文献综述（或调研报告）：
近年来，云计算数据中心电能成本的控制问题已经吸引了工业界和学术界的广泛关注，并开展了大量的相关研究。云计算数据中心电能消耗量不仅由硬件效能确定，还依赖于部署在云计算数据中心的资源管理系统和其上运行的应用的效率。同时，电能成本与电能消耗量和电价都有关。因此，在开放电能市场环境下，减少云计算数据中心的电能消耗量，同时考虑动态电价的变化，对其电能成本控制也显得尤为重要。一般地，云计算数据中心电能成本控制有以下几种途径:采用节能的系统硬件、设计能耗成本感知的资源管理系统以及提高应用的效能等。
Qureshi等人最早提出利用电价的时间和地域差异性，通过将负载调度到电价较低的的数据中心去执行来减少电价的理论，即文献[6]是目前应用最广泛、被学术工作者认同的理论，作者最早观察到整个电能市场中电价随时间和空间变化的特性，并论证了随着不同区域电价的波动，每个区域数据中心单位计算量所产生的电能成本也不同。基于此作者设计了一个距离约束的电价优化器以获得重要的经济收益。这个方案也是其余各文献采用的基本方案。
文献[1] 调查了当分布式互联网数据中心（IDC）是放松管制的电力市场价格制定者时，为IDC建立地理负载平衡（GLB）模型的问题，即GLB可能会因IDC的大量电能消耗对IDC的区域电价产生影响。作者考虑了智能电网的动态特性（如时变功率需求和发电输出）和实际物理约束（如有功/无功潮流平衡，传输拥塞和网络损耗）对获得具有精确解析表达式的价格影响模型的影响（即，在无价格影响模型的情况下设计有效的GLB方案是非常困难的）。为了克服上述挑战，作者提出一个价格敏感感知GLB的方案。所提出的方案的关键思想是通过利用IDC和主网格之间的多个交互信息来对分配给具有高价格敏感系数的IDC的工作负荷施加适当的限制，使得总成本的突然增加可以避免。在这里，价格敏感性系数定义为价格变化百分比与IDC电力需求变化百分比的比率。
文献[2]提出用户和管理者都需要了解他们的行为是如何影响计算机能耗的，从而采取调节措施，已达到优化能耗的目的。作者从基础设施层面建立能耗模型，比较不同采样方式（主要有处理器性能计数器和系统使用频率）和数学方法（多元线性回归、Lasso回归和非线性回归）对能耗模型的影响。
文献[3]、[4]针对负载的波动性、电价的时间差异性以及绿色能源的间歇性，给节约数据中心电费带来了挑战的问题，提出一种在线式负载调调度算法，可以在不使用未来的负载、电价和绿色能源可用性信息的前提下，最小化数据中心的电费。
文献[5]分别从硬件和固件层、操作系统层、虚拟化层和集群层提出IDC能耗成本建模、控制和优化问题。如根据系统不断变化的需求提供最小数量的激活组件来完成能耗的节约，或者对IDC处理请求实施广域调度，即Qureshi等人提出的利用电价的地域差异性，将IDC负载调度到电价较低的IDC处理，从而实现减小电费的目的。在硬件和固件层，提出动态功耗管理(Dynamic Power Management DPM )，DPM能够动态配置集群系统，为满足当前系统的性能需求或不断变化的负载提供最小数量的激活组件来完成能耗的节约，而这是通过选择性地关闭(或者降低性能)处于空闲状态的系统组件来实现。下图给出了ARM SA-1000处理器的功耗状态机示意图。
ARM SA-1100处理器的功耗状态机
参考文献
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
