Limites de réduction des coûts de la gestion proactive basée sur la prédiction des demandes.

Résumé Les centres de données (CD) doivent gérer leurs serveurs périodiquement pour répondre efficacement à la demande des utilisateurs. Étant donné que le coût de l'énergie utilisée pour répondre à la demande des utilisateurs est plus faible lorsque les paramètres du centre de données (par exemple, le nombre de serveurs actifs) sont définis a priori (de manière proactive), l'étude de différentes stratégies proactives basées sur les prédictions des demandes suscite un grand intérêt. Le montant des économies d'énergie qui peuvent être réalisées dépend non seulement de la stratégie proactive choisie, mais aussi des statistiques de la demande et des prédicteurs utilisés. Malgré son importance, en raison de la complexité du problème, il est difficile de trouver des études qui quantifient les économies qui peuvent être obtenues. La principale contribution de cet article est de proposer une méthodologie générique pour quantifier la réduction possible des coûts en utilisant la gestion proactive basée sur les prédictions. Ainsi, en utilisant cette méthode avec les données du passé, il est possible de quantifier l'efficacité de différents prédicteurs et d'optimiser les stratégies proactives. Dans cet article, la réduction des coûts est évaluée en utilisant les prédicteurs ARMA (Auto Regressive Moving Average) et LV (Last Value). Nous appliquons ensuite cette méthodologie au jeu de données Google collecté sur une période de 29 jours afin d'évaluer le bénéfice qui peut être obtenu avec ces deux prédicteurs dans le DC considéré.