Future Generation Computer Systems 94 (2019) 453-467 Contents lists available at

---

Future Generation Computer Systems 94 (2019) 453–467
Contents lists available at
ScienceDirect
Future Generation Computer Systems
journal homepage:
www.elsevier.com/locate/fgcs
Profile-based power-aware workflow scheduling framework for
energy-efficient data centers
Basit Qureshi
Department of Computer Science, Prince Sultan University, Saudi Arabia
h i g h l i g h t s
•
The concept of power-aware Application Profiles is highlighted through a motivational case study.
•
A power-aware framework for efficient placement of application workloads in a data center is presented.
•
A scheduling algorithm for Application Profile matching is developed based on criteria including CPU, memory, IO, and power consumption
requirements.
•
Results from experimental and simulation studies show the effectiveness of the proposed framework.
a r t i c l e
i n f o
Article history:
Received 1 August 2018
Received in revised form 30 October 2018
Accepted 8 November 2018
Available online 13 December 2018
Keywords:
Energy efficiency
Data center
Application-based profiles
Hadoop
Cloud computing
a b s t r a c t
In the age of big data, software-as-a-service (SaaS) clouds provide heterogeneous and multitenant utiliza-
tion of underlying virtual environments in data centers. Real-time and parallel deployment of applications
with data-intensive workloads of various sizes pose challenges in optimal resource scheduling, power
utilization, task completion time, network latency, and so on, causing degradation in the quality of service
and affecting the user experience. In this paper, we investigate the role of application profiles in addressing
the tradeoff between performance and energy efficiency of small- to medium-scale data centers. A power-
aware framework for efficient placement of application workloads in the data center is proposed. The
framework considers various application workflow constraints, such as CPU, memory, network I/O, and
power consumption requirements to develop realistic profiles of application workloads. A system model
for the efficient workflow assignment in the data center using a novel scheduler algorithm is presented.
The performance of the proposed scheduler is validated through simulation studies. We compare the
proposed scheduler with two scheduling algorithms: robust time cost (RTC) and heterogeneous earliest
finish time (HEFT). Results show that the proposed scheduler is 19% and 38% more energy efficient than
RTC and HEFT, respectively for medium–large sized workloads.
©
2018 Elsevier B.V. All rights reserved.