MARC

 008250123s2024        us                              c    eng  d
■001000017162591
■00520250211152030
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384431923
■035    ▼a(MiAaPQ)AAI31334064
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aGuo,  Yibo.
■24510▼aTowards  Leaner  Data  Centers:  Energy  Efficiency  and  Carbon  Savings  Through  Network  Optimization
■260    ▼a[Sl]▼bUniversity  of  California,  San  Diego▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a137  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  A.
■500    ▼aAdvisor:  Porter,  George.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  San  Diego,  2024.
■520    ▼aThe  rapid  growth  of  computing  in  data  centers  worldwide  has  led  to  a  significant  increase  in  energy  consumption  and  carbon  emissions.  As  the  demand  for  cloud  services  continues  to  surge,  data  centers  have  become  the  backbone  of  the  digital  economy,  supporting  a  wide  range  of  applications  from  social  media  and  e-commerce  to  scientific  research  and  artificial  intelligence.  This  exponential  growth  in  data  centers  has  driven  the  need  for  more  servers,  storage  devices,  and  networking  equipment,  all  of  which  consume  substantial  amounts  of  electricity.  This  in  turn  contributes  to  higher  carbon  emissions  and  environmental  impact.  To  make  things  worse,  the  end  of  Moore's  law  and  Dennard  scaling  has  exacerbated  scaling  challenges  in  both  computing  units  like  CPUs  and  network  infrastructure,  creating  a  bottleneck  for  data  center  growth  and  efficiency.In  this  thesis,  I  propose  two  new  ways  to  address  scalability  challenges  in  data  centers  and  to  support  future  data  center  growth:First,  I  propose  P-Net,  a  novel  datacenter  network  architecture  that  improves  the  efficiency  and  scalability  of  data  center  networks  (DCNs).  P-Net,  or  parallel  dataplane  network,  employs  multiple  network  planes  to  achieve  higher  bandwidth  and  lower  latency,  instead  of  relying  on  the  free  scaling  of  underlying  chips  in  traditional  networks.  By  explicitly  leveraging  network  chip  parallelism,  P-Net  enables  linear  scaling  of  network  resources  with  respect  to  bandwidth,  reducing  energy  consumption,  monetary  costs,  and  scalability  challenges  in  DCNs.I  then  focus  on  the  growing  energy  and  carbon  footprint  of  computing  units  like  CPUs  and  accelerators,  and  explore  new  ways  to  tackle  these  challenges  by  exploiting  low-carbon  renewable  energy  sources.  In  particular,  I  explore  the  feasibility  of  space-shifting  computational  workloads  across  data  centers  as  a  carbon-aware  computing  solution.  By  utilizing  energy  efficient  fiber  optics  wide-area  network  (WAN)  links,  space-shifting  can  make  better  use  of  localized  renewable  energy  sources  that  cannot  be  used  otherwise,  achieving  the  goal  of  lowering  power  demand  on  the  grid  and  reducing  carbon  footprint.  Through  detailed  analysis,  I  show  that  by  selecting  the  optimal  data  center(s)  to  run  workloads  based  on  both  local  carbon  intensity  and  WAN  cost,  space-shifting  can  be  more  effective  than  alternative  time-shifting  solutions.
■590    ▼aSchool  code:  0033.
■650  4▼aComputer  science
■650  4▼aComputer  engineering
■650  4▼aSustainability
■653    ▼aCarbon-aware  computing
■653    ▼aData  center  networks
■653    ▼aData  centers
■653    ▼aEnergy  efficiency
■690    ▼a0984
■690    ▼a0464
■690    ▼a0640
■71020▼aUniversity  of  California,  San  Diego▼bComputer  Science  and  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-03A.
■790    ▼a0033
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162591▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서