SlideServe
Menu
Préférences
© SlideServe · v2026

Marina Zapater – marina@die.upm.es

dennis avatar
2 diapositives · 243 Views · Sep 04, 2014

c a m p u s. Thermal-aware optimization techniques for energy minimization in Data Centers. MONCLOA. ArTeCS , Universidad Complutense Madrid LSI Group , Universidad Politécnica de Madrid. GLOBAL CHANGE AND NEW ENERGIES CLUSTER. Proactive and reactive thermal-aware optimization techniques

Marina Zapater – marina@die.upm.es - slide 1
01 / 2Marina Zapater – marina@die.upm.es
1 / 17

Télécharger la présentation

Marina Zapater – marina@die.upm.es
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation
  1. c a m p u s Thermal-aware optimization techniques for energy minimization in Data Centers MONCLOA ArTeCS, Universidad Complutense Madrid LSI Group, Universidad Politécnica de Madrid GLOBAL CHANGE AND NEW ENERGIES CLUSTER • Proactive and reactive thermal-awareoptimization techniques • Currently at the resource manager level • Holistic approach: computing and cooling resources • Application-awarereness, workload profiling and heterogeneity Marina Zapater – marina@die.upm.es

  2. Researchoverview and currentissues • Analysis of the computational and cooling resources: acquire knowledge of the data center. • Wireless sensor network (temperature, energy, air pressure…) • Servers internal sensors • Application-profiling information • Decision-making in a reactive and proactive way: • Allocate both computing and cooling resources • Anomaly detection (hotspot detection) • Reliability enhancement • Until now: task profiling, heterogeneous servers, MILP optimization algorithms for RM (Slurm) • GA, SA… even SMT solvers? • Current issues: lack of real scenarios – Data centers • Thermal/Power model creation and validation issues.