Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   10 ,  No.   5 ,  Octo be r   2020 ,  pp.  4881 ~ 4891   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v10 i 5 . pp 4881 - 48 91          4881       Journ al h om e page :  http: // ij ece.i aesc or e.c om/i nd ex .ph p/IJ ECE   An  e ne rgy  o ptim izat i on with   i mp roved Q OS  a pp roach f or  a dapti ve  c l oud  r esour ces       Danthul uri S udh a 1 , San j ay C hit nis 2   1 CMR   Instit ute  of  Technol og y ,   Visvesvara y a   Technol ogi ca l   Uni ver sit y   ( VTU ) ,   I ndia   2 Da y ana ndasa g a r  Univer sit y ,   Ind ia       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   A pr   13 , 201 9   Re vised  Ma r   6 ,   2020   Accepte d  Ma r   1 8 , 202 0       In  recent   t imes,  the  utilizati on   of  cl oud  computing  VM s  is  ext rem e l y   enha nc ed  in   ou r  da y - to - d a y   l if e  due   to  the   a m ple   uti l izati on   of  digital  appl i ca t ions,  n et work  applian ce s,  por ta bl e  gadge ts,  and  informati on     devi c es  et c .   In  thi s  cl oud  computing  VM s   num ero us  diffe ren t  sche m es     ca n  be   imple m ent ed  li k e  m ult imedia - signal - proc essing - m ethods .   Thus,   eff icient  per for m anc e  of  the se   cl oud - computin g  VM s  bec om es  an  ob li ga to r y   constra i n t,   pr e ci sel y   for   th ese   m ult imedi a - signal - pro ce ss i ng - m et hods.  How eve r,   la rg e  amount  of  ene rgy   consum pti on  a nd  red uct ion  in  e ffic i ency   of   the se  cl oud - co m puti ng  VMs  a re  the   ke y   issues  fac ed  b y   dif fer ent   c loud   computing  orga niz a ti ons.  Th erefore,   her e,   we  have   int rodu ce d   a  d y n amic   volt ag e  and  fr eque nc y   s ca l in g   (DV FS )  bas ed  ada p ti v e  c l oud  resourc e     re - conf igur abi l ity   (   )   te chn ique  fo r  cl oud   computi ng   device s,   whi ch   eff icientl y   r educes  ene rg y   cons um pti on,   as  we l l  as  p erf orm   oper ations  in   ver y   le ss   ti m e.   W e   have   demons tra te d  an  eff i cient  resourc e  all oca t ion  and   uti lization  t ec hn ique   to  op ti m ize   b y   r educ ing   di ffe ren t  costs  of  the   m odel .   W e  have   al so  demons tra te d  ef fic i ent   en erg y   opti m iz ation  tec hnique s  b y   red uci ng  ta sk  lo ads.   Our  expe r i m ent al   out comes  show s  t he  superior ity   of  ou r   proposed  m odel       in  t erms   of  av er age   run   ti m e ,   po wer  consum pti o n  and  ave rag e  power   r equi red   tha n   an y  othe r   sta te - of - ar t  t ec hniqu es.   Ke yw or d s :   ACRR ,   Cl oud  c om pu ti ng,   DVFS,   Energy c onsum pt ion ,   Re so urce al loc at ion     Copyright   ©   202 0   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Dan t hu l ur i  Sud ha,   CM R In sti tute  of Tech nolo gy,     Visv es va raya  Tech no l og ic al   Un i ver sit y  ( VT U ) ,    Be ng al uru,   Ka rn at a ka 560 091,   I nd ia .   Em a il :  dan thu l ur is udha 15@ gm ai l.co m       1.   INTROD U CTION     Du e  t o  eve r - e nhanci ng   dem a nd   a nd  po pu la r it y  of   cl oud  c om pu ti ng   ap plica ti on s,  var i ous   com pan ie s  has  m ov ed   thei r  f oc us   to  cl ou d  c om pu ti ng   t o  decr ea se  c os ts   an d  f or  the  bet te r  util iz at ion   of  res ources   he nc e  i t   ref e rr e d  as   a  nex t  ge ner at io n  c om pu ti ng  app li cat io n.   C loud  c om pu ti ng  a pp li cat io n  te rm ed  as  a  novel  com pu ta ti on al   m od el ,  wh ic h  pro vid es  on - de m and   res ource s  and   re qu ire d  inform at ion ,  netw ork,   st or a ge  a nd   data  to  the  s ub s cribe rs.   Th e  cl oud - c om pu ti ng   m od el   c om bin es  har dware  de vice  locat ions  an d  var i ous   so ft war e  res ou rces  over  the  c loud  netw ork  to  decr ea se  the  m anag em ent  c os ts.  Cl oud  Co m pu ti ng   is  a  hig hly  e m erg ed   te ch no l og y  w hich   offe rs  high  a m ou nt   of  st or a ge  ca pacit y,  instant  sca la bili ty   and   work  on     the  pri nciple  of   pa y - per - us e   wh ic h  is  on l y  fo r   the  ti m e  per i od   subs cribers  are  util iz ing   it   [1 ] .   Cl oud    com pu ti ng   a pp li cat ion s  are  di stribu te d  int o  t hr ee   sect ions  s uch  as  Infr ast r uctu re - as - a - se r vice  ( IaaS ),   Plat fo rm     as - a - se r vice   (Pa aS)  a nd  S of t war e  a s - a - ser vi ce   (S aaS ) .  Virt ualiz at ion   is  t he   m os t  essenti al   te chn iq ue  for   cl oud  com pu ti ng   a pp li cat ion s,  w hic h  use d  t o  decre ase  res ource  util iz at ion .  Mo reover ,  virtu al iz at ion   helps  t o  act ive  the  nu m erous  virtu al   m achines  (V Ms)  on   on e  m achine  by  al locat ing   ever y  res ource ,  wh ic h  belo ng s  to     the b a sic  h a rdwar e  [2].    Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    48 81   -   48 91   4882   At  the   sam e  tim e,  en or m ou s  grow t h  of  cl ou d  c om pu ti ng  a pp li cat io ns   in   r ecent  ye ars   ha s  le d  t o  ris e   of   nu m erous  da ta   centers  w hi ch  can  le d  to  m assive  a m ount  of   e nergy  con s um ption .  T he  vast  util iz at ion   of   el ect rici ty   le d   to  va ri ous  e nv i ronm ental   issues  du e  t o  release   of  huge  ca r bon  as   well   as  it   enh a nce s     the  m ai ntenance   cost  of  in form ation   proces sing  center s  [ 3] .  The  key  reas on  be hind  m assive  c on s um pti on  of   powe r  is  the  insuffici e nt  util iz at ion   of   res ources  [4 ] .  F or   an  instance ,   in   a  recent  re por t  it   is  con cl ude d  that  sever al   researc her s  ha ve  m onit or ed  m or e  th an  50 00  ser vers  for  a  l ong  6  m on ths’  ti m e - per i od   a nd  obs erve d  that  m os t  of   the  se rv e rs  op e rates  only   at   10%  to  50%  of   t heir  whole   capaci ty .  It  i s  al so   ob s er ve d  that   gen e rall y  m or e  nu m ber   of   re s ources  are  assi gn e d  to  VMs  t han   us ually   re qu i red   at   that  tim e  [4 ] .  