移动环境中处理时空查询的动态电压和频率缩放方法
一、引言
近年来，物联网数据（包括移动性、健康传感信息、蜂窝数据等）的积累显著增加，数据驱动的决策系统也广泛应用于生活的各个方面。这使得云数据中心以及边缘和雾节点越来越受欢迎。同时，随着支持 GPS 的智能设备的普及，几乎所有的数据实例都与位置和时间维度相关，这些数据集被称为时空数据，例如人员轨迹信息、气候数据、出租车或公交车数据集、健康领域的时间数据以及时间关键型应用等。
时空查询处理是提供任何基于位置的服务（如路线优化、推荐、天气预报或遥感应用）的核心。然而，分析这些数据实例面临着巨大挑战，数据量巨大且随时间变化，处理这些数据的数据中心在功耗和不断增长的能源成本方面变得不可持续。据估计，这些数据中心的耗电量达到 205 太瓦时，占全球用电量的 1.1% - 1.5%，还导致了过多的二氧化碳排放。这也给云服务提供商带来了巨大挑战，他们需要在功耗、能源消耗与满足严格服务级别协议条件之间找到平衡。
因此，在能源和电力成本与系统或服务性能之间进行权衡至关重要。动态电压和频率缩放（DVFS）在理解功率、DVFS、时空数据量和查询处理器工具性能之间的相关性方面起着关键作用。在向虚拟机发出地理空间查询时，我们利用 DVFS 来降低能耗。由于不同地理空间查询对地理空间数据的处理方式不同，每个虚拟机（资源）的工作负载是动态变化的。DVFS 可以在不降低性能的情况下，降低未充分利用资源的功耗。动态电压和频率缩放策略会根据动态工作负载的利用率变化来调整频率，帮助动态减少资源消耗，因为动态功率与频率相关。传统上，DVFS 用于降低未充分利用资源的功耗，以避免违反服务级别协议。
本文的主要贡献如下：
1. 探索动态电压和频率
