BigStep Towards Query Eco-Processing - Thinking Smart
Grande Étape vers l'eco-traitement des requêtes - Thinking Smart
Résumé
Computers and electronic machines in businesses consume a significant amount of
electricity, releasing carbon dioxide (CO2), which contributes to greenhouse gas emissions. Energy
efficiency is a pressing concern in IT systems, ranging from mobile devices to large servers in data
centers, in order to be more environmentally responsible. In order to meet the growing demands for
awareness of excessive energy consumption, many initiatives have been launched on energy efficiency
for big data processing covering electronic components, software and applications. Query optimizers
are one of the most power consuming components of a DBMS. They can be modified to take into
account the energy cost of query plans by using the energy cost models integrated into the optimizer
in the aims to reduce the power consumption of computer systems. In this paper, we study, describe
and evaluate the design of three energy cost models whose values of energy sensitive parameters are
determined using the Nonlinear Regression technique and the Random Forests technique. To that
end, we study in depth the operating principle of the selected DBMS and present an analysis of the
performance time and energy consumption of typical queries in the TPC benchmarks. We perform
extensive experiments on a physical testbed based on the PostgreSQL, MonetDB and Hyrise systems
using workloads generated from the TPC benchmarks to validate our proposing.
Les ordinateurs et les machines électroniques des entreprises consomment une quantité
importante d’électricité, libérant ainsi du dioxyde de carbone (CO2), qui contribue aux émissions
de gaz à effet de serre. L’efficacité énergétique est une préoccupation urgente dans les systèmes
informatiques, partant des équipements mobiles aux grands serveurs dans les centres de données,
afin d’être plus respectueux envers l’environnement. Afin de répondre aux exigences croissantes
en matière de sensibilisation à l’utilisation excessive de l’énergie, de nombreuses initiatives ont été
lancées sur l’efficacité énergétique pour le traitement des données massives couvrant les composants
électroniques, les logiciels et les applications. Les optimiseurs de requêtes sont l’un des composants
les plus énergivores d’un SGBD. Ils peuvent être modifié pour prendre en compte le coût énergétique
des plans des requêtes à l’aide des modèles de coût énergétiques intégrés dans l’optimiseur dans
le but de réduire la consommation électrique des systèmes informatiques. Dans cet article, nous
étudions, décrivons et évaluons la conception de trois modèles de coût énergétique dont les valeurs
des paramètres sensibles à l’énergie sont définis en utilisant la technique de la Régression non linéaire
et la technique des forêts aléatoires. Pour ce fait, nous donnons une étude approfondie du principe
de fonctionnement des SGBD choisis et présentons une analyse des performances en terme de
temps et énergie sur des requêtes typiques du benchmarks TPC-H. Nous effectuons des expériences
approfondies basé sur les systèmes PostgreSQL, MonetDB et Hyrise en utilisant un jeu de données
généré à partir du benchmarks TPC-H afin de valider nos propositions.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...