Every time we access a file on the Cloud, a chain of routing servers is activated to transfer the payload from the storage facility to the user's device, and back. The data center, being densely packed and highly-performant, is hardly optimized in terms of energy consumption and environmental impact. The ICT (information communication technologies) ecosystem is estimated to be responsible for the 10 percent of the full worldwide energy consumption - equivalent to Germany and Japan total energy demand. However, being a fast-inflating and almost unregulated market, the environmental footprint caused by data storage and transfer on the internet shows no signs of slowing down. In this paper, we analyze a reversal paradigm for cloud storage (implemented by Cubbit - www.cubbit.io) in which data are stored and distributed over a network of p2p-interacting single board computers. Here we compare Cubbit to the traditional server-based solution in terms of environmental footprint and power/usage efficiency. First, being virtualized and distributed upon small single-board computers, storage is far more efficient than data centers racks and does not need any additional cooling. Secondly, the distributed architecture can leverage proximity of files to the user (e.g. within the same city) to minimize the consumption due to the powered route from the virtualized storage facility to the user's device. We quantify both these effects using the internet model published by Baliga et al. (Proceedings of the IEEE 99.1, 2011), and compare the estimation with the same model applied to a server-based cloud storage (e.g. Dropbox). Results show that a remarkable reduction in terms of energy consumption is obtained on both storage (less than 1/10 of consumptions) and transfers (c.a. 1/2 of consumptions).


翻译:我们每次访问云中的文件时,都会启动一条链条路由服务器,将有效载荷从存储设施转移到用户的装置和回转。数据中心的储云量十分密集且表现良好,在能源消耗和环境影响方面几乎没有优化。信通技术(信息通讯技术)生态系统估计要占全世界能源消费总量的10%,相当于德国和日本能源需求总量的10%。然而,由于是一个快速膨胀和几乎不受监管的市场,数据存储和互联网传输造成的环境足迹没有减缓的迹象。在本文中,我们分析了云存储(由Cubbbit- www.cubbbbit.io实施)的逆向模式,其数据储存和分布在P2p-交互式单一板计算机网络网络中。我们在这里将Cubbbbit与传统的基于服务器的解决方案在环境足迹和功率效率方面进行对比。首先,在小型单机计算机上进行虚拟化和分布,存储比数据中心更有效率,而且不需要再使用任何网络存储模式。第二,我们分配的互联网存储成本到存储工具的路径上,可以显示一个相同的存储工具。

0
下载
关闭预览

相关内容

Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
105+阅读 · 2020年5月3日
深度强化学习策略梯度教程,53页ppt
专知会员服务
176+阅读 · 2020年2月1日
资源|Blockchain区块链中文资源阅读列表
专知会员服务
43+阅读 · 2019年11月20日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
144+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
168+阅读 · 2019年10月11日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
8+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
43+阅读 · 2019年12月20日
Advances in Online Audio-Visual Meeting Transcription
Arxiv
4+阅读 · 2019年12月10日
Arxiv
4+阅读 · 2019年1月14日
Semantics of Data Mining Services in Cloud Computing
Arxiv
4+阅读 · 2018年10月5日
VIP会员
相关VIP内容
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
105+阅读 · 2020年5月3日
深度强化学习策略梯度教程,53页ppt
专知会员服务
176+阅读 · 2020年2月1日
资源|Blockchain区块链中文资源阅读列表
专知会员服务
43+阅读 · 2019年11月20日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
144+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
168+阅读 · 2019年10月11日
相关资讯
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
8+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
相关论文
Top
微信扫码咨询专知VIP会员