 |
 |
Simon Pierre Dembele ; Ladjel Bellatreche ; Carlos Ordonez ; Nabil Gmati ; Mathieu Roche et al. - Les Grandes Étapes vers l'éco-traitement des requêtes - Thinking Smart
arima:6767 - Revue Africaine de Recherche en Informatique et Mathématiques Appliquées, 30 mars 2021, Volume 34 - Numéro spécial CARI 2020 - 2021 - https://doi.org/10.46298/arima.6767
1,2; Ladjel Bellatreche 1,2; Carlos Ordonez 3; Nabil Gmati ; Mathieu Roche ; Tri Nguyen-Huu ; Laurent Debreu
- 1 Ecole Nationale Supérieure de Mécanique et d'Aérotechnique [Poitiers] [ISAE-ENSMA]
- 2 École Nationale Supérieure de Mécanique et d’Aérotechnique [Poitiers] [ISAE-ENSMA]
- 3 University of Houston
Les ordinateurs et les machines électroniques des entreprises consomment une quantité importante d’électricité, libérant ainsi du dioxyde de carbone (CO2), qui contribue aux émissions de gaz à effet de serre. L’efficacité énergétique est une préoccupation urgente dans les systèmesinformatiques, partant des équipements mobiles aux grands serveurs dans les centres de données, afin d’être plus respectueux envers l’environnement. Afin de répondre aux exigences croissantes en matière de sensibilisation à l’utilisation excessive de l’énergie, de nombreuses initiatives ont été lancées sur l’efficacité énergétique pour le traitement des données massives couvrant les composantsélectroniques, les logiciels et les applications. Les optimiseurs de requêtes sont l’un des composants les plus énergivores d’un SGBD. Ils peuvent être modifiés pour prendre en compte le coût énergétique des plans des requêtes à l’aide des modèles de coût énergétiques intégrés dans l’optimiseur dans le but de réduire la consommation électrique des systèmes informatiques. Dans cet article, nousétudions, décrivons et évaluons la conception de trois modèles de coût énergétique dont les valeurs des paramètres sensibles à l’énergie sont définis en utilisant la technique de la Régression non linéaire et la technique des forêts aléatoires. Pour ce fait, nous menons une étude approfondie du principe de fonctionnement des SGBD choisis et présentons une analyse des performances en termes de temps et énergie sur des requêtes typiques du benchmarks TPC-H. Nous effectuons des expériences approfondies basées sur les systèmes PostgreSQL, MonetDB et Hyrise en utilisant un jeu de données généré à partir du benchmarks TPC-H afin de valider nos propositions.