However, higher-level factors such

However, higher-level factors such as virtual machine properties, their placement policies or application workloads may play an essential role in defining the power consumption profile of a given cloud system. In this paper, we explore the energy consumption patterns of Infrastructure-as-a-Service cloud environments under various synthetic and real application workloads. For each scenario, we investigate the power overhead triggered by different types of virtual machines, the impact of the virtual cluster size on the energy-efficiency of the hosting infrastructure and the tradeoff between performance and energy consumption of MapReduce virtual clusters through typical cloud applications.

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม ปัจจัยในระดับสูงกว่าเช่นคุณสมบัติของเครื่องเสมือน วางนโยบาย หรือแอพลิเคชันการทำงานของพวกเขาอาจเล่นมีบทบาทสำคัญในการกำหนดค่าการใช้พลังงานของระบบคลาวด์ที่กำหนด ในกระดาษนี้ เราต้องสำรวจรูปแบบการบริโภคพลังงานของโครงสร้างพื้นฐานเป็นบริการคลาวด์ทั้งปริมาณที่แท้จริง และสังเคราะห์ประยุกต์ต่าง ๆ สำหรับแต่ละสถานการณ์ เราตรวจสอบพลังงานจ่ายเกิดจากชนิดของเครื่องเสมือน ผลกระทบของขนาดของคลัสเตอร์เสมือนในพลังงานของโครงสร้างพื้นฐานโฮสต์และข้อดีข้อเสียระหว่างประสิทธิภาพและการใช้พลังงานของคลัสเตอร์เสมือน MapReduce ผ่านคลาวด์ทั่วไป

ผลลัพธ์ (ไทย) 2:

อย่างไรก็ตามปัจจัยระดับสูงเช่นคุณสมบัติเครื่องเสมือนนโยบายตำแหน่งของตนหรือปริมาณงานแอพลิเคชันอาจมีบทบาทสำคัญในการกำหนดรายละเอียดของการใช้พลังงานของระบบคลาวด์ที่กำหนด ในบทความนี้เราจะสำรวจรูปแบบการบริโภคพลังงานของสภาพแวดล้อมโครงสร้างพื้นฐาน as-a-Service ภายใต้เมฆต่างๆปริมาณงานแอพลิเคชันสังเคราะห์และจริง สำหรับแต่ละสถานการณ์เราจะตรวจสอบค่าใช้จ่ายพลังงานเรียกโดยความแตกต่างของเครื่องเสมือนที่ผลกระทบของขนาดของคลัสเตอร์เสมือนในการใช้พลังงานอย่างมีประสิทธิภาพของโครงสร้างพื้นฐานด้านโฮสติ้งและการถ่วงดุลอำนาจระหว่างประสิทธิภาพและการใช้พลังงานของกลุ่มเสมือน MapReduce ผ่านการใช้งานระบบคลาวด์ทั่วไป