綠色大數(shù)據(jù)研究進(jìn)展*

宋歡歡，章露萍，文 紅，陳松林，廖潤(rùn)發(fā)

（電子科技大學(xué) 通信抗干擾技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，四川 成都 611731）

綠色大數(shù)據(jù)研究進(jìn)展*

宋歡歡，章露萍，文 紅，陳松林，廖潤(rùn)發(fā)

（電子科技大學(xué) 通信抗干擾技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，四川 成都 611731）

無(wú)所不在的移動(dòng)設(shè)備、無(wú)線傳感器、智能設(shè)備和科學(xué)儀器時(shí)刻都在產(chǎn)生數(shù)據(jù)，大數(shù)據(jù)的綠化問(wèn)題已經(jīng)成為通信發(fā)展的巨大挑戰(zhàn)。主要介紹幾種比較典型的節(jié)能措施，包括基本原理和方法，并對(duì)綠色大數(shù)據(jù)技術(shù)的挑戰(zhàn)和開(kāi)放性問(wèn)題進(jìn)行探討，最后展望發(fā)展方向，認(rèn)為如何降低大數(shù)據(jù)垃圾帶來(lái)的功耗，如何在壓縮數(shù)據(jù)時(shí)不引起數(shù)據(jù)分析的副作用以及如何利用軟件定義網(wǎng)絡(luò)和網(wǎng)絡(luò)功能虛擬化以實(shí)現(xiàn)有效的網(wǎng)絡(luò)管理，是綠色大數(shù)據(jù)發(fā)展面臨的挑戰(zhàn)。

綠色大數(shù)據(jù)；綠色數(shù)據(jù)中心；功率分配；能量收集

0　引 言

當(dāng)前，通信信息技術(shù)（Information and Communication Technology，ICT）開(kāi)啟了人類步入智能社會(huì)的大門(mén)，同時(shí)帶動(dòng)了現(xiàn)代物流、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、電子商務(wù)、網(wǎng)絡(luò)金融等現(xiàn)代服務(wù)業(yè)的發(fā)展，催生了車聯(lián)網(wǎng)、新能源、智慧城市、智能電網(wǎng)等產(chǎn)業(yè)的興起。各種業(yè)務(wù)數(shù)據(jù)正以幾何級(jí)數(shù)形式爆發(fā)[1]，給人類實(shí)現(xiàn)數(shù)字社會(huì)、網(wǎng)絡(luò)社會(huì)和智能社會(huì)造成了極大障礙。如今，TB、 PB、EB時(shí)代已成為過(guò)去，全球?qū)⒄竭M(jìn)入數(shù)據(jù)存儲(chǔ)的“澤它（Zetta）”時(shí)代。

大數(shù)據(jù)是一個(gè)大型或復(fù)雜的數(shù)據(jù)集，傳統(tǒng)的數(shù)據(jù)處理應(yīng)用程序已經(jīng)不能夠處理如此巨大的數(shù)據(jù)量[2]。大數(shù)據(jù)蘊(yùn)含著巨大的社會(huì)、經(jīng)濟(jì)和商業(yè)價(jià)值。大規(guī)模數(shù)據(jù)集和分析越來(lái)越多地被政府機(jī)構(gòu)、非政府組織和私營(yíng)企業(yè)所應(yīng)用。大數(shù)據(jù)技術(shù)是新一代的科學(xué)技術(shù)，在保證服務(wù)質(zhì)量的前提下，用來(lái)處理海量的多種類型數(shù)據(jù)[3]。這種新技術(shù)基于無(wú)線資源虛擬化實(shí)現(xiàn)[4]，以用戶租借、支付資源為模型。無(wú)線資源虛擬化指的是使用一組給定的網(wǎng)絡(luò)物理基礎(chǔ)設(shè)施來(lái)創(chuàng)建一套邏輯體系結(jié)構(gòu)。