Moreo ve r,   cl oud  com pu ti ng   a pp li cat io ns  exp e riences  e xtrem el y  var ia ble  ta sk - l oad s  du e  t o  w hich  s erv e r  can not  con ti nu e   for  a  l ong - tim e  pe rio d  a nd  there   is  a  nee d  of  res our ce   re - m anag em ent  course  a fter   a  s pecific  ti m e - per io d  t o  enh a nce t he pr esent re source   sh ari ng [3,  5 ] .    Du e   to  m od er nizat ion   i n  el e ct ronic  te ch no l og ie s ,  the  pe rfor m ance  cost  of   va rio us   devi ces  is  highl y   e m erg ed  as  we ll   as  the  ener gy   con s um ption   in  these  de vi ces  is  hig hly  inc reased  [6 ] .  Mo reover ,  seve ral   issues   can  be  occ urr ed  su c h  as  ecolo gical ,  eco no m ic ,  and   te chn ic al   issues   du e  to  high   a m ou nt  of   e nergy  consum ption .   Fu rt her m or e,   e xtensi ve  powe r  c on s um ption  can   gi ve  rise  to  c ooli ng  co sts  an d  if   num ero us   com pu ti ng  f aci li ti es r e m ai n  ac ti ve  fo r  a long  per i od, th en  ch ances of h eat in g  pro blem  o ccurrence ca n  inc rease   du e  t o  w hich  s yst e m   reli abilit y  and   avail abil it y  can  increase.  A  cl oud  c om pu ti ng   ap plica ti on   nee ds   s uppo rt  of  com piler  tim e  and   e xecu ti on   tim e   to  ru n  a ppli cat ion s  prec ise ly .  Ho we ver,  du e  to  high - e nergy  co ns um ption,   the ex ec utio n  t i m e o f  ta sk - loa ds  ca n be i ncr e ased  from  the as  usual  ti m e.    In   cl oud  c om pu ti ng  ap plica ti on s ,  m os t  essenti al   thing  is  the  al locat io n  of   res ources  e ff ic ie ntly   t o  increase   the  pe rf or m ance  of  cl oud  in f or m ation   ce nter s.  T her e fore,   to  e nhance   the   pe rfor m ance  an d  c ount e r   these  issues  in   recent  tim e  di ff e ren t  te ch niques  are  intr od uced   by  var i ous  resea rch e rs  su c h  as  Hierar chical   reli abili ty - dr iv en  sc he du li ng   (H R DS )   te ch ni qu e   [ 7],  C on st rai ne d  earli est   finish  tim e  (CEFT)   al gorith m   [8 ] ,  Con te ntion - aw are  e nergy - e ff i ci ent  du plica tio n  ( FastC EED )  te ch nique   [ 9] ,  Dynam ic   volt age  an d  fr e quenc y   scal ing   ( DVF S)   [ 10 ]   an d  volt age  an d  fr e qu e ncy  isl and  (V F I)   te ch niq ue  [ 11] .  In   above  al l  te chn iq ues ,   Dynam ic   vo lt age  a nd  fr e qu e nc y  scal ing  ( D VF S )  is   one  of  the   m os t  wide ly   e m erg ed   te chn i qu e   f or  e ffi ci ent   sche du li ng  of  ta sk - loa ds.  DVFS  is  a  hi gh ly   est ablish ed  ene r gy  co ns um ption   optim iz ation   sche m e  for   e m bed de d  cl oud  syst em s  and   th e  e nergy  optim iz at ion   can  be  ac hi eve d  by  scal in g  do wn  the   volt age   of  a ny  chip  dyna m icall y.  DV F S  t echn i qu e   help s  to  ac hieve   high  QoS  In t ern et   s er vices   by  reducin g  ene rg y  consum ption  i n  cl ou d dev ic e s.    Howe ver,  thes e  existi ng   te c hniq ues  works  upon  the  cl assic   prototype  w hich  is  not  ge nuine  pr oto ty pe   and   the  c omm un ic at io n  cost  of   inter  proces so rs  bec om es  ver y  hi gh   wh il e  us in g  these  te chn i qu e s.  I n  [12],    an  ene rg y  a nd   run - ti m e  op tim iz at ion   te chn i que  is  intr oduce d  to  decr ease  e nergy  co nsum ption   by  sche duli ng   of  va rio us   ta s k - l oad s   on  nu m ero us  em bed de d  syst e m s.  I n  [ 13] ,  var i ou s   e nergy  ef fici ent  sta te - of - a rt - te chn iq ues   ar e  disc us se d  and   basic  req ui rem ents  of   e m bed de d  syst e m s  are  p resen te d  to  increa s e     the  pe rfo rm ance  of  em bed de d  com pu ti ng.  In  [14],  a   ta sk - sc hedulin g  al go rithm   is  pr esent ed  to   achie v e  t rad e - off  bet ween   energy  an d  pe rfor m ance.  T his  sche duli ng  al go rithm   helps  to  increa s e  the  flexibili ty   of  heter og e ne ou s  com pu ti ng   de vi ces  (H CD ).   T his  te chn i qu e  a tt enu at es  the  volt age  of  var i ous  ta sk s  acc ord ing   to   com pu ti ng   m od el   ta sk   l oad.  Hen ce ,  the  po we r  c onsu m ption   is  re du ce d  and   a  no vel  in te racti on   a ware  DAG   prototype  is  al so   prese nted  f or  heter ogene ou s  com pu ti ng   de vices  ( HCD )  to  re du ce  e nerg y  con s um ption   [15].   Howe ver, thes e tec hn i ques  do  no t  ha ve feat ur es  li ke     or D y nam ic  N et wo r k  S hutd own    (  )   [ 16] .   Th us ,  t o  en ha nc e  perf or m ance  an d  re duce  e nergy  co nsum ption  of  heterogen e ous  c om pu ti ng  de vices   an  e ff ect ive   ta sk   sc he du li ng  te chn i qu e   is  nee ded  an d  rely   upon  D VF S   te chn i qu e   w hich   offer s   va rio us   energ y   opt im iz ation   fa ci li ti es  and   hel ps   to   achie ve  be tt er  res ource  util iz at ion   an d  trade - off  betw een  perform ance  an d  energy.  T heref or e ,  we   ha ve  pr ese nted   a  D ynam ic   vo lt ag e  an d  f reque nc y  scal ing   (DVFS)  based  a dap ti ve   cl oud  res ource   re - c onfig ur a bi li ty   (   )   te ch nique   for  cl oud  c ompu ti ng  dev ic es ,   wh ic h  eff ic ie nt ly   red uces  energy  c onsu m ption,  a s  well   as  perform   op e rati on s   in   ver y   le ss  ti m e.  Our   pr opos e d      a ppro ac h  hel ps   t o  achieve  high   trade - off  bet ween   e nergy  and   perf or m a nce  in  hete rogen e ous  com pu ti ng  dev ic e s.  This   sche du li ng  te c hn i qu e   hel ps   t o  ac hieve  high     by  ope rati ng  on   l ower  tra ns m issi on   rate s  an d  c on ce di ng  m ini m u m   del ay .  This  te ch nique  sup ports  eff ic ie ntly   t o  achie ve  obje ct ive  of   en ha ncin g  the  co st  of     interact ion  an d  com pu ta ti on al   ene rg y.   This   t echn i qu e   ad apt ively   sche du le s  ta sk s,   al locat es  it s  res ource s,  a nd    pro vid es  scal able  im plantat i on.  Our  pro posed      te ch niqu e  pe rfor m s  m uch  bette r   c om par e  to  ot he r    sta te - of - art - te c niques.   This  pa pe r  is  orga nized  i n  f ollow in g  sect io ns,  w hich  a re  as   fo ll ows.  In   se ct ion   2,  we  pr e sent  relat e d  work  in  the  fi el d  of  ene r gy  consum ption   i n  cl oud  en vir onm ent.  