Power-aware scheduling on clouds using active cooling control and DVFS

Neste trabalho são apresentados algoritmos que atuam no processo de escalonamento de máquinas virtuais para computação em nuvem, fundamentados nos conceitos de Computação Verde. Estes algoritmos focam na minimização da energia consumida, além de proverem qualidade de serviço baseada em prioridade de execução de cargas virtuais. Para atingir o objetivo da minimização de consumo de energia são usados alguns recursos, tais como: desligamento de servidores subutilizados, migração de cargas de servidores que operam abaixo de um determinado limiar, DVFS e Fan Control. A escolha de qual servidor receberá as cargas virtuais é obtida através da maximização da eficiência em energia, dada pela razão entre MIPS e a potência consumida em cada servidor. Alem disso, os algoritmos deste trabalho atuam na submissão de cargas com prioridades, permitindo com que cargas de maior prioridade sejam executadas em tempos menores. Resultados obtidos através de simulações mostraram que os algoritmos desenvolvidos, quando confrontados a outros algoritmos pesquisados, podem melhorar o consumo de energia em nuvens compostas por data centers heterogêneos, empatando com os melhores algoritmos no caso de data centers homogêneos, além de prover qualidade de serviço.This work presents algorithms that operate in the scheduling process of virtual machines in cloud computing, based on concepts of Green Computing. These algorithms focus on energy consumption minimization, and also provide quality of service based on virtual load execution priority. To achieve energy consumption minimization, some features are used, such as underutilized server shutdown, migration of server loads that operate below a certain threshold, DVFS, and Fan Control. The choice of which server will receive the virtual loads is obtained through energy efficiency maximization, given by the ratio MIPS to power consumption per server. Furthermore, the algorithms of this work also act on the submission of loads with priorities, allowing high priority loads to run in lower times. Results from simulations showed that the developed algorithms, when confronted against other studied algorithms, can improve energy consumption in clouds composed of heterogeneous data centers, tying with the best algorithms in the case of homogeneous data centers, also providing quality service