Un enfoque de reducción de energía en la computación en la nube verde

Autores/as

DOI:

https://doi.org/10.33448/rsd-v12i7.42407

Palabras clave:

Computación en nube verde; Simulador de nube; Eficiencia energética.

Resumen

A medida que la computación en la nube se vuelve cada vez más prevalente en nuestra vida diaria y en el entorno empresarial, es esencial que seamos conscientes y proactivos en la gestión del impacto ambiental de esta tecnología. La computación en la nube verde es un enfoque que busca reducir el consumo de energía y las emisiones de CO2 asociadas con la computación en la nube, mientras sigue proporcionando la funcionalidad y el rendimiento necesarios. A través del uso de simuladores, como CloudSim Plus, y la implementación de algoritmos eficientes para la gestión de recursos, este estudio demostró que es posible lograr mejoras significativas en la eficiencia energética, reducciones en los costos operativos y una disminución en el impacto ambiental sin reducir la capacidad computacional. Se observó una mejora de al menos el 49% en la eficiencia energética, una reducción de al menos el 7% en los costos directos, y una disminución del 50% en las emisiones equivalentes de CO2. Es importante enfatizar que estas mejoras se lograron sin comprometer el rendimiento de los sistemas, ya que los tiempos de procesamiento se mantuvieron sin cambios.

Biografía del autor/a

Thiago Nelson Faria dos Reis, Universidade Federal do Maranhão

É graduado em Ciência da Computação pela Universidade Federal do Maranhão. Mestrado em Ciência da Computação. Doutorando em Ciência da Computação pela Universidade Federal do Maranhão na área de Computação em Nuvem Verde. Possui Especialização em Análise e Projeto de Sistemas também pela UFMA, além de Especialização em Redes de Computadores pela ESAB, MBA em Gerenciamento de Projetos pela Faculdade Pitágoras e Gerente de Projetos com certificações em Project Management Professional, PMP pela Project Management Institute, PMI, Scrum Master PSM-II, PSM-I and SPS pela Scrum.org. Atualmente é Analista Judiciário do Tribunal de Justiça do Estado do Maranhão, Professor Universitário, além de vir atuando como Consultor da Faculdade Santa Terezinha na área de Tecnologia da Informação. Possui experiência profissional na área de Ciência da Computação, com ênfase em Banco de Dados, Engenharia de Software, Segurança, Perícia Forense, Gerenciamento de Projetos, BI - Business Intelligence, Cloud Computing e Inteligência Artificial,

Mário Meireles Teixeira, Universidade Federal do Maranhão

Possui graduação em Ciência da Computação pela Universidade Federal do Maranhão (1992), mestrado (1997) e doutorado (2004) em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (ICMC-USP). Realizou pós-doutorado na Boston University (2014-2015), especializando-se em computação em nuvem. Atualmente é Professor Titular do Departamento de Informática da Universidade Federal do Maranhão e docente do mestrado e doutorado em Ciência da Computação (PPGCC e DCCMAPI). Tem experiência em Ciência da Computação, atuando principalmente nos seguintes temas: sistemas distribuídos, avaliação de desempenho, serviços web, computação em nuvem e tecnologias na educação.

Carlos de Salles Soares Neto, Universidade Federal do Maranhão

Possui graduação em Ciência da Computação pela Universidade Federal do Maranhão (2000), mestrado e doutorado em Informática pela Pontifícia Universidade Católica do Rio de Janeiro (2003 e 2010). Atualmente é professor associado da Universidade Federal do Maranhão onde atua como coordenador dos Laboratórios TeleMídia/MA e do LAWS (Laboratório de Sistemas Web Avançados). É pesquisador associado do Laboratório TeleMídia da PUC-Rio. Tem experiência na área de Ciência da Computação, com ênfase em Hipermídia, atuando principalmente nos seguintes temas: aplicações multimídia, engenharia de documentos multimídia e análise de dados educacionais. Foi Coordenador da Comissão Especial de Sistemas Multimídia e Web da Sociedade Brasileira de Computação (2015-2016) e é atualmente membro de seu Comitê Gestor.

Citas

Agrawal, M. N.; Saini, M. J. K. & Wankhede, P. (2020). Review on green cloud computing: A step towards saving global environment.

Araújo, R. S. et al. (2022). Fontes de energias renováveis: pesquisas, tendências e perspectivas sobre as práticas sustentáveis. Research, Society and Development, 11(11), e468111133893-e468111133893.

Barbierato, E. et al. (2019) Exploiting cloudsim in a multiformalism modeling approach for cloud based systems. Simulation Modelling Practice and Theory. 93, 133-147.

Bash, C. et al. (2011). Cloud sustainability dashboard, dynamically assessing sustainability of data centers and clouds. Proceedings of the Fifth Open Cirrus Summit, Hewlett Packard, CA, USA, Citeseer. 13.