In   sect ion   3,   we  des cribe d  ou r  pro po s ed       m et ho do l og y.   I n  sect ion  4,  exp e rim ental   resu lt s  a nd  perform ance  eval uation  s how n,  an d  sect io n  5  con cl ud e s   our pape r.       Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  e ne r gy op ti miza ti on wi th i mp r ove d QOS  approac h f or   adapti ve cl ou d  r eso ur ces  ( D anthu l ur i  Sudha )   4883   2.   RELATE D  W ORK   In   rece nt  ye ars,   the  dem and   of   cl ou d  com pu ti ng   ap plica ti on s  has   ta ken   i m m e ns e  gro wt h.     Ther e f or e,   to  c on t ro l  high  de m and   f ro m   the  cl ie nts,  there  i s  a  nee d  of  e xc essive  res ource s  of   dif fer e nt  ty pes .   All  these  res ou rces  co nsum es  hi gh  am ou nt o f   el ect rici ty   and   hen ce p ow e r  c on s um ption   is m or e.  Accord i ng   t o  a  20 13  re sea rch  in   U nited   Stat es  of  A m erica,  the   inf or m at ion   cl oud  proce ssin g  ce nters   c onsu m es  910        ℎ   el ect rici ty ,  w hich   is   al m os t   sam e  as  t he  s umm at ion   of  34  t her m al   en erg y   pla nts  w ho s e  el ect rici ty   gen erati on   ca pacit y  is  500      per   ye ar.   This  c on s um e d  ene r gy  was  su f fici ent  f or   entire  N e w   York  Ci ty   f or  tw o  ye a rs  a nd  ti ll   2020,   th is  ene rg y   co nsum ption   will   r ise   to   1400        ℎ   w hich   is   enorm ou s  el ect rici ty   con su m ption   a nd   al m os t  sam e   as  t he  su m m ation  of   50  therm a l  ener gy  plant s  [17].  Hen ce ,  t he  e ne rg y  c onsu m ption   i n  cl oud  da ta   centers   an d  c om pu ti ng  proces sors  has  t aken   drast ic   gro wth.   Ther e f or e,  c on trolli ng   of   pow er  co ns um ptio n  in  data  cente rs  an d  em bed de d  proces sors  is  a  vital   and   cr it ic a l   requirem ent,  wh ic h  nee d  to  be   fo c us ed  s oon.  Th us ,  an  e xtensiv e  re searc h  work   desc ribe d  in  this  sect ion  on   energy  balance d  sc he du li n g  al gorithm s an d  t heir  c onnecti on  with     f or   va riou s  em bed de d dev ic es .   In   [ 18 ] ,  le vel  of   powe r  c ons um ption   in  i nfor m at ion   proc essing  cente rs  of   c hin a   an d  pe rfor m ance  is  m easur ed .  T he y  con cl ude  tha t  the  power  co ns um ption  in  i nfor m at ion   pro cessi ng  cente rs   of  CH I NA  is  ver y   high  an d  var io us   te ch niques  are  intr oduce d  to  reduce  pow er  co nsum ption   an d  e nh a nce  perform ance.  I n  [ 19 ] ,   an  e nergy  co nsum ption   m od el   is  pr ese nte d  ba sed  on  th e  ser ver   m axim u m   po wer   a nd   de gr ee   of  CPU   util iz at ion   to  pr e dict  the  tot al   power   in  t he   pr ese nt  ser ve r.   I n  [ 20] ,  m ob i le   cl oud  c om pu ti ng   prot ot ype  is   introd uced   to  reduce  the  en erg y  co nsum pt ion   at   the  time  of   wireless  com m un ic at ion   base d  on  dynam ic  energy - a war e   cl oudlets.  T he y  pro vid e   sim ulati on s   res ults  base d  on  t he   pract ic al   ex per im ents.  H oweve r,  execu ti on  ti m e  is  ver y  hi gh  us i ng  this   te chn i qu e ,  wh ic h  m ay   deg ra de  it s  pe rfor m ance.  I n  [21],    an  ef fici ent  r eso ur ce  al loca ti on   m od el   is  introd uced   i n  cl oud  e nvir on m ent  and   a   rev ie w  on  e xisti ng  sche du li ng  a nd  energy  c on s um pt ion   strat e gies  is  pr e sente d.  To  offe r  bett er  res ources   in   cl oud  e nv i ron m ent  and  im pr ov e  r el at ion sh i p  wit h  us ers ,  sc heduling  of  re sou rces  is  a n  ext r e m el y  essenti a l  top ic ,  wh ic h  can   perform ance o f  cloud c om pu ti ng V Ms .    In   [22],  a  no ve l  energy  awar e   based   on  VM  sche du li ng  te c hn i qu e  is  i ntrodu ce d.   He re,  both  netw o rk  com po ne nts  a nd  resou rces  both  are   co ns i dered  to   prov i de  an  e ff ic ie nt  sc hedulin g  te c hniqu e.   VM   plac e m ent   and   VM  m igrati on   are  t he  tw o  esse ntial   sch edu li ng  ste ps   t o  achie ve  obj e ct ive.  This  te c hn i qu e  hel ps   to  re duce   energy  co nsu m pt ion   as  w el l  as  traff ic   ov e r   netw ork.   In   [ 23 ] ,  e nergy  aw are  res ource - sc hedulin g  te ch ni qu e  is  pr ese nted   bas ed  on  D VF S   netw orke d  inf or m at ion   pr ocessin g  ce nt ers  f or  cl oud  com pu ti ng   VMs .     Her e ,  two  ty pe s  of   e nergies  a re  m a inly   op ti m iz ed  su ch  as  com pu ti ng   e ne rg y  an d  c ommun ic at io n  ene r gy   to  reduce  ov e rall   energy  co nsum ption  w hile  f ollow in g  S LA  c onstrai nts .  T his  te chn iq ue  is  di ff ic ult  to  im plem ent  in  real - tim e.    In   [24],  an  ef fic ie nt  cost  m ini m iz at ion   and   r eso ur ce  util iz at ion   ap proac h  is  introdu ce d  f or  cl oud  com pu ti ng   devi ces  us in g  sta ble  par al le l  ap plica ti on s.  T hi s  appr oach   preci sel y  decr eases  cost  by  ch oo s i ng   dev ic es ,  w hic h  f ollo w  the   m et ho ds   of  le ast   resou rce  ut il iz ation .  Howev e r,   t he  dif ficult y  is  to  m ai ntain     trade - off bet we en  pe rfor m ance an d  e nergy con s um ption . In  [ 25] , a  pr eci se  sch e duli ng alg or it hm  is intro duc e d  wh ic h  rely   upon   DV F S - e na bled  net work   processi ng   ce nters.   T his  al gorithm   helps  to  achieve  eff ic ie nt   sche du li ng  for c loud c om pu ti ng V Ms . Ho we ver, this tec hniqu e  intr oduces   op ti m iz ation   prob le m  as w el l.    In   a bove  w ork s,  dif fer e n t  re s earche rs  hav e   util iz ed  dif fer e nt  ene rg y  c onsu m ption   an d  sche du li ng   te chn iq ues .  Howev e r,  only   fe w  sc he du li ng  t echn i qu e s  a re  well - kn own  t o  be  offer e d  i n  r eal - tim e  app li cat ions   du e   to   va rio us   pro blem s  occurre d  i n  te ch niques  [18,  20 ,  24 ,  25] ,  li ke   la ck   of   bala ncin g  be tween   pe rform ance   and  po wer   c onsu m ption,  op tim iz at ion   co m plexit y,  la rge  run - tim e.  