Treball realitzat en col·laboració amb la Universitat de Mannheim

[ANGLÈS] This project endeavours to develop strategies to allocate services in Data Centers in a collaborative relationship between the Data Centers and its users and Energy Providers. We study the implications of allowing service delays and short-term prevision of the energy mix when allocating services in a Data Center. The project aims to propose heuristics and analyze them with the background framework of All4Green, a european FP7 project which aims to foster the relationship between all the partners of the ecosystem Energy Providers - Data Centers - End Users by the use of special contracts between each part that include flexibility and collaboration clauses. To that end, the theoretical framework of problem tractability, problem complexity, online decision problems theory and metaheuristics will be studied and fully explained in order to find the best way to model and develop approximation algorithms that allocate services in a Data Center taking into account the Carbon Emissions Factor. Finding the model is an arduous task and it will be through various modifications, simplifications and attuning of parameters that we will find the most suitable one. We will see that the final model of the system is a modified version of a very famous decision problem called the Bin Packing Problem. Later on, a family of heuristics will be proposed, studying thoroughly a couple of them and confirming the expectations: If we allow collaboration via the possibility of delaying and anticipating services we can obtain a huge benefit both economical and environmental when allocating services. Moreover we found a relationship between the level of collaboration a Data Center reaches (reflected in the advice and the possibility to delay) and the benefit. We can conclude that we have succeeded in reaching the original objectives of the project and we provide useful strategies, guidelines and recommendations to be used in the frame of the All4Green project or other similar projects.

[CASTELLÀ] Este proyecto intenta desarrollar estrategias de asignación de servicios en Data Centers basándose en una colaboración entre los Data Centers, los usuarios (ITC) y los proveedores de energía. Estudiamos las implicaciones de permitir pausas y retrasos negociados en la ejecución de ciertos servicios así como de obtener una previsión del tipo de energía usado cuando asignamos los servicios. El proyecto busca proponer heurísticas y analizarlas bajo el marco del proyecto All4Green, un proyecto europeo FP7 que propone incrementar las relaciones entre todos los miembros del ecosistema Proveedor de Energía - Data Centers - Usuarios Finales, mediante el uso de contratos especiales entre dichos miembros que incluyen cláusulas de flexibilidad y de colaboración. Con este fin, el marco teórico de la tratabilidad de problemas, la complejidad de problemas, los problemas de decision online y las metaheurísticas serán estudiados y explicados para buscar la mejor manera de modelar y desarrollar algoritmos de aproximación que asignen servicios en un Data Center teniendo en cuenta el factor de emisión de CO2. Encontrar este modelo no será fácil y requerirá de varias simplificaciones y modificaciones para llegar a ser lo más adecuado posible. Veremos que este modelo final es una versión modificada de un famoso problema de optimización combinatoria llamado "Bin Packing Problem". Después, una familia de heurísticas será propuesta, de la cuál se especificarán dos heurísticas simples y serán completamente analizadas y estudiadas, confirmando la idea inicial: Si se permite la colaboración mediante la posibilidad de retrasar, pausar y anticipar servicios se puede obtener un gran beneficio ambiental y económico mediante la asignación de dichos servicios. Además se verá la relación entre el nivel de colaboración (reflejado en la calidad de previsión y las posibilidades de retrasar servicios) y el beneficio. Podemos concluir que hemos tenido éxito al cumplir los objetivos iniciales del proyecto y proporcionamos estrategias, guías y recomendaciones útiles para ser usadas no sólo en el marco de All4Green sino en cualquier proyecto de esta índole.

[CATALÀ] Aquest projecte neix amb l'objectiu de desenvolupar estratègies per assignar serveis a Data Centers mitjançant una col·laboració entre aquests, els seus usuaris i els proveïdors d'energia. Estudiarem les implicacions de permetre retrassar i pausar serveis així com de conèixer les previsions a curt termini del tipus d'energia emprat quan assignem serveis a un Data Center. El projecte pretén proposar heurístiques i analitzar-les sota el marc del projecte All4Green, un projecte europeu FP7 que busca incrementar les relacions entre els membres del ecosistema Proveïdors d'Energia - Data Centers - Usuaris Finals mitjançant l'ús d'uns contractes especials entre cada part que inclouen clàusules de flexibilitat i col·laboració. Per aconseguir això, s'estudiarà a fons i s'explicarà el marc teòric de la tractabilitat i complexitat de problemes, així com els problemes de decisió online i les metaheurístiques, per tal de trobar la millor manera de modelar i desenvolupar algorismes d'aproximació que assignin serveis en un Data Center tenint en compte el factor d'emissions de CO2. Trobar aquest model no és fàcil i serà mitjançant vàries modificacions i simplificacions que arribarem al model més adequat. Veurem que el model final del sistema és una versió simplificada del famós problema Bin Packing Problem. Més endavant, una família d'heurístiques serà proposada, de les quals un parell seran estudiades a fons i confirmaran les expectatives: Si permetem col·laboració mitjançant la possibilitat de retrassar, pausar o anticipar serveis, podem obtenir un gran benefici no tan sols ambiental sinó també econòmic. A més, també hem vist una relació entre el nivell de col·laboració (entès com la qualitat de les prediccions i la possibilitat de retrassar més o menys serveis) i el benefici. Podem concloure que hem assolit els objectius originals del projecte, i proveïm d'estratègies, consells i recomanacions al projecte All4Green així com a altres projectes similars.