大数据框架下能耗优化技术的研究
关键字：大数据环境；能耗优化；虚拟机动态迁移技术；DVFS技术
Big Data Within the Framework of Energy Optimization Technology Research
Abstract:As the big data era, mass data storage technology has the signigicant research meaning and the market value. With the increasing of the data and the improvement of the data structure’s complexity, thestoragetechnology are continually updating . This page analyses the mass data technology and then focusing on analysing energy consumption optimization techenology. This page analyses the energy congsumption optimization technology comprehensively adopting the virtual machine migration and DVFS technology.
Key Words:Data Storage:Research:Viftual Machine；Dynamic migration of virtual machine technology；DVFS technology
目 录
摘要 1
引言 1
1.选题意义及研究现状 2
1.1选题背景及意义 2
1.2研究现状 2
2.大数据时代 2
2.1大数据的概念与意义 2
2.2大数据的特征和用途 3
2.3大数据技术 3
2.4大数据面临的问题 3
3.节能技术面临的问题 4
3.1虚拟机能耗的计量问题 4
3.2节能优化机制问题 4
4.大数据能耗优化方案 4
4.1虚拟机动态迁移整体框架 5
4.2虚拟机动态迁移流程 6
4.3节能优化流程图 8
4.4虚拟机分配策略 10
4.5全局动态装箱算法 11
4.6 DVFS技术 12
5.总结 13
参考文献 14
致谢 15
大数据框架下能耗优化技术的研究引言
伴随Internet和Web技术的飞速发展,网络日志、互联网搜索、电子商务、社交网站等技术的大范围使用给用户们带来了数据量的急剧增长。计算机技术在各行业的使用也促进了越来越多的数据的产生。现在世界的主流是节能减排，这就要求我们对大数据的能耗技术有所优化。本文就对大数据环境下能耗优化技术做了一定探讨，希望对使用大数据的人们带来一定的帮助。
1.选题意义及研究现状
1.1选题背景及意义
伴随着数据量的飞速增长，怎么样有效的储存大量数据，如何快速的从现存数据中搜索得需要的信息，对经济、社会、政治、文化等发展都具有重大的意义。随着大数据规模的不断提升，随之而来的是能耗花销的急剧增长。在大规模的计算环境中。会消耗大量的电能，高能耗将带来越来越繁重的文护费用。在能源紧张的现代社会，怎样保证质量水平的前提下合理分配，减少不必要的能耗花销，提高数据中心的能源利用率，是我们当今的主要问题。
1.2研究现状
数据规模的急剧增长，目前的存储系统已经不能满足现在的海量数据；数据结构的复杂，现在的数据结构已经由单一的结构数据转变成为结构化、非结构化、半结构化数据共存的局面。面对这样的局面，现在的存储结构不能兼容多种数据结构的存储；数据处理难度增大对于现在越来越复杂的数据,将这些不同类型数据融合、分析、获取一些价值的信息的难度加大。对于上面的问题，数据变的越来越多，越来越繁杂。耗费的能源越来越多。能耗花销急剧增长。在大数据环境中，服务器、CPU等在运算的过程中会花费大量的电能，高能耗将带来繁重的文护费用。因此，研发新型的技术来优化大数据的高能耗成为首要问题，在对数据中心优化时必须把能耗当作一个重要参数。在能源异常紧张的社会 ,减少温室气体排放已经成为世界关注的问题和数据计算面临的主要困难和挑战。通过对大数据环境的能耗优化,减少对数据中心运算中的能源花费,具有多方面的研究意义。
上一篇：VS商业智能系统设计+文献综述