Ther e fore,  t o  c on t ro l  the se  issues ,     we  ha ve  int rod uced   a  novel  dy nam ic   vo lt ag e  and   fr e quenc y  scal ing   ( DVFS)   base d  ada ptive  cl oud  res ourc e     re - c onfig ur a bil it y   (  )   te ch niqu e  f or  cl oud  com pu ti ng  de vices,  w hich  eff ic ie ntly   re duces  e ne rg y   consum ption ,  a s  well   as  per f orm   op erati on s  i n  ve ry  le ss  tim e.  The refor e ,  this  te chn i qu e  i s  ver y  m uch   ef fici ent  to establi sh a t r ade - off bet wee n per form ance an d ene r gy con su m pt ion .       3.   PROP OSE D E NERGY B A LAN CED   S C HEDU LI NG   ARCHITE CT UR E   This secti on  de fines pr opose d    arch it ect ure an d  it s v a rio us  m odules.  This se ct ion  also  d e sc ribes   about  the  opti m iz at ion   of   co m pu ta ti on al   and   re - co nf i gurat ion   c os t  in  inf orm ation   proces sing   ce nt ers.  Figure  1  dem on strat es  the  pro pose d      arch it ect ure.   Her e ,  w e  in tro du ce  a   no vel  ada ptive  cl oud  re sourc e    re - c onfig ur a bil it y  (   )   te chn i qu e   for  cl oud  com pu ti ng   VMs .  The   pro pose d      te ch nique  w orks   on    the  pr inci ple  of  pa rall el   co m pu ti n g  wh ic h  ca n  ha nd le   nu m erous  cl oud  c om pu ti ng  VMs   a nd  they   can   be   con t ro ll ed  by  a  central  res ou rce  ha ndle r.   E ver y  cl ou d  co m pu ti ng   VM  f inishes  the  pre sent  al locat ed  ta sk   as    a  sel f - gove rn i ng  process or  by  sel f - c on tr olli ng  it s  m e m or y  and  res ources .  Me ssage  pass i ng  m et ho d  is  use d  for  In tra - cl us te r   in te racti on .  Wh e nev e r  a  ne w  ta sk   is  assigne d,   a  central  resour ce  handler  si m ul ta neo usl y  sta rts  i m ple m enting  r eso ur ce  distrib ution an d  a dm i ssion g over ning.      Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    48 81   -   48 91   4884       Figure  1 .   A rch i te ct ur e  diag ra m  o f  our p rop ose d      m od el       Ther e   a re  t hr e e  vital   c om ponen ts   in   our  pro posed       te ch ni qu e   w hich   he lps  t o  ac hieve   bette r  resou rce  util izati on   from   an  inf rastr uctu re   per c eptio n  s uch  as  in f or m at ion   st or a ge,  switc he d  lo c al   area   netw ork   (LAN )  an d  virt ua l  m achine  ha ndle r  ( VMC)  as   dem on strat ed   in   F ig ur e  1.   Wh enev e r,   a   ne w  ta sk   i s   assigne d  t he  ar rival  ti m e  of   th at   ta sk   is  de fin ed  by    and   siz e   of  that  ta s k  is  denoted   by    in  bits.  T he  tota l   processi ng  ti m e  of   assig ne d  ta sk  is  le ss   tha n  or  e qual   t o  the  est i m at ed  e m plo ye d  tim e  (  ) wh ic h  is  very   essenti al   f or  a ny   te chn i qu e   to   be  a dopt   in   rea l  tim e  scenarios.  Our   pro pose d      te ch nique   w orks   on   so m e  essenti al   par a m et ers  w hich   is  nece ssary   to  w ork   in   rea l  tim e  scena rios  su c h  as   process in g  ta sk  siz e   ,    the  m axi m u m   al lowed  delay     in   sec   an d  the   ta sk  gr a nu la rity   w hich   s hows   the   m axi m u m   num ber   of  ta s ks  (   ≫ 1 )   can  be gr oupe d i nto  t he  assi gned wor k.     Assum e  that   the  m axi m u m   VMs,   w hich   c an  be   util iz ed  in  the   assi gn e d  ta s ks  us i ng  our  pro pose d    m et ho ds,  can  be  ex presse d  by     ≫ 1 and   pr ese nte d  in  Fi gure  1.  Our  sc hedulin g  te ch nique  w orks  on  the  pr i nciple  that  ever y  VM  can  be  dem on strat ed  as  a  virtu al   ser ve r,   wh ic h  can  pro cess       (Bit s  pe r   Seco nd).   The  op e r at in g  rate  can  be   pa rall el ly   scal ed  at   the  tim e  of   exec ution   depen ding  upon  the  ta s k  s iz e       in   bits.   As sum e  that  al l  the   ta sk  f ollo ws  t he  i nter val  [ 0 , ↑ ]   w her e   ↑   belo ngs   to  t he  m axi m um   per m issi ble  op e rati ng r at e .    More ov e r,  the   ta sk   siz e     does   not  a ff ect   the   est i m at ed  tim e   to   com plete   th at   assig ned  ta s k  by  VM,  wh ic h  is   fi xed  pri or  only   to   be   a dopt  our   m od el   in   rea l  tim e  scenari os   a nd  de no te d  by    in   sec onds.   Fu rt her m or e,   a  VM   can   ha nd le   bac kgr ou nd  ta sk - loa ds  of  a  present   a ssign e d  ta sk  whose   siz e  is     an d    the  bac kgr ound  ta sk - loa d  si ze  is   .  T his  backg rou nd   ta sk - l oad  com es  unde r  OS   ( operati ng  syst e m )  pro gr am s.  It  is  assum ed  t hat  the  bac kg rou nd   ta s k - lo ad  is  store d  by  basic  m e m or y  of   VM.   Thus,     the  bac kgr ound  ta s k - loa d   only   re q uire d  c om pu ti ng   c os t   an d  do e s  no t   pe rsu a de  i nteracti on  cost.   Th us,     the u ti li zat ion   par am et er    can   be  e xpresse d  a s,        ≜     . ( ↑ ) − 1     ∈   [ 0 , 1 ] ,   (1)     w he re,  (1)  represents  t hat  th e  dynam ic   el e m ents  of   t he  com pu ti ng   e ne rg y  ar e  the  m os t  esse ntial   pa rt  to  decr ease  t he  c om pu ta ti on al   c os t.  A ssu m e  that  the  total   ener gy  co nsum pti on   by  VM  is  to  finis h  a  sin gl e  ta sk  of   ti m e  interval  ( ) is  denoted  by    in  jo ule  at   the  op e rati ng  rat e .  Th us ,  t he  dim ension le ss  ra ti o  can  be   expresse d  as ,      ( ) ≜   ( ) . ( ↑ ) − 1 ≡     ( ) . ( ↑ ) − 1 ,   (2)     Vi r t ua l  m ac hi ne  c o n t r o l l e r   an d  t as k  s c he du l e r   S w i tch   C P U ,  Se r v e r s  an d  st o r ag e  d e v i c e s   B as i c  l ay e r  ( Vi r t ua l i z at i o n )   … …. .   … …   T o  t he   i nt e r ne t   F r o m   t he   i nt e r ne t   O ut pu t   t as k  l o ad   Inp ut  t as k   l o ad   G at e way   R o u te r   Vm ( 1)   Vm ( 2)   Vm ( m )   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  e ne r gy op ti miza ti on wi th i mp r ove d QOS  approac h f or   adapti ve cl ou d  r eso ur ces  ( D anthu l ur i  Sudha )   4885   w he re,   ( 2)   re presents  the   Tot al   Energy  Co nsum ption   by  the  c on ce r n  V M.  