدمات ابري مي باشد، و ميزان مصرف انرژي نيز رابطه بسيار نزديكي با تعداد ماشينهاي فيزيكي مورد استفاده و روشن براي ارائه سرويس به وظايف كاربران دارد، به كارگيري الگوريتمهاي تخصيص منابع بهينه، استفاده از تكنيك هاي كاهش زمان makespan ، خوشه بندي task هاي موازي مي تواند منجر به كاهش تعداد ماشينهاي روشن براي ارائه خدمات گردد. در اين مقاله مي خواهيم روشهاي كاهش مصرف انرژي را در سه الگوريتم DVFS,MBFD و كلوني مورچگان بررسي و مقايسه كنيم