SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Packing Jobs onto Machines in Datacenters

illias avatar
illias
7 diapositives · 220 Views · Jul 10, 2014

This research explores efficient job packing strategies on heterogeneous machines in data centers, focusing on minimizing response time and energy consumption. The study employs online algorithms for job allocation based on machine resources (RAM, CPU, disk) and job characteristics (processing time, arrival time). Key strategies include shutting down idle machines, throttling CPU speeds for light loads, and utilizing network resources over disk when not in use. We analyze two main problems: offline job packing with flow time constraints and online job packing with migration capabilities and potential deadlines.

#packing jobs onto machines in datacenters #packing jobs onto machines in datacenters ppt #powerpoint #presentation
Packing Jobs onto Machines in Datacenters - slide 1
01 / 7Packing Jobs onto Machines in Datacenters
1 / 17

Télécharger la présentation

Packing Jobs onto Machines in Datacenters
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. Packing Jobs onto Machines in Datacenters Cliff Stein Columbia University

  2. Modelling • Partly from Rodero et. al. • Partly from some google experience • M heterogeneous machines (RAM, CPU, disk) • N jobs (RAM, CPU, disk, processing time, arrival time) • On-line • Objectives: response time, energy • Alternative Objective: minimum number of machines

  3. Power saving assumptions • If a machine is idle, it can be shut down (0 power) • If a machine has light processing requirements, and high memory, the processor can be slowed down • If a machine has low memory utilization, the memory can be slowed down • If a machine doesn’t use disk much, the disk can be shut off (use network instead)

  4. Table from Rodero

  5. First problem • Off Line • Pack Jobs onto Machines • Flow Time constrained to be at most α (lower bound) • Energy model. At any time on any machine, power is a function of (memory, cpu) as from previous table. • Consider either three-state (off, low, high), or linear interpolation based on load. • Minimize total energy used.

  6. Second problem • On-line • Allow migration • Deadlines?

  7. A different problem