云中心异构服务器能耗受限下的性能优化策略

面向能耗受限下云中心异构服务器的性能优化问题,提出了基于M/GI/1-PS排队系统的云中心性能优化分析模型,并给出获得最优性能服务器能耗分配OPT算法;同时通过大量数值仿真实验将OPT算法与常用的启发式能耗分配方法(WP、EU、EMRT)进行对比,分析了不同流量下能耗优化对性能的影响,并获得能耗—性能变化曲线。实验结果表明,OPT算法在同等能耗受限条件下比其他算法获得更优的性能,尤其是EU算法,性能高出约22%。结果可为云中心优化资源配置提供理论依据和参考数据。

能耗受限时实现性能最大化的作业管理模型

在诸如星载并行计算机这样的系统中,一定周期内,系统能耗存在上限。围绕高产出率计算的概念,针对这种能耗受限条件下性能最大化的作业管理需求,提出了一种作业分配的模型。该模型基于计算节点、作业的性能和能耗参数,动态地进行作业分配,从而在满足能耗上限的前提下获得尽可能大的计算性能。通过模拟实验,验证了该算法的有效性。

认知OFDM系统中基于能耗受限的频谱感知方法

针对传统频谱感知方法没有考虑能耗受限对认知系统的影响,以认知正交频分复用(OFDM)系统为背景,提出一种基于能耗受限的联合优化频谱感知方法。该方法基于传统能量检测方法,以最大化吞吐量性能为目标,将频谱感知问题建模为一个优化问题,联合多个频带选取最优感知时间和判决门限参数,使其在能耗受限的情况下,总吞吐量达到最大。仿真结果表明,与传统使用能耗均分的检测方法相比,该方法具有更大的吞吐量,能够更好地节约能耗。