Motivé par des raisons économiques et environnementales, le nombre d'études visant à améliorer l'efficacité énergétique des data centers (DCs) a augmenté. Cependant, après avoir analysé la littérature relative à l'amélioration de l'efficacité des DCs, nous avons relevé plusieurs lacunes qui sont étudiées dans cette thèse.
Le premier article analyse comment les principes de gestion des opérations s'appliquent aux DCs qui exécutent des tâches scientifiques. Nous testons en particulier la loi de Little, la loi de variabilité et la loi d'utilisation avec des données de trois grands DC scientifiques. Les résultats montrent que la loi de Little et la loi d'utilisation s'appliquent toutes deux, contrairement à la loi de la variabilité. Ces résultats donnent un aperçu de la façon dont les opérations de DC peuvent être améliorées en appliquant les principes de gestion des opérations.
Le deuxième article révise les indicateurs de performance les plus utilisés dans les DCs. Nous analysons ces indicateurs et trouvons plusieurs inconvénients. Ainsi, nous développons un nouvel indicateur de performance qui possède toutes les caractéristiques qu'un indicateur de performance devrait avoir selon la littérature. L'indicateur proposé est évalué à l'aide de données provenant de trois DCS et de tests de laboratoire contrôlés.
Le troisième article propose une méthode pour modéliser et prévoir la charge-à-risque des systèmes informatiques. Les données du système informatique d'une entreprise finlandaise sont utilisées pour valider la méthode développée. Les résultats montrent que la méthode permet de modéliser et de prévoir avec succès la charge-à-risque des systèmes informatiques. Ceci fournit aux opérateurs de systèmes informatiques une meilleure information sur la hauteur de la charge de travail potentielle maximale du système avec un niveau de confiance.
En résumé, cette recherche fournit des moyens pour aider les opérateurs de systèmes informatiques à améliorer l'efficacité de fonctionnement de leurs ressources informatiques.
--
Motivated by both economic and environmental reasons, there has been a boost in the number of studies attempting to improve the energy efficiency of data centers (DCs). However, after analyzing the literature related to the improvement of the efficiency of DCs, we spotted several gaps that are assessed in this thesis.
In the first paper, we study how opérations management principles apply to DCs running scientific jobs. In particular, we test Little's law, the law of variability and the law of utilization by using data from three major scientific data centers. Results show that both, Little's law and the law of utilization, hold, while the law of variability does not. These findings give insights into how DC opérations can be improved by applying opérations management principles to DCs.
The second paper reviews the most commonly used performance indicators in DCs. We analyze these indicators and find several drawbacks. To overcome these drawbacks, we develop a new performance indicator that has ail the characteristics that a normal performance indicator should have according to the literature. The proposed indicator is evaluated using data from three DCs and by controlled lab-tests.
In the third paper, a two-step method to model and forecast the Load-at-Risk of Computing systems is proposed. Data from a Finnish company's Computing system is used to validate the method developed. Results show that the two-step method successfully models and forecasts the Load-at-Risk of Computing systems. This provides operators of Computing systems with better information regarding how high the workload of the system could be with a significance level.
To sum up, this research provides means to assist the managers and operators of Computing systems to improve the efficiency at which their Computing resources are operated.