Optimization of Power Consumption in Cloud Data Centers Using Green Networking Techniques

Dr Qutaiba I Ali,Alnawar J Mohammed

doi:10.33899/rengj.2014.87317

Abstract

Optimization of Power Consumption in Cloud Data Centers Using Green Networking Techniques Dr. Qutaiba I. Ali Alnawar J. Mohammed Email: qut1974@gmail.com Email: alnawar_j25758@yahoo.com Computer Engineering Dept., College of Engineering, University of Mosul, Mosul, Iraq. Abstract In this paper, a neuro-based predictor is proposed with a prediction algorithm to estimate the required number of active servers simulating the Green Networking objectives. The inputs of such predictor are the CPU utilization of the servers in the data center and the variations of the incoming demands with the number of users’ variation. During the work, different demand profiles of ClarkNet traffic traces are simulated on OPNET14.5 Modeler to obtain the required training values of servers’ CPU utilization and clients’ throughput. Also, Green Networking objectives are defined to maintain the Power Management Criteria (PMC) which guaranteed that all CPU utilization must be greater than 30%. Taking into account that a maximum number of 100 servers are used in such local data center, an ON/OFF control algorithm is then suggested for the power management of different servers in data center to fulfill the previous Green objectives. The Power saving is finally evaluated since it has been noticed that the power saving percentage can be increased from 17.33% to 85.33% of a total power of 75 k watts when the number of the operating servers is decreased from 80% to 5% of the overall servers. Keywords: Artificial Neural Network (ANN), Cloud Computing, Data Centers, Green Networking, Power Consumption. الإستهلاك الأمثل للقدرة في مراكز البيانات السحابيه بإستخدام تقنيات الشبكات الخضراء د. قتيبة ابراهيم علي النوار جاسم محمد Email: alnawar_j25758@yahoo.com Email: qut1974@gmail.com قسم هندسة الحاسوب، كلية الهندسة، جامعة الموصل،الموصل، العراق. الخلاصة في هذا البحث، تم اقتراح متنبيء قائم على استخدام الشبكة العصبية مع خوارزمية لتقدير العدد المطلوب من الخوادم النشطة محاكية أهداف الشبكات الصديقة للبيئة )الخضراء(. مدخلات هذا المتنبيء هي نسبة استغلال وحدة المعالجة المركزية للخوادم في مركز البيانات، بالاضافة الى التغير في مقادير الطلبات الواردة من عدد من المستخدمين. و تم بناء نماذج مختلفة لشبكة مراكز ،ClarkNet أثناء العمل، تم تسليط نماذج مختلفة من الطلبات الواردة الى خوادم للحصول على القيم المطلوبة للتدريب وهي نسبة OPNET Modeler البيانات باستخدام برنامج المحاكاة 14.5 الاستغلال لوحدة المعالجة المركزية للخودام ونسبة الحمل المسلط من قبل العملاء. أيضا تم تعريف أهداف الشبكات الخضراء بالحفاظ على معايير ادارة الطاقة المتمثلة بأن تكون قيم نسبة استغلال وحدة المعالجة المركزية للخوادم أكبر من 03 ٪. بعد الأخذ بعين الاعتبار أن الحد الأقصى لعدد الخوادم في مركز البيانات المقترح في العمل هو 100 خادم ، لإدارة استخدام الطاقة من قبل خوادم مختلفة في مركز البيانات لتحقيق أهداف الشبكة ON/OFF اقترحت خوارزمية الخضراء السابقة الذكر. أخ ي ر ا تم تقييم معدل تقليل صرف الطاقة حيث من الملاحظ أن نسبة تقليل صرف الطاقة ازدادت من % 17.33 الى % 85.33 من مقدار صرف الطاقة الكلي المقدر بحوالي 57 كيلوواط عندما يقل عدد الخوادم التي تكون في حالة عمل من % 80 الى % 5 من عدد الخوادم الكلي.

Highlights

In recent years, various IT service providers have deployed data centers for the provision of Cloud Computing in addition to the hostage of hosting the internet applications and scientific researches [1]
Many researches on power consumption in Cloud Computing have focused only on the energy consumed in the data center
Samples of the CPU utilization of servers measured from OPNET for different cases of study are plotted in Fig. (5)

Summary

Introduction

Various IT service providers (such as IBM, Microsoft, Google and other similar large organizations) have deployed data centers for the provision of Cloud Computing in addition to the hostage of hosting the internet applications and scientific researches [1]. In 2010, Beloglazov and Buyya [17] proposed an energy efficient resource management model for visualized Cloud data centers Such model reduced operational cost and provided the required Quality of Service (QoS). In 2011, a dynamic threshold-based approach for CPU utilization for the dynamic and unpredictable workload of the Cloud was introduced by Sinha et al [19] in an attempt to avoid unnecessary power consumption Such approach met some energy efficiency requirement ensuring QoS to the users by minimizing the SLA violation. The problem with most of these data centers is that almost 90% of the servers remain idle most of the time and left performing nothing but consuming huge power [22] Such consumption is increasing day by day as the demands from end users increase.

Optimizing Power Consumption

Initializing The Testing Parameters for The Neural Network

Green Scheduler

Conclusions