کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6872700 1440349 2018 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Epistemic Uncertainty Propagation in Power Models
ترجمه فارسی عنوان
انتشار غیرمتعارف معرفتی در مدل های قدرت
ترجمه چکیده
مراکز داده اخیرا رشد سریع در تقاضای انرژی را تجربه کردهاند، عمدتا به دلیل رایانش ابری، یک پارادایم که به کاربران امکان دسترسی به منابع رایانهای مشترک (مانند سرورها، ذخیرهسازی و غیره) را میدهد. برای کاهش این مشکل، تکنیک های متعددی پیشنهاد شده است و مدل های قدرت زیادی برای پیش بینی مصرف برق سرورها به کار گرفته شده است. برخی از آنها بسیاری از منابع سرور را در نظر می گیرند، برخی دیگر فقط برای پردازنده استفاده می کنند که ثابت شده است که جزء مسئول بزرگترین بخش مصرف انرژی سرور است. همه این مدل ها با پارامترهای ورودی به طور کلی نادرست کار می کنند. با این حال، هیچ کدام از آنها اثرات چنین ناکافی را در خروجی های مدل نمی گیرد. این مقاله به بررسی نحوه عدم قطعیت معرفتی (پارامتری) بر یک مدل قدرت می پردازد. بررسی تاثیر عدم قطعیت معرفتی در مدل های مصرف انرژی باعث می شود بارها با تراکم احتمالی را در هنگام بررسی زمان تخلیه باتری یا مقدار انرژی مورد نیاز برای یک کار مشخص، در نظر بگیریم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Data-centers have recently experienced a fast growth in energy demand, mainly due to cloud computing, a paradigm that lets the users access shared computing resources (e.g., servers, storage, etc.). Several techniques have been proposed in order to alleviate this problem, and numerous power models have been adopted to predict the servers' power consumption. Some of them consider many server resources, some others account for only the CPU, that has proven to be the component responsible for the largest part of a server's power consumption. All these models work with generally inaccurate input parameters. However, none of them takes into account the effects of such inaccuracy on the model outputs. This paper investigates how epistemic (parametric) uncertainty affects a power model. Studying the impact of epistemic uncertainty on power consumption models makes it possible to consider loads with a probability density while investigating the battery depletion time or the amount of energy required for a given task.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Electronic Notes in Theoretical Computer Science - Volume 337, 9 May 2018, Pages 67-86
نویسندگان
, , ,