Resource allocation in a Cloud partially powered by renewable energy sources

• Main Author: Li, Yunbo
• Other Authors: Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
• Language: en
• Published: 2017
• Subjects: Cloud; Énergie renouvelable; Efficacité énergétique; Allocation de ressources; Renewable energy; Energy efficiency; Resource allocation; 004
• Online Access: http://www.theses.fr/2017IMTA0019/document

La plupart des infrastructures de cloud efficace en énergie proposées dans la littérature ne tiennent pas compte de la disponibilité électrique et des énergies renouvelables dans leurs modèles. L’intégration des énergies renouvelables dans les centres de données réduit considérablement leur consommation d’énergie et leur empreinte carbone. Étant donné que l’énergie renouvelable est intermittente et fluctue en fonction du temps, elle est habituellement sous-utilisée. Nous abordons le problème de l’amélioration de l’utilisation des énergies renouvelables dans un centre de données unique et étudions deux approches : la planification opportuniste et le stockage de l’énergie. Nos résultats démontrent que les deux approches permettent de réduire la consommation d’énergie non-renouvelable sous différentes configurations. Nous étendons ce travail au contexte des Edge Clouds et de l’Internet des Objets dans le cas de l’analyse de flux de données. Nous montrons comment rendre les Edge Clouds plus verts avec une production d’énergie renouvelable sur site combinée à un stockage d’énergie et à une dégradation de performance des applications des utilisateurs. === Most of the energy-efficient Cloud frameworks proposed in literature do not consider electricity availability and renewable energy in their models. Integrating renewable energy into data centers significantly reduces the traditional energy consumption and carbon footprint of these energy-hungry infrastructures. As renewable energy is intermittent and fluctuates with time-varying, it is usually under-utilized. We address the problem of improving the utilization of renewable energy for a single data center and investigate two approaches: opportunistic scheduling and energy storage. Our results demonstrate that both approaches are able to reduce the brown energy consumption under different configurations. We extend this work to the context of Edge Clouds and Internet of Things on the use case of data stream analysis. We show how to make Edge Clouds greener with on-site renewable energy production combined with energy storage and performance degradation of the users’ applications.