For  a n  in sta nce,  t he  DVF S  bas e d  CPU a naly ti cal  f or m  can  be  desc ribe d by the  foll ow i ng equ at ion ,      ( ) =   2 ,     [ 0 , 1 ] ,   (3)     Her e , we ca n  a lso  us e    to c ompu te   relat ive e nergy c os t by c on ce r ned V M  f or the c om pletio n o f  ta s k.     3.1.    Model li ng   fo r   ta s k - lo ad red uctio n u sin g p roposed     tec h nique   In   t his  sect ion,  m od el li ng   f or  ta sk - loa d  re du ct io n  is  discuss e d.   Assu m e  that  ≜   ↓   {   , }   is     the  num ber   of   ta sk s  w hich  a re  not  ov e rlap ped  an d  ca n  be   perf or m ed  in  par al le l  to  e xecu te   va rio us  ta sk s .   Assum e  that  is   the  ta sk  siz e  wh ic h  a re  assi gn e d  t o  the   co m pu ti ng      ( ) .  T he  process  t im e  of   di ff e rent   ta sk s  does  no t  rely   up on  t he  ta s k  le ng t h .  T her e f or e,   t he  processi ng  rate  ca n  be   def i ned  as   in   bits    per seco nds,       ( ) =     . ( ) − 1 ,   (4)     This  (4)  s ho ws  t hat  the   m axi m u m   l eng t h  per m it t ed  for  a   ta sk   is   ↑ =   . ↑ ( ) .   And       ≜   ( ) . ( ↑ ) − 1 ≡   . ( ↑ ) − 1 .  T he  t otal  siz e  of  a   jo b  ca n  be  ref e rred   as    in  bits  a nd  ta s k  siz e   of     the  ta s k,   w hic h  is   assig ne d  to  the    ( ) by  ta sk  sche dule r   as   sho wn  in   F i gure  1,  ca n  be   re ferr ed   as         ≫ 0 , = 1 , … . , . . .  T o  reduce   ta sk   l oad s ,  we  dis tribu te   t otal  jo b  siz e     into    pa rall el   ta sk s  w hose  siz e   bounda ry li m it can   be de fine d as ∑ =   .      3.2.    Opt im iz at io n  of  reco nf ig urati on cos t usi ng pro po se d     te c hnique   This  sect io n  pro vid es   detai le d  m od el li ng  f or  the   opti m izati on   of  rec on fig ur at io n  c os t .  T he  VM   m od ule  co ntr ol le r  is  us e d  to  perform   two  ke y  op e rati ons  s uch  as  balanci ng  the  ta s k  loa ds   a nd  co ntr olli ng   of   virtu al   m achin es .  F or  the  c on trolli ng  of  virt u al iz at ion   la ye r  as  dem on stra te d  in  F ig ur e   1,  the   virt ual  m achine  con t ro ll e r  (  ) is  re qu i red   w hich  he lps  to  ac hieve   final  m app ing  of   VM  res our ces  on  num ero us   c om pu ti ng  VMs. T he VM ’s  c har act erist i cs p a ram et ers  can  be descri be d by ( 9) as,       { , ↑ ( ) , ( ) , ↑ ( ) , ( ) , ( ) , = 1 , … … . .       }   ( 5)     w he re,  al l  thes e  par am et ers  can  be  sta te d  usi ng   Virtuali zat ion   Lay er   a nd  then  they   a re  transm it te d  to  virtu al   m achine  c ontr oller  (  )   as   dem on strat ed   i n  F ig ur e   1.  Th e  op erati ng  r at e      can  be   scal ed   up  or   scal ed  dow n  us in g  a n  eff ic ie nt  fr e que ncy -   scal in g  schem e,  wh ic h  is  c on t ro ll ed   by    .  The  powe r  co nsum ptio n  wh il e  switc hin g  from   op er at ing   f reque nc y  1   to  fr e qu e nc y  2   can  be  ( 1 : 2 )   in  jou le .  Th is  powe r   consum ption   m ai nly  rely   upon  the  te c hn i que  us ed   an d  on   the  CP U’ s   pre sent  in  t he  wor ks ta ti on.  T his  f un ct io n  ( 1 : 2 )   consi sts  of  s om e  pr operti e s  su c h  as  t he   functi on  ( 1 : 2 )   rely   upon  the  e nt ire  fr e qu e ncy   ga p   | 1 −   2 | ,  it   beco m es  zero   at   1 =   2 and   re m ai n  non - decre asi ng   i n  the  entire  f reque nc y  gap | 1 −   2 | ,  it   is  com bin ed  c onve xly at   1   an d 2 . Our m od el       ha ve  so m e char act e risti cs w hich  c an be s how n us ing   ( 10),     ( 1 : 2 ) =   ( 1 −   2 ) 2 ,    (6)     w he re,    re pr ese nts  rec onfig ura ti on   c o st  f or   t he   unit   switc hing  of  fr e quency  and  the  values  of     is  boun de d  on ly   t o  so m e  hund red s  o f      / (  ) 2 . I n our   m od el    , f or ever y   jo b  t he  s iz e    rem ai ns   sam e  ove r   the  res pecti ve  op e rati ng  tim e     and   a ny  kind  of  fl uctuati ons  not  occ urre d  in  the  ta s k - l oads  duri ng   ta sk - execu ti on.  Va r iou s  ta s ks   can   be  pa rall el   execu te d  at   run - tim e,  du e  to  the  induce d  ti m e  ov er hea d  us in g  fr e qu e ncy - scal ing   te c hn i qu e   is  ve ry  le ss  in   f ew     for  DVFS - enab le d  a rch it e ct ur es.   T he  a bove - m entioned  pr e dicti on  that  the  util iz at ion   par am et er    can   be  c onti nuous  value d  a nd  it   r equ i res  c on ti nuous  c om pu ta ti on al   rates,  wh ic h  is  denoted  b y . T he      can  off e r  a n i ns ta nce  of CP U’ s  which  off e r  a  finite  set as ,     ℍ ≜   { ̂ ( 0 ) ≡ 0 , ̂ ( 1 ) , … , ̂ ( − 1 ) ≡   ↑ } ,   (7)     w he re,  the se f i nite set  co ns ist s o f discret e co m pu ta ti on al  r at e   . Th e  op ti m ali ty  loss  fr om  b ot h  co ntinuo us  a nd  discrete  DVFS  en a bled  te c hn iqu e s,  ca n be el i m inate d  by  ( 8) as,       ≜   { ̂ ( 0 ) ≡ 0 , ̂ ( 1 ) , … … , ̂ ( − 1 ) ≡ 1 } ,   (8)   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    48 81   -   48 91   4886   w he re,   the   dis crete  val ue  set   of    w hich   re pr ese nt  t he  fr e qu e ncy  set   ℍ   as  sh ow n  i n  (7).  A   vi rtu al  powe r   consu mp ti on   c ur ve   ca n  be  denoted  a s  ̃ ( )   and   f or m ed  us i ng   piecew ise   li nea r  inter polati on   a nd  the   per m it te d  op e r at ing   po i nts a r e,      { ( ̂ ( ) ,   ( ̂ ( ) ) ) , = 0 , … … . . , ( ) − 1 }   (9)     w he re,  the c orr esp onding  ver t ex po i nts ca n b e presente d  as ,      ( ̂ ( ) ,   ( ̂ ( ) ) )      ( ̂ ( + 1 ) ,   ( ̂ ( + 1 ) ) )   (10)     This  a bove   m entione d                  m ain ta ins  t he  c on ti nu it y  an d  ca n  be   us e d  f or   the  prov isi on i ng   of      resou rces.  T he   us e  of            su gge sts  that  with  the  help  of                ,  the  ave ra ge  en erg y  c os t  of  DVFS  e nab le d  te ch niques   rem ai ns   under  the  est im at ed  i nter val  of  ti m e   durati on   .  Her e ,  e ver y     co nfi gurati on  rely   up on  CP U  ty pe ,   siz e  of   m e m or y  and   c os t  pe r   tim e.  The     cos t  rely   upon   t he   ty pe  of   c onfi gurati on.    The  i nter nal  cost  of      assum ed  to  be  zer o  in  all  info rm ation  clo ud  centers.       