haku: @keyword distributed systems / yhteensä: 38
hakutulos-lista
viite: 4 / 38
« edellinen | seuraava »
Tekijä:Döngelci, Ridvan
Työn nimi:Energy Efficient Cloud Computing: Energy Efficiency of Storage Systems
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2013
Sivut:68      Kieli:   eng
Koulu/Laitos/Osasto:Perustieteiden korkeakoulu
Oppiaine:Tietojenkäsittelyteoria   (T-79)
Valvoja:Heljanko, Keijo
Ohjaaja:Heljanko, Keijo
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto     | Arkisto
Avainsanat:energy efficiency
cloud computing
distributed systems
cloud storage
resource provisioning
green IT
power usage efficiency
Solr
text seach
Tiivistelmä (eng): Energy efficiency of a cloud computing infrastructure is an increasingly important issue for IT operators of data centers.
Increasing energy costs of data centers and environmental awareness have motivated research into energy efficient and power proportional cloud computing infrastructure.
Research on energy efficient and power proportional cloud computing infrastructure is divided mainly into two categories: power aware storage architectures, and energy efficient processing architectures.
Energy efficient storage solutions mainly focus on the use of solid state disk and on keeping storage in idle or off state.
On the other hand efficient processing solutions can be divided into using on low-power processors, energy aware caching, and dynamic resource provisioning.

This Thesis aims to investigate and evaluate applications of efficient storage and processing techniques.
These techniques, their applicability and limitations are analysed, evaluated, and compared with each other.

This Thesis also analyses the behaviour of the Solr search engine on solid state disk and conventional hard disk.
Solr search engine is a fairly popular enterprise search platform.
Thus, the effect of the underlying storage technology for Solr engine running on top of solid state and hard disks is compared and analysed with respect to energy efficiency and cost concerns.
Advantages and disadvantages of different storage systems for Solr search engine are discussed.
ED:2014-01-07
INSSI tietueen numero: 48300
+ lisää koriin
« edellinen | seuraava »
INSSI