論文の概要: DBJoules: An Energy Measurement Tool for Database Management Systems

• arxiv url: http://arxiv.org/abs/2311.08961v1
• Date: Wed, 15 Nov 2023 13:51:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-16 15:57:05.781771
• Title: DBJoules: An Energy Measurement Tool for Database Management Systems
• Title（参考訳）: DBJoules:データベース管理システムのためのエネルギー測定ツール
• Authors: Hemasri Sai Lella, Kurra Manasa, Rajrupa Chattaraj and Sridhar Chimalakonda
• Abstract要約: textbftextitDBJoulesは、データベースシステムのアクティビティのエネルギー消費を測定するツールです。 textitDBJoulesは4つの人気データベースのCRUD操作のエネルギー測定をサポートする。
• 参考スコア（独自算出の注目度）: 4.3012765978447565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the rapidly evolving landscape of modern data-driven technologies, software relies on large datasets and constant data center operations using various database systems to support computation-intensive tasks. As energy consumption in software systems becomes a growing concern, selecting the right database from energy-efficiency perspective is also critical. To address this, we introduce \textbf{\textit{DBJoules}}, a tool that measures the energy consumption of activities in database systems. \textit{DBJoules} supports energy measurement of CRUD operations for four popular databases. Through evaluations on two widely-used datasets, we identify disparities of 7\% to 38\% in the energy consumption of these databases. Hence, the goal is to raise developer awareness about the effect of running queries in different databases from an energy consumption perspective, enabling them to select appropriate database for sustainable usage. The tool's demonstration is available at \url{https://youtu.be/D1MTZum0jok} and related artifacts at \url{https://rishalab.github.io/DBJoules/}.
• Abstract（参考訳）: 現代のデータ駆動技術の急速に発展する状況において、ソフトウェアは計算集約的なタスクをサポートするために様々なデータベースシステムを使用する大規模なデータセットと一定のデータセンター操作に依存している。 ソフトウェアシステムのエネルギー消費が増大するにつれ、エネルギー効率の観点から適切なデータベースを選択することも重要である。 これに対処するために、データベースシステムにおけるアクティビティのエネルギー消費を測定するツールである \textbf{\textit{dbjoules}} を導入する。 \textit{DBJoules} は4つの人気データベースのCRUD操作のエネルギー測定をサポートする。 広く使われている2つのデータセットの評価を通して、これらのデータベースのエネルギー消費量の7-%から38-%の差を識別する。 したがって、エネルギー消費の観点から異なるデータベースでクエリを実行することの効果に関する開発者の意識を高め、持続可能な利用のために適切なデータベースを選択できるようにすることが目標だ。 ツールのデモは \url{https://youtu.be/D1MTZum0jok} で、関連するアーティファクトは \url{https://rishalab.github.io/DBJoules/} で公開されている。

関連論文リスト

• Reduce, Reuse, Recycle: Building Greener Sustainable Software [0.22252684361733285]
  データセンターは世界の電力使用量の1%以上を占めている。 非自明な省エネは、プログラミングの基本的な側面についてエネルギーを意識した決定を行うことによって、ソフトウェアで達成できる。
  論文  参考訳（メタデータ） (2023-11-03T03:03:13Z)
• WattScope: Non-intrusive Application-level Power Disaggregation in Datacenters [0.6086160084025234]
  WattScopeは、個々のアプリケーションの消費電力を非侵襲的に推定するシステムである。 WattScopeは、ビルドパワーを分離するための機械学習ベースのテクニックを適応し、拡張する。
  論文  参考訳（メタデータ） (2023-09-22T04:13:46Z)
• Enhancing Energy-Awareness in Deep Learning through Fine-Grained Energy Measurement [11.37120215795946]
  本稿では,詳細なディープラーニングエネルギー消費測定のためのフレームワークであるFECoM(Fine-fine Energy Consumption Meter)を紹介する。 FECoMは、静的計測を用いて、計算負荷安定性や温度など様々な要因を考慮し、エネルギー消費をきめ細かいレベルで測定する課題に対処する。
  論文  参考訳（メタデータ） (2023-08-23T17:32:06Z)
• Non-Intrusive Electric Load Monitoring Approach Based on Current Feature Visualization for Smart Energy Management [51.89904044860731]
  我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。 マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
  論文  参考訳（メタデータ） (2023-08-08T04:52:19Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Towards Sequence Utility Maximization under Utility Occupancy Measure [53.234101208024335]
  データベースでは、ユーティリティは各パターンに対して柔軟な基準であるが、ユーティリティ共有を無視するため、より絶対的な基準である。 まず、まず、シーケンスデータに対するユーティリティの占有を定義し、高ユーティリティ・アクシデント・パターンマイニングの問題を提起する。 SuMU(Sequence Utility Maximization with Utility cccupancy measure)と呼ばれるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-20T17:28:53Z)
• A semantic web approach to uplift decentralized household energy data [4.233200689119682]
  この分野の多くのデータベースは、エネルギーに関する情報を含む他の領域からサイロ化されている。 これにより、各機器のエネルギー消費に関する情報(テクストなど)が失われる可能性がある。 本稿では,家庭用エネルギーシステム上でのセマンティックWeb手法を検討することにより,スマートエネルギーシステムにおけるデータ分離問題に取り組む。
  論文  参考訳（メタデータ） (2022-08-18T17:21:18Z)
• Decision-making Oriented Clustering: Application to Pricing and Power Consumption Scheduling [61.062312682535755]
  本稿では、意思決定指向クラスタリングの枠組みを定式化し、データ空間の判断に基づく分割と適切な代表決定を提供するアルゴリズムを提案する。 この新しいフレームワークとアルゴリズムを、リアルタイム価格と消費電力スケジューリングの典型的な問題に適用することにより、洞察に富んだ分析結果を得る。
  論文  参考訳（メタデータ） (2021-06-02T08:41:04Z)
• A Unified Transferable Model for ML-Enhanced DBMS [53.46830627879208]
  本稿では,タスク間で伝達可能な知識をキャプチャするマルチタスクトレーニングプロシージャと,db間でのメタ知識を蒸留するプリトレーニングファインチューンプロシージャを用いた統一モデルmtmlfを提案する。 このパラダイムはクラウドDBサービスに適しており、将来的にMLの使用方法に革命をもたらす可能性があると考えています。
  論文  参考訳（メタデータ） (2021-05-06T03:31:32Z)
• Power Modeling for Effective Datacenter Planning and Compute Management [53.41102502425513]
  我々は,すべてのハードウェア構成とワークロードに適用可能な,正確でシンプルで解釈可能な統計パワーモデルの設計と検証の2つのクラスについて論じる。 提案された統計的モデリング手法は, 単純かつスケーラブルでありながら, 4つの特徴のみを用いて, 95% 以上の多様な配電ユニット (2000 以上) に対して, 5% 未満の絶対パーセンテージエラー (MAPE) で電力を予測できることを実証した。
  論文  参考訳（メタデータ） (2021-03-22T21:22:51Z)
• Building power consumption datasets: Survey, taxonomy and future directions [2.389598109913753]
  本研究は,建築エネルギー消費データセットの数値的および方法論的性質を調査,研究,可視化するために提案される。 地理的な位置,収集期間,監視対象世帯数,収集データのサンプリング率,サブメータ家電数,抽出特徴量,リリース日など,合計31のデータベースを調査・比較した。 新たなデータセット、すなわち、注釈付き消費電力異常検出データセットであるカタール大学データセットが提示されている。
  論文  参考訳（メタデータ） (2020-09-17T10:19:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。