绿色化大数据网络：准确性的影响
网络与互联网体系结构
2018-12-27 v1
摘要
大数据应用在数量和类型上的持续增长，给绿色 ICT 社区带来了必须应对的新挑战。大数据主要以 4 个 V 为特征：体量、多样性、速度和准确性。每个 V 都带来了一系列挑战，对承载该大数据的底层网络的能效产生影响。处理数据的准确性对数据科学家而言是更严峻的挑战，因为他们需要区分有意义的数据和脏数据。在本文中，我们通过开发一个混合整数线性规划（MILP）模型来封装准确性的显著特征，研究了大数据准确性对绿色化 IP 的影响。在我们的分析中，通过对处理前的原始大数据进行清洗，然后在被称为处理节点（PN）的战略位置逐步处理清洗后的大数据，实现了大数据网络的绿色化。PN 内置于从数据源到集中式数据中心路径上的网络中。在每个 PN 处，对清洗后的数据进行处理并逐步提取较小体量的有用信息，从而降低网络功耗。此外，清洗后数据的备份存储在最优选择的备份节点（BN）中。我们评估了与传统非渐进式方法相比，绿色大数据网络可实现的网络节能效果。结果表明，与传统方法相比，绿色大数据方法平均可节省高达 52% 的网络功耗。
引用
@article{arxiv.1812.10307,
title = {Greening Big Data Networks: The Impact of Veracity},
author = {Ali M. Al-Salim and Taisir E. H. El-Gorashi and Ahmed Q. Lawey and Jaafar M. H. Elmirghani},
journal= {arXiv preprint arXiv:1812.10307},
year = {2018}
}