大數(shù)據(jù)在抓取、管理和處理的各個(gè)環(huán)節(jié)都在消耗大量的能量，如何處理大量的數(shù)據(jù)以及如何實(shí)現(xiàn)環(huán)境可持續(xù)發(fā)展非常關(guān)鍵。大數(shù)據(jù)需要一個(gè)消耗大量計(jì)算功率和資源的規(guī)模龐大的數(shù)據(jù)中心，而能源消耗和其他資源的增加會(huì)導(dǎo)致溫室氣體排放增多，從而嚴(yán)重影響環(huán)境。ICT產(chǎn)業(yè)占全球能耗的2%～4%，是全球第五大能耗產(chǎn)業(yè)[5]。Gartner指出，IT基礎(chǔ)設(shè)施需要為全球2%的二氧化碳排放量負(fù)責(zé)[6]。2007年，ICT產(chǎn)業(yè)碳排放量已經(jīng)達(dá)到了8.5億噸。按照此速度增長(zhǎng)，預(yù)計(jì)到2020年，將會(huì)增長(zhǎng)至14億噸。因此，有必要采取節(jié)能措施，在大數(shù)據(jù)生存周期內(nèi)減少資源消耗，降低有害氣體排放，實(shí)現(xiàn)自然環(huán)境的持續(xù)性發(fā)展。

綠色大數(shù)據(jù)是綠色I(xiàn)CT重要的一部分，主要包括綠色計(jì)算[7]和綠色通信[8]，且這兩個(gè)概念高度重疊。Wu[9]詳細(xì)闡述了大數(shù)據(jù)生存周期內(nèi)三個(gè)階段的綠色通信問(wèn)題：（1）數(shù)據(jù)產(chǎn)生、數(shù)據(jù)獲取、數(shù)據(jù)通信；（2）數(shù)據(jù)存儲(chǔ)；（3）數(shù)據(jù)分析和處理。通過(guò)分析大數(shù)據(jù)綠化措施的相關(guān)性，提出了有效能效（Effective Energy Efficiency，EEE）和有效資源效率（Effective Resource Efficiency，ERE）兩個(gè)概念，為未來(lái)大數(shù)據(jù)的發(fā)展提供了新的觀點(diǎn)和潛在的綠色度量方法。文獻(xiàn)[10]提出一種基于壓縮感知技術(shù)的低復(fù)雜度傳感器框架。壓縮感知框架是基于隨機(jī)取樣和當(dāng)傳感器數(shù)據(jù)在空域及時(shí)域具有稀疏特性時(shí)的一種新的多維隨機(jī)取樣。新的空時(shí)壓縮機(jī)制滿足資源受限傳感器要求，相比其他只在一個(gè)維度上進(jìn)行壓縮感知的方案，明顯提高了編碼效率，節(jié)省了每個(gè)傳感器的能耗。

1　綠色數(shù)據(jù)中心研究進(jìn)展

目前，數(shù)據(jù)中心（Data Center）是處理IT（信息技術(shù)）大數(shù)據(jù)主要的基礎(chǔ)設(shè)施。文獻(xiàn)[11-12]指出，在數(shù)據(jù)中心服務(wù)器處理數(shù)據(jù)時(shí)將消耗45%的能量，加熱、通風(fēng)和空調(diào)大約消耗30%的能量。隨著大數(shù)據(jù)服務(wù)與應(yīng)用的快速發(fā)展，數(shù)據(jù)中心將消耗越來(lái)越多的能量，將成為一個(gè)重要和具有挑戰(zhàn)性的問(wèn)題。

近年來(lái)，云計(jì)算已成為計(jì)算機(jī)網(wǎng)絡(luò)和web供應(yīng)的重大革命技術(shù)。由于巨大的應(yīng)用前景，許多廠商如亞馬遜、IBM、華為已經(jīng)開(kāi)始設(shè)計(jì)、開(kāi)發(fā)和部署云解決方案來(lái)優(yōu)化自己的數(shù)據(jù)中心。數(shù)據(jù)中心功率預(yù)算非常重要。為了更好地管理云計(jì)算中動(dòng)態(tài)用戶位置和行為的web服務(wù)功耗，Wu Z[13]利用分布樹(shù)結(jié)構(gòu)，提出了一種基于邏輯層的功率預(yù)算設(shè)計(jì)方案。通過(guò)引入不同服務(wù)的分類功率上限（Classified Power Capping），在混合工作負(fù)載時(shí)作為控制參考，從而最大限度地節(jié)省功率。

