Cloud Computing Management

English:

Large, distributed, network-based computing systems (also known as Cloud Computing) have recently gained significant interest. We expect significantly more applications or web services will be relying on network-based servers, therefore reducing the energy consumption of these systems would be beneficial for companies to save their budgets on running their machines as well as cooling down their infrastructures. Dynamic Voltage Scaling can save significant energy for these systems, but it faces the challenge of efficient and balanced parallelization of tasks in order to maximize energy savings while maintaining desired performance levels. This paper proposes our Simplified Swarm Optimization (SSO) method to reduce the energy consumption for distributed systems with Dynamic Voltage Scaling. The results of SSO have been compared to the most popular evolutionary Particle Swarm Optimization (PSO) algorithm and have shown to be more efficient and effective, reducing both the execution time for scheduling and makespan.

Bahasa Melayu:

Sistem pengkomputeran berasaskan rangkaian yang besar dan teragih (juga dikenali sebagai Pengkomputeran Awan) baru-baru ini telah mendapat perhatian yang signifikan. Kami menjangkakan lebih banyak aplikasi atau perkhidmatan web akan bergantung pada pelayan berasaskan rangkaian; oleh itu, pengurangan penggunaan tenaga sistem ini akan memberi manfaat kepada syarikat untuk menjimatkan bajet dalam mengendalikan mesin mereka serta menyejukkan infrastruktur mereka.
Penskalaan Voltan Dinamik (Dynamic Voltage Scaling) dapat menjimatkan tenaga yang besar untuk sistem ini, namun ia berdepan cabaran dalam penyelarasan selari (parallelization) yang cekap dan seimbang bagi tugasan, dengan tujuan memaksimumkan penjimatan tenaga sambil mengekalkan tahap prestasi yang diingini. Kertas kerja ini mencadangkan kaedah Pengoptimuman Kawanan Struktur Ringkas (Simplified Swarm Optimization, SSO) untuk mengurangkan penggunaan tenaga bagi sistem teragih dengan Penskalaan Voltan Dinamik.
Keputusan SSO telah dibandingkan dengan algoritma Pengoptimuman Kawanan Zarah (PSO) yang paling popular dalam kategori evolusi, dan terbukti lebih cekap serta berkesan, dengan mengurangkan kedua-dua masa pelaksanaan penjadualan dan makespan.