Uma abordagem de redução de energia na computação em nuvem verde

Autores

DOI:

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

Palavras-chave:

Computação em nuvem verde; Simulador de nuvem; Eficiência energética.

Resumo

À medida que a computação em nuvem se torna cada vez mais prevalente em nossas vidas diárias e no ambiente de negócios, é essencial que sejamos conscientes e proativos no gerenciamento do impacto ambiental dessa tecnologia. A computação em nuvem verde é uma abordagem que procura reduzir o consumo de energia e as emissões de CO2 associadas à computação em nuvem, enquanto ainda fornece a funcionalidade e o desempenho necessários. Através do uso de simuladores, como o CloudSim Plus, e da implementação de algoritmos eficientes para a gestão de recursos, este estudo demonstrou que é possível obter melhorias significativas na eficiência energética, reduções nos custos operacionais e uma diminuição no impacto ambiental sem redução da capacidade computacional. Foi observada uma melhoria de pelo menos 49% na eficiência energética, uma redução de pelo menos 7% nos custos diretos e uma diminuição de 50% na emissão de CO2 equivalente. Importante ressaltar que essas melhorias foram obtidas sem comprometer o desempenho dos sistemas, uma vez que os tempos de processamento permaneceram inalterados.

Biografia do Autor

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.

Referências

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.

Downloads

Publicado

08/07/2023

Como Citar

REIS, T. N. F. dos .; TEIXEIRA, M. M. .; SOARES NETO, C. de S. Uma abordagem de redução de energia na computação em nuvem 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.

Edição

v. 12 n. 7

Seção

Ciências Exatas e da Terra

Licença

Copyright (c) 2023 Thiago Nelson Faria dos Reis; Mário Meireles Teixeira; Carlos de Salles Soares Neto

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos:

1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.