Тип публикации: статья из журнала
Год издания: 2023
Идентификатор DOI: 10.47813/2782-2818-2023-3-4-0301-0310
Ключевые слова: resource management, Distributed dynamic computing systems, dynamic frequency and voltage management, zeronig neural networks, carbon dioxide emissions, energy consumption, optimization, computational tasks, resource efficiency, energy efficiency, управление ресурсами, Распределенные динамические вычислительные системы, динамическое управление частотой и напряжением, нейронные сети обнуления, выбросы углекислого газа, энергопотребление, оптимизация, вычислительные задачи, ресурсоэффективность
Аннотация: Настоящее исследование фокусируется на разработке и оптимизации подхода управления ресурсами в распределенных динамических вычислительных системах. Мы представляем новый гибридный метод, комбинируя динамическое управление частотой и напряжением с использованием нейронных сетей обнуления (НСО) для минимизации выбросов углекислого гаПоказать полностьюза и снижения энергопотребления. Исследование включает систематические эксперименты, в ходе которых анализируется структура и параметры НСО для минимизации ошибок. Применение метода на реальных данных вычислительной сети NorduGRID продемонстрировало его эффективность, снижая выбросы CO2 на 9,4% за 30 дней при сохранении требуемой производительности. и является значимым вкладом в область развития энергоэффективных вычислительных систем. Проведены эксперименты на крупных вычислительных системах, включая более 2,7 миллиарда узлов с использованием реальных данных о выбросах углекислого газа. Полученные результаты подчеркивают перспективность гибридных подходов и использование нейронных сетей для оптимизации управления ресурсами в динамических вычислительных средах. Наш метод обеспечивает устойчивое и энергоэффективное выполнение вычислительных задач в условиях ограниченных ресурсов и является значимым вкладом в область развития энергоэффективных вычислительных систем. Разработанный подход предоставляет перспективы для оптимизации работы вычислительных систем, учитывая динамичный характер современных вычислительных задач и ограниченные ресурсы энергопотребления. This study focuses on the development and optimization of a resource management approach in distributed dynamic computing systems. We propose a novel hybrid method by combining dynamic frequency and voltage management with Zeroning Neural Networks (ZNN) to minimize carbon dioxide emissions and reduce energy consumption. The research includes systematic experiments analyzing the structure and parameters of ZNN to minimize errors. Applying the method to real data from the NorduGRID computing network demonstrated its effectiveness, reducing CO2 emissions by 9.4% over 30 days while maintaining the required performance. The approach represents a significant contribution to the development of energy-efficient computing systems, addressing the challenge of limited resources. Experiments were conducted on large computing systems comprising over 2.7 billion nodes, utilizing real data on carbon dioxide emissions. The obtained results underscore the potential of hybrid approaches and neural networks in optimizing resource management in dynamic computing environments. Our method ensures stable and energy-efficient execution of computational tasks in resource-constrained conditions, offering prospects for optimizing the operation of computing systems considering the dynamic nature of modern computational tasks and limited energy resources.
Журнал: Современные инновации, системы и технологии
Выпуск журнала: Т. 3, № 4
Номера страниц: 301-310
ISSN журнала: 27822818
Место издания: Красноярск
Издатель: ООО "Сибирский Научный Центр ДНИТ"