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

Fig. 10.
Comparison of
E
in kWh for the proposed, RTC and HEFT schedulers over a
period of 24 h with idle
P
min
at 150 W and 0 W.
Results show a strong correlation of this improvement with
the decrease in the overall power consumption of the cluster. In
Fig. 10
(a) we compare the schedulers in terms of the total power
consumption over 24 h of time. For all scenarios, the proposed
scheduler consumes less power overall when compared to RTC and
HEFT. In Scenarios 5 and 6, where the workload is comparatively
less, the proposed scheduler with 802.1 and 825.6 kWh is 2% and
14% more efficient than RTC and HEFT, respectively. We concur that
the effect of increasing the number of idle machines by efficient
placement of VMs in the cluster improves the power efficiency
of the cluster. For very large workloads in Scenarios 8 and 9, the
proposed scheduler provides an energy efficiency of 4% and 6% over
RTC and HEFT for Scenario 8, and 2% and 4% in Scenario 9.
In the simulation study, we assumed the power usage of an idle
PM to be 150 W. During execution, the hyper-visor can shut down
the idle machines activating the DVFS. If the DVFS is enabled, it
is possible to achieve better overall power consumption for the
workflow in the clusters. Assuming that the DVFS on the idling
PMs with zero assigned VMs in the workflow, are shut-down with
idle
P
min
to be 0 W, we notice that the proposed schedulers energy
efficiency improves significantly. This can be seen in
Fig. 10
(b),
where for scenario 5 and 6, with smaller to mid-sized workloads,
the proposed scheduler is 19% and 38% more efficient compared to
RTC and HEFT. In scenario 7, with a mid-large size workload, the
proposed scheduler provides 8% and 13% better energy utilization
against RTC and HEFT. With larger workloads in scenarios 8 and 9,
the proposed scheduler achieves 7% and 10% (for scenario 8) and
3% and 7% improvement compared to RTC and HEFT respectively.
Overall, in all scenarios, the proposed scheduler comparatively
provides better energy efficiency.
From these results, we can interpret that a deeper analysis of
applications power consumption behavior and its subsequent use
in scheduling workflows, improves the overall energy efficiency
of a small to mid-sized data center with low variability and high
certainty of workflows are executed.