3.3.    Model li ng   of  e ff ic ie nt re sour ce alloc at i on   In   t his  sect io n,  m od el li ng   f or  eff ect ive r es ource  al locat io ns  is  pr ese nted . Here,     offers  tw o  ty pes   of   se rv ic es  s uc h   as  balanci ng  of  the  load  and   s har i ng   of  com pu ta ti on al   resour ces .  Pr e ci sel y,  these  serv ic e   us e d  t o  fine - tu ne  t he  rate  of  com pu ta ti on   (       , = 1 , … … … . , ) a nd  siz e   of  ta s k  (       , = 1 , … … … . , )   for  t he  DVFS  enab le d  cl oud  com pu ti ng      as  dem on str at ed   in  F i gure   1.  T he   m ai n  obj ect ive  is   to  re du c e     the total   c om pu ta ti on al   e nerg y i n  jo ule,  wh i ch  is  def i ned in   ( 11) ,      ≜   ∑ ( ) = 1 ,   (11)     wh e re ,  th e  tot al   com pu ta ti onal   energy  co nsum ption     rely   on   t he  r un - ti m e/ j ob    in  seco nd s ,  ope rati ng   tim e / ta sk   ( )   needed  by     dem on strat ed  in  F i gure   1.   Pre ci sel y,  in  F ig ur e  1  al l  the    li nk s  are  operate d  by  the s witc hing  unit  ad a ptively . T he  e ntire c ompu ta ti onal   ov e r head f or the  ℎ   li nk can  b e  exp r essed  a s,      2 ( ) +   ,   (12)     w he re,  the  c onditi on  on  tot al   ru n - ti m e   per   job   to  sat isf y  the  so luti on  of   opti m iz at i on   pro blem   c an  be   expresse d  as ,      ma x 1 ≤ ≤ { 2 ( ) } +   ≤   ,   (13)     Assum e that t he  total   com pu t at ion al  e nergy   op ti m iz ation  is su es ca n be e xpress ed  as  fo ll ow i ng,     min { ℂ , , } ∑ ( .     ( ↑ ) − 1 ) ( ) = 1 ↑ +   ( −   ) 2 ,   (14)     w he re it sta te s  that,      ( +   ( ) )   ≤   ,           = 1 , … … … ,   (15)     ∑ =   , = 1   (1 6 )     0 ≤   ≤   ↑ ,       = 1 , … … … ,   (1 7 )       ≥   0 ,       = 1 , … … . , ,   (1 8 )     w he re,   in  (14 )   sta rting   first   te r m   rep rese nts  com pu ta ti on al   e nergy  and   t he  f ollowi ng   te rm   rep r esents     re - c onfig ur at i on  e nergy,   w hic h  ca n  be   ex pre ssed   by  ( )   j oi ntly   by  t h e  c om pu ti ng  VMs .  M oreov e r,  in   ( 14),    re pr es ents   the   prese nt  rate   of  c om pu ta ti on  and    is  the   require d  rate  of  c om pu ta ti on .   H ere,    rem ai ns   const ant  w hile  processi ng   of   t ask  an d  s hows   pr ese nt  sta te   of   ( )   w her eas    can  be   var ia ble  and   c ha ng e s   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  e ne r gy op ti miza ti on wi th i mp r ove d QOS  approac h f or   adapti ve cl ou d  r eso ur ces  ( D anthu l ur i  Sudha )   4887   ta sk   to  ta s k.  H ere,  (15 )  s how s  the  c onditi on   for  w hich  as sign e d  ta s k  m us t  be  e xec utes  in     seco nds  w herea s   (16) sho ws  t he c onditi on in  which t he  assi gned job m us t be   div ide d  i nto    pa rall el  tasks.      3.4.    So luti on  f or o pt im iz at ion  p r ob le m  using      This  sect ion   pro vid e  va rio us   so l utio n  f or   handlin g  optim iz at ion   prob le m   us ing   our  ef fici ent   sche du li ng  a rc hitec ture     .  Fir stl y,  le t  the  ti m e  delay   occ urr ed  w hile  switc hing  of  f re qu e ncies  rem ai ns   const ant  wh ic h  is  in du ce d  by  DVF S - e na bled - te ch niques.   H ow e ve r,   t he  ti m e  delay   occ urre d  wh il e  s witc hing   of  f reque ncies   bet ween  var i ou s      can   be  op ti m iz ed  by  a  no n - negat iv e  f un ct i on ( , ) ( )   an d    the  so luti on   for  optim iz at ion   pro blem ,  wh ic h  is  sta te d  in  ( 15)  an d   ( 18) ,  can  be  der i ved.  This  non - ne ga ti ve  functi on ( , ) ( )   helps t o  retai n t w o  c har act erist ic s s uch as,   a.   The  non - ne gati ve fu nctio n ( . , . )   rem ai ns  non - dec reasin g  th r oughout t he  inter va l | −   | .    b.   The pr oduct  of     an d  non - neg a ti ve  f un ct io n ( . , . )   re m ai n  conve x  i n .    To  c ontr ol  op tim iz at ion   pr oble m ,  the  first   te rm   in  ( 14)   w hich   re pr e s ent  c om pu ta tio nal   ene rg y   ∑ ( . ( ↑ ) − 1 ) . ( ) = 1 . ↑   ca n  be   interc hange d  by   the   e ne r gy  functi on   ( 1 , … … … . , ) .  Sim i la rly ,    the  re - co nf i gur at ion   e nergy  ( −   ) 2   can  be  interc ha ng e d  by  the  e ne rg y  functi on   ( 1 , … … … . )   wh ic h  are  co njo i ntly   conve x  in  t he   interval { ,         = 1 , … … … . . } 2 .  Sim i la rly ,  in   ( 15)  t he  pa ram et er    can  be  intercha nged   by  ( )   without  changin g  a ny   co nd it io n  or   li near   e qu at i on.  T he  op ti m iz at ion   pro ble m   pr ese nted  from   (14)   to  ( 18)  is  no t  a  co nvex  t ype.  I n  fact,  t hi s  prob le m   is  a   loo sel y  co up le d  opti m iz at ion   ty pe,  wh e re   the   pa ram et er  ,       = 1 , … … …   re presents  t he   co m pu ta ti on al   pro blem s.  The   s olu ti on  f or   op ti m iz ation   of com pu ta ti on al  and  re - c onfig urat ion al   pro ble m   is pr ese nted   as,      min { , } ∑ ( ( . ( ↑ ) − 1 ) ( ) ↑ +   ( − ) 2 ) = 1   (19)     Assum e  that,  { ∗ , ∗   , = 1 , … … … }   re pr ese nts   the  s olu ti on   set   for  c om pu ta ti on al   and    re - c onfig ur at i onal   op ti m iz a tio n  prob le m ,  w hich   is  s how n  in  (1 5 )   to   ( 1 8 ) .  At  la st,  we  present   our   pro po s ed      m od el  in  an  ef f ic ie nt algorit hm  f or m , w hich  is as  fo ll ows:      Algorithm :      algorithm     1. Fix  ( , , )     2. Fix  ( , ( ) , 1 ↑ , )   3.  Fix  ( , , , ( )   , , ) Parameter for channel processing of     VMs   4. Collect    5. Verify the attainable constraints of (14 )   6.  1 ≅   ( +   ( ) )   ≤   ,           = 1 , … … … ,   7.  2     ≅   ∑ =   , = 1   8. if  ≈ ( 1 & 2 )   ℎ  ,     9.            (               )   10.  else   11.   Special optimization complexity :   12.    min ( , , ( ) )   13.  subjected to:   14.    conditions in (15) and (16)   15. end if   16.  return  , , ( )   basic SLA constraints   Paramete r processing of VMs         4.   