Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Barrios Hernández, Carlos JaimePecero Sanchez, Johnatan E.Florez Suarez, Edson Alejandro2024-03-0320162024-03-0320162016https://noesis.uis.edu.co/handle/20.500.14071/34110El aumento de la necesidad de Computación de Alto Rendimiento ha llevado al incremento de la demanda de energía y el tamaño de los datacenters, y consecuentemente también lo hacen sus emisiones de carbono y costos de operación. Por esto, se deben desarrollar heurísticas adecuadas para el problema de calendarización (scheduling) de tareas, y se utiliza un clúster de procesadores de bajo consumo (milliWatts), que es energéticamente eficiente y ocupa poco espacio, conocido como millicluster. Para estimar el consumo de energía de los nodos del millicluster, se propone un modelo de energía basado en el uso de los recursos. El problema de calendarización de tareas es un problema de optimización combinatoria, que es abordado con el multi-objetivo de maximizar el rendimiento del sistema (minimización del makespan) y minimizar el consumo de energía, para satisfacer los requerimientos de los usuarios y del administrador del sistema. Los casos de estudio son instancias de calendarización de tareas de diferente consistencia y heterogeneidad de tareas y máquinas [8], que se basan en el modelo ETC [31]. El algoritmo de calendarización más destacado en las instancias más comunes del modelo ETC, es la metaheurística evolutiva Parallel Micro CHC.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Computación De Alto RendimientoHeurísticasCalendarizaciónOptimización CombinatoriaEficiencia EnergéticaMillicluster.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coThe growing demand for High Performance Computing has led to the increased of energy demand and the datacenters sizethereforeits carbon emissions and operating costs also grow. Thusappropriate heuristics must be developed for the job scheduling problemand we use a cluster of low-power processors (milliWatts)which is energy efficient and takes less spaceknown as millicluster. To estimate the power consumption of millicluster nodesan energy model is proposed based on use of resources. The job scheduling problem is a combinatorial optimization problemwhich is approached with the multi-objective to maximize system performance (minimizing the makespan) and minimize energy consumptionto satisfy the requirements of users and system administrator. The study cases are job scheduling instances of different consistency and heterogeneity of tasks and machines [8]which are based on the ETC model [31]. The scheduling algorithm most outstanding is the evolutionary metaheuristic Parallel Micro CHCin the most common instances of ETC model.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)