CloudSim (2016). Full-featured and fully documented cloud simulation framework. http://cloudsimplus.org/.

da Silva, D. T., Rodrigues, J. A., Manacero, A., Lobato, R. S., Spolon, R., & Cavenaghi, M. A. (2022, October). Modeling and simulation of cloud computing with ispd. In Anais do XXIII Simpósio em Sistemas Computacionais de Alto Desempenho (pp. 217-228). SBC.

Epa, U. S. E. P. A. (2022). Greenhouse Gas Equivalencies Calculator. https://www.epa.gov/energy/greenhouse-gas-equivalencies-calculator.

Farahnakian, F. et al. (2015). Using ant colony system to consolidate vms for green cloud computing. IEEE Transactions on Services Computing. 8(2), 187-198, 2015.

França, C. G. et al. (2020). Análise comparativa de modelos de previsão de geração de energia eólica baseados em machine learning. Revista de Sistemas e Computação-RSC. 9(2).

Gade, A.; Bhat, N. & Thakare, N. (2018). Survey on energy efficient cloud: A novel approach towards green computing. Helix, 8(5), 3976-3979.

Garg, S. K.; Yeo, C. S. & Buyya, R. (2011). Green cloud framework for improving carbon efficiency of clouds. European Conference on Parallel Processing, Bordeaux, França, 17, 491-502.

Jain, R. (2010). Computer systems performance analysis. https://www.cs.wustl.edu/~jain/iucee/ftp/k_01int.pdf.

Jena, S. R. et al. (2020). Cloud computing tools: inside views and analysis. Procedia Computer Science, 173, 382-391.

Khan, R. & Khan, S. U. (2016). Achieving energy saving through proxying applications on behalf of idle devices. Procedia Computer Science, 83, 187-194.

Makaratzis, A. T.; Giannoutakis, K. M. & Tzovaras, D. (2018). Energy modeling in cloud simulation frameworks. Future Generation Computer Systems, 79, 715-725.

Mandal, A. K. & Dehuri, S. (2019). A survey on ant colony optimization for solving some of the selected np-hard problem. International Conference on Biologically Inspired Techniques in Many-Criteria Decision Making. 85-100.

Masdari, M.; Zangakani, M. (2020). Green cloud computing using proactive virtual machine placement: challenges and issues. Journal of Grid Computing, Springer, 18(4), 727-759.

Meyer, V. et al. (2018). Simulators usage analysis to estimate power consumption in cloud computing environments. Symposium on High Performance Computing Systems (WSCAD). 70-76.

Radu, L. D. (2017) Green cloud computing: A literature survey. Symmetry, Multidisciplinary Digital Publishing Institute. 9(12), 295.

Saboor, A. et al. (2022) Enabling rank-based distribution of microservices among containers for green cloud computing environment. Peer-to-Peer Networking and Applications, Springer, 15(1), 77-91.

Saha, B. (2018). Green computing: current research trends. International Journal of Computer Sciences and Engineering, 6(3), 467-469.

Silva Filho, M. C. et al. (2017). Cloudsim plus: A cloud computing simulation framework pursuing software engineering principles for improved modularity, extensibility and correctness. Symposium on integrated network and service management (IM). 400-406.

Stergiou, C. L.; Psannis, K. E. & Ishibashi, Y. (2020). Green cloud communication system for big data management. 3rd World Symposium on Communication Engineering (WSCE). 69-73.

Toledo Junior, T. J. & Bruschi, S. (2020). Epcsac-extensible platform for cloud scheduling algorithm comparison. Anais Estendidos do XXI Simpósio em Sistemas Computacionais de Alto Desempenho, evento olline. 46-53.

Wadhwa, M. et al. (2019). Green cloud computing-a greener approach to it. International conference on computational intelligence and knowledge economy (ICCIKE). 760-764.

Yang, J. et al. (2018). Ai-powered green cloud and data center. IEEE Access, IEEE, 7, 4195-4203.

Zong, Z. 2020. An improvement of task scheduling algorithms for green cloud computing 15th International Conference on Computer Science & Education (ICCSE). 654-657.

Descargas

Publicado

08/07/2023

Cómo citar

REIS, T. N. F. dos .; TEIXEIRA, M. M. .; SOARES NETO, C. de S. Un enfoque de reducción de energía en la computación en la nube verde. Research, Society and Development, [S. l.], v. 12, n. 7, p. e1812742407, 2023. DOI: 10.33448/rsd-v12i7.42407. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/42407. Acesso em: 21 nov. 2024.

Número

Vol. 12 Núm. 7

Sección

Ciencias Exactas y de la Tierra

Licencia

Derechos de autor 2023 Thiago Nelson Faria dos Reis; Mário Meireles Teixeira; Carlos de Salles Soares Neto

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Los autores que publican en esta revista concuerdan con los siguientes términos:

1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.

2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.

3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.