PERFO R MANC E E V ALU ATIO N   Now  days,  th e  req ue st  of   cl oud  com pu ti ng   dev ic es  ha s  hig hly  em er ged   in  real - ti m e  du e  to     the  extensi ve  ut il iz ation   of  inf or m at ive  dev ic es,  dig it al   instr um ents,  network   a pp li anc es  a nd   portable  ga dg et s   et c.  Mult i m edia - sign al - proc e ssing   m et ho d  is  well - known  te c hn i qu e ,   wh ic h  can  be  util iz ed  in   these     cl oud - c om pu ti ng   de vices.  T he refor e ,  the  pe rfor m ance  of   t hese  com pu ti ng  de vices  m us t  be  superi or   due  to    the  extensi ve  dem and   of   t he se  com pu ti ng   dev ic es  in  day - t o - day  li fe.  H ow e ve r,   hi gh - e nergy  co ns um ption   i n   these  com pu ti ng   dev ic es  ca n  distu rb   their   per f or m ance.   Thu s ,  this  sect ion   disc us se s  about  the  ba la ncing  betwee n  pe rform ance  and   power   c on s um pti on.  To  ac hieve   these  obj ect iv es,  we  ha ve  in tro du ce d  a  Dy nam ic   vol ta ge   a nd  Fr e qu e ncy  Sc al ing   (DVF S)  base d  A da ptive  Cl oud  Re so urce   Re - Co nf i gurab il it y  (   )   te chn iq ue  for  heter og e ne ou s   com pu ti ng   de vices,  wh ic h  e ff ic ie ntly   re duces  ene rg y  c onsu m ption,  as  well   as   pro vid e  s uperi or   pe rfor m ance.  The   r un - ti m e  can  be  e va luate d  c onsid erin g  va rio us   j obs  a s  30,   50,  10 0,     and   1000.  G ra ph ic al   re pr ese nt at ion   of   our  outc om es  is  a lso  pr e sente d  co ns ide rin g  exec ution   ti m e,  nu m ber   of   ta sk s  an d  ene r gy  consum ption .  T he  r un - ti m e  and   total   po wer   c on s um ed  can  be  ev al ua te d  us in g  differe nt   par a m et ers  in   T able  1,  wh ic h  is  dem on strat ed  i n  t he  f ollo wing  se ct ion.  Our  pro posed       m od el   is  te ste d   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    48 81   -   48 91   4888   on   ℎ    sci entifi c  da ta set .  W e   have  co ns i der e d  di ff ere nt  siz es   of  sci e ntific   workflo w  e xperi m ents  as   30,  50,  100  a nd  10 00.  O ur   pro posed    m od el   e m plo ye d  on  64 - bit  window s  10   OS   with  16   GB  RAM   wh ic h  co ns ist s   on  I NTEL  (R )  co re  ( TM)    i 5 - 4460  proces so r .  It  c onsist s  of   3.2 0  G Hz  CPU.  T his  pro j ect   is  si m ulate d  us i ng      Ne on.3 edit or an d  c ode is  wr it te n  i n  J AVA.       4.1.    Co m pa r ati ve  stu d y   In   this  m od er n  era,  com pu ti ng  de vices  has  ru le d  m ark et   i n  dif fer e nt  fiel ds   li ke  m edica l,  healt hcare   so luti ons,  t rad i ng,  softwa re  c om pan ie s  et c.  Th us ,  f uture  e xperti se  is  cl early   in  favor  o f  t he se  cl oud - c ompu ti ng   dev ic es   due  t o  their  e xte ns iv e  re qu i rem ents .  H oweve r,  th e  eff ic ie ncy  of   these  c om pu ti ng   de vices  m ay   be   reduce d  du e   to   hi gh - ene r gy  c on s um ption   a nd  la c k  of  ef fici ent  re source   util iz at ion   te chn i qu e s.  C onseq ue ntly ,   these  iss ues  c an  be  s ort ed  out  usi ng  e ff ic i ent  ta sk  sc heduling  te ch niqu es.  T her e f or e,   to  al locat e  res ource   pro per ly   an d  s chedule  al l  the   ta sk s  e ff ic ie nt ly   to  overc om e   powe r  c onsum p t ion   pro blem ,  we  hav e   pr esente d   a  no vel  Dy nam ic   volt age  a nd Fr e qu e ncy  Sca li ng  ( D VFS)   ba sed  A dap ti ve  Cl oud  Re s ourc e  Re - Co nfi gur abili ty   (   )   te ch niq ue.  A   preci se  ta s k  s cheduli ng  te c hniq ue  ca n  en ha nce  t hro ughp ut  of  the   syst e m ,  increase  connecti ons  w it h  subscri ber s ,  offe r  bette r  r eso ur ce  util iz at ion   a nd   ca n  aff ord  to   ha nd le   m ulti ple  ta s ks   at   a  tim e  et c.  T he  res ults  are   dem on strat e d  in  c ontrast   t o  ot her  sta te - of - art  te c hn i qu e s   in  te rm s  of   energy   consum ption ,   run - ti m e,  pow er  s um   and   a ver a ge  powe r   as  s how n  i n  T able  1  us i ng  sci entifi c  m od el  Cyb er Shak e   for  var i ou s   j obs  as   30,   50, 100  a nd  1000 .  E nergy  c on s um ption   us in g  our   pro pose d      te chn iq ue   f or  Cyb er S hake   30   is  1303. 74  Watt s,  Cyb er Shake   50   is  13 30.92  Watt s, Cyb er Shak e   100   is  1436. 83  W at ts   an d  Cyb er Shak e   1000   is  32 28.60  Watt s  de m on strat ed  in   T able  1,   w hich  is  ver y  le ss   i n  con t rast  to   othe r  sta te - of - art   te chn i qu e s.  Tab le   2  dem on stra te s  A ver a ge  E xecu ti on   t i m e  evaluati on  us i ng  our       te chn i que  a nd  com par iso n  with  oth e r   sta te - of - a rt - t echn i qu e s  pr e sented   f or  sc ie ntific   m od el  Cyb er Shak e   f or   va rio us   job s   as  30,   50 ,100  an d  10 00.  The   A ve ra ge  E xec ution  Ti m e  us in g  our      te chn iq ue f or   s ci entifi c m od el   Cy be rShak e     100   is  31.16 2  sec  and   Cyb er Shake     1000   is 4.9 74 s ec.       Table  1 .   Var i ous  par am et ers  com par ison f or prop os ed  A C RR  techn iq ue   vs   DVFS    us in g  sci e ntific  m od el    ℎ    P a ram e ters   DV F S        ℎ    3 0     ℎ    50     ℎ    100     ℎ    1000     ℎ    30     ℎ    50     ℎ    100     ℎ    1000   VM = 2 0   VM = 3 0   VM = 6 0   VM = 2 0   VM = 2 0   VM = 3 0   VM = 6 0   VM = 2 0   T o tal  E x e c u ti o n   T ime  (s )   6 3 5 9 .4 1   1 4 4 4 8 .90   3 0 1 2 4 .41   7 4 5 4 3 .57   2 9 3 8 .2 2   2 9 5 3 .8 6   3 1 1 6 .2 2   4 7 9 4 .3 9   P o we r S u m   (W )   1 2 1 7 5 9 2 2 .6 4   2 9 0 6 8 5 5 2 .8 9   6 1 1 7 7 3 3 8 .4 0   1 4 9 9 6 8 1 2 2 .08   4 6 4 6 3 9 0 .51   4 6 9 6 9 6 3 .35   4 9 5 5 1 3 3 .77   7 6 2 3 6 1 0 .31   Avera g e   P o we r ( W)   1 9 .1 4 6 3 2 0   2 0 .1 1 8 1 8 3   2 0 .3 0 8 2 2 9   2 0 .1 1 8 1 8 4   1 5 .8 1 3 6 2 3   1 5 .9 0 1 1 0 3   1 5 .9 0 1 1 0 3   15. 9 0 1 1 0 5   P o we r  C o n su m p ti o n   ( ℎ )   3 4 9 5 .4 2   8 5 1 8 .3 9   1 8 9 6 6 .33   2 3 6 3 0 3 .2 8   1 3 0 3 .7 4   1 3 3 0 .9 2   1 4 3 6 .8 3   3 2 2 8 .6 0       Table  2 .  A ver a ge  e xecu ti on  ti m e com par ison o f propose d      te chn i qu e  w it h    oth e r  Stat e - of - art - te ch niques  us in g  sci e ntific  m od el    ℎ    DAGs   Nu m b e r  o f   n o d es   Av erage E x ecut io n  ti m e  (s)   EMO - b ased  algo ri th m  [ 2 6 ]   DVFS        ℎ    100   100   3 1 .53   3 0 1 .244   3 1 .16 2    ℎ    1000   1000   2 2 .71   7 4 .54   4 .97 4       4.2.    Graphi cal  rep resent at i on   This  sect i on  dem on strat es  th e  gr a phic al   re pr ese ntati on  of   our  e valuated   ou tc om es.  Her e,  F i gure  2  sh ows  run  ti m e   com par ison   of  our  pr opos e d      t echn i qu e w it h  DVFS  te ch nique  us i ng   sci ent ific   work l oa d   ℎ  for  dif fer e nt  jo bs  as   30,   50,   100  a nd  1000.   Her e ,  F ig ur e   3   sh ows   P ower   Su m   Com par ison  of  our   pro po se d      te chni qu e  with  D VFS  te chn i qu e  usi ng   sci e ntific   work l oa d   ℎ    f or   diff e re nt  job s  a s   30,  50,   100  a nd   1000.  Here,  F ig ur e  4   s hows   Av e ra ge   Po w er  Re qui red   C om par ison   of   our  pro po s ed      te chn iq ue   with   D VF S   te ch ni qu e   us in g  sci e ntific   w orkl oa d   ℎ    f or  diff e re nt   job s   as   30,   50,   100  an d  10 00.   Si m il arly ,  F igure  5   s how s   P ower   Co nsum pt ion  Com par iso n  of  our  pro po sed      te ch nique   with  D VFS  te chn i qu e   us i ng  sci entif ic   w ork load   ℎ    for  diff e ren t  j obs  as   30,  50,   100  a nd  1000.   Fu rt her m or e,  F igure  6   sho ws   Av e ra ge  Ru n  Ti m e  Co m par ison  of  our  pro po s ed      te ch nique  wit h  D VFS  Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  e ne r gy op ti miza ti on wi th i mp r ove d QOS  approac h f or   adapti ve cl ou d  r eso ur ces  ( D anthu l ur i  Sudha )   4889   te chn iq ue   us i ng  sci e ntific   w orkloa d   ℎ    f or  di ff ere nt  j obs   a s  3 0,  50,   10 0  and  10 00.  T hi s  res ult  dem on strat es  the  s up e rio rity   of   our  pro po se d      te chn iq ue  i n  te rm s  of   po wer   c onsu m ption,  exec utio n  tim e, av erag e  pow e r  a nd ti m e.             Figure  2 .   Run - t i m e co m par iso n usin g o ur   AC RR  techn iq ue   wi th  DVFS           Figure  3 .   P ow e r  s um  co m par ison u sin g our  ACRR  tech nique  with  DVFS           Figure  4 .   A verage  p owe r  c omparis on usi ng  our  A CR R t ech nique  with  DVFS   0 20000 40000 60000 80000 V M=2 0 V M=3 0 V M=5 0 V M=3 0 CYB ERSHA KE 3 0 CYB ERSHA KE 5 0 CYB ERSHA KE 1 0 0 CYB ERSHA KE 1 0 0 0 Run - tim e  comparis on  of ou r  ACR R  tech niqu e  wi th  DV FS   DV FS ( s) ACR R ( s) 0 20000000 40000000 60000000 80000000 100000000 120000000 140000000 160000000 V M=2 0 V M=3 0 V M=5 0 V M=3 0 CYB ERSHA KE 3 0 CYB ERSHA KE 5 0 CYB ERSHA KE 1 0 0 CYB ERSHA KE 1 0 0 0 Pow er Sum  comparsi on of  our  ACR R  tech niqu e  wi th DVF S  DV FS ( W) ACR R ( W) 0 5 10 15 20 25 V M=2 0 V M=3 0 V M=5 0 V M=3 0 CYB ERSHA KE 3 0 CYB ERSHA KE 5 0 CYB ERSHA KE 1 0 0 CYB ERSHA KE 1 0 0 0 Ave rage Po wer  comparsi on of our ACRR t echnique  with DVF S  DV FS ( W) ACR R ( W) Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    48 81   -   48 91   4890       Figure  5 .   P ow e r  c on s um pt ion   com par ison u sing o ur A CR R t echn i qu e  w it h DVFS           Figure  6 .   A verage  e xecu ti on  t i m e co m par iso n usin g o ur   AC RR  techn iq ue   with  DVFS       5.   CONCL US I O N   The  sig nifican ce  of   c on tr olli ng   high - e ne rgy   con s um ption   and   ta sk   l oad  al locat ion   f or   ever y  cl ou d  com pu ti ng   V Ms  is  ver y  essenti al .  The refor e ,  to  at ta in  balanci ng  betwee n  po wer   c on s um ption   a nd  perform ance  fo r  c om pu ti ng   process or s  i n  c loud  en vir on m ent,  we  hav e  i ntr oduce d  a  no vel  dynam ic   vo lt age  and  fr e qu e ncy  scal ing   ( DVFS )  base d  a da ptiv e  cl o ud  resou r ce  re - co nfi gura bili ty   (   )   te ch niqu e  f or  cl ou d  com pu ti ng   V Ms.  Eff ic ie nt   m od el li ng   f or  al l  the  thre e  ty pes  of   c os t  su c h  as  c om pu ta ti on   co st  and     re - c onfig ur at i on  c os t  is  pr ese nted.  T he  perf or m ance  of  th e  m od el   is  en han ce d  by  reducin g  al l  th re e   costs.   Fu rt her m or e,  m od el li ng   fo r   eff ic ie nt  resour ce  al locat io n  an d  util iz at i on   is  presente d  an d  ta sk   lo ads  ar e   reduce d  w hich   is  a  gr eat   cha ll eng e  f or   oth e r  sta te - of - a rt  te chn i qu e s.  Num ero us   res our ces  can  be  ef fici ently   al locat ed  ada pt ively   at   a  tim e   us i ng  this  te c hn i qu e .  T he  ex per im ental   resu lt s  are  sho wn  in  te rm s  of   run  tim e   ta ken ,   re duct io n  in   ene rg y  c onsu m ption   an d  avera ge  powe r  re quire d  f or  c loud  c om pu ti ng   VMs.  T he  A ver a ge   Run   Tim e  us ing   our  propos ed      m od el   fo r   sci entifi c  m od el    ℎ      100   is  31.16 2  sec  an d   ℎ      1000   is  4. 97 4  sec.   Si m il arly ,  Po wer   C on s um ption   f or   ℎ      30   is  1303.74  Watt s,   ℎ      50   is  1330. 92  Watt s,     ℎ      100   is  1436. 83  Watt s  an d   ℎ      100 0   is  3228. 60  Watt s  w hich   is  ver y   lo w  com par e  to  ot her   sta te - of - a rt - te ch niques.   Our  e xperim e ntal  res ults  ve rifies     the  supe rior it y  of   our  m od el       in  te rm s  of   pe rfor m ance  an d  po wer   co nsum ption   in  c ontrast   to  oth e r     sta te - of - art - te c hn i qu e s.T her e f or e ,  a   trade - of f  betwee n  perf or m ance  and   energy  co nsu m pt ion   is  m a i ntained   us in g  our   pr opose d      al go rith m .  In   f uture,   eff ic ie nt  m od e ll ing   to   op ti m i ze  com m un ic at ion   c os t  will     be prese nted .     0 50000 100000 150000 200000 250000 V M=2 0 V M=3 0 V M=5 0 V M=3 0 CYB ERSHA KE 3 0 CYB ERSHA KE 5 0 CYB ERSHA KE 1 0 0 CYB ERSHA KE 1 0 0 0 Pow er Consumption  comparsi on of  our  ACR R  tech niqu e  wi th DVF S  DV FS ( Wh) ACR R ( Wh) 0 100 200 300 400 EM O DVFS PS1 Av er age  Ex ec ution  Time compar sio n  of   our   ACRR   techn ique  with  DVFS  CYB ERSHA KE 1 0 0 CYB ERSHA KE 1 0 0 0 Evaluation Warning : The document was created with Spire.PDF for Python.