云計(jì)算架構(gòu)滿足服務(wù)水平協(xié)議（Service Level Agreements，SLAs）的虛擬機(jī)整合，可以提高云功效。Corradi[14]提出一種有助于及時(shí)收集物理服務(wù)器功耗信息的云監(jiān)控基礎(chǔ)設(shè)施。所提方案不同于已有工作側(cè)重于解析建模和優(yōu)化技術(shù)，而是使用一個(gè)更實(shí)際的觀點(diǎn)了解服務(wù)器整合（Server Consolidation）在多大程度上有效降低功耗。通過(guò)收集IBM在都柏林創(chuàng)新中心的云部署信息，驗(yàn)證了虛擬機(jī)整合可以大幅降低功耗，虛擬機(jī)遷移是提高最終云功效的一個(gè)非常可行的解，通過(guò)整合虛擬機(jī)可以驅(qū)動(dòng)實(shí)現(xiàn)功耗和性能之間的均衡。

云計(jì)算技術(shù)非常適合降低維護(hù)IT基礎(chǔ)設(shè)施和投入資本的代價(jià)，云計(jì)算環(huán)境下并不能充分預(yù)測(cè)能量消耗。Park[15]提出一種基于CPU、內(nèi)存和硬盤(pán)利用率來(lái)預(yù)測(cè)能耗的方案。該方案并不需要利用設(shè)備測(cè)量實(shí)際能量消耗。為了驗(yàn)證方案的正確性，作者在主機(jī)上安裝了虛擬機(jī)，并利用HPM-100A來(lái)測(cè)量主機(jī)實(shí)際能量消耗。每個(gè)資源每秒獲得資源信息，通過(guò)云監(jiān)控保存在各自的Mysql（數(shù)據(jù)庫(kù)系統(tǒng)）中。通過(guò)CPU測(cè)試比較和分析預(yù)測(cè)功率消耗和實(shí)際能量消耗，結(jié)果顯示二者平均錯(cuò)誤率大約為4.22%。

文獻(xiàn)[16]則構(gòu)建了一個(gè)性能評(píng)價(jià)模擬器(稱為綠色數(shù)據(jù)分析儀)，用來(lái)模擬成千上萬(wàn)臺(tái)服務(wù)器組成的數(shù)據(jù)中心網(wǎng)絡(luò)。對(duì)于研究者來(lái)說(shuō)，該模擬器將是驗(yàn)證數(shù)據(jù)中心節(jié)能措施（功率調(diào)節(jié)和閑置邏輯）性能非常有用的工具。Alhaddadin[17]提出了一個(gè)用戶文件感知策略切換管理框架，用來(lái)開(kāi)發(fā)和區(qū)分用戶配置文件，從而達(dá)到更好的功效和資源優(yōu)化管理，同時(shí)還保障了其云服務(wù)的服務(wù)質(zhì)量。Asad[18]提供一種工作于數(shù)據(jù)中心網(wǎng)絡(luò)下的編碼方案，可以動(dòng)態(tài)控制降低通信數(shù)據(jù)體量和功耗，并且分析了分布式數(shù)據(jù)中心在不降低信息交換率的情況下最小化通信數(shù)據(jù)量的計(jì)算復(fù)雜度。

2　基于能量收集通信網(wǎng)絡(luò)研究

現(xiàn)代通信系統(tǒng)關(guān)注信息傳輸容量而忽略能量傳輸問(wèn)題。文獻(xiàn)[19]引入一種新的通信網(wǎng)絡(luò)叫做數(shù)據(jù)和能量綜合通信網(wǎng)絡(luò)（Data and Energy Integrated Network，DEIN）。這種網(wǎng)絡(luò)合并了兩個(gè)傳統(tǒng)分離過(guò)程，即無(wú)線信息傳輸（Wireless Information Transfer，WIT）和無(wú)線能量傳輸（Wireless Energy Transfer，WET），實(shí)現(xiàn)了數(shù)據(jù)和能量的聯(lián)合傳輸。能量傳輸利用射頻技術(shù)實(shí)現(xiàn)能量收集（Energy Harvesting，EH），而不是信息解碼。無(wú)線傳感器產(chǎn)生大量小塊數(shù)據(jù)構(gòu)成的無(wú)線大數(shù)據(jù)，成為DEIN網(wǎng)絡(luò)出現(xiàn)的驅(qū)動(dòng)力之一。這些傳感器通常由電池供電，遲早會(huì)耗盡電量而不得不被取出更換或充電。EH已經(jīng)成為非接觸式電池?zé)o線充電技術(shù)，并廣泛應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)。DEIN通信網(wǎng)絡(luò)考慮WIT和WET在全系統(tǒng)的聚合不僅是物理層也包括更高層，如媒體訪問(wèn)控制和信息/能量路由。信息和能量之間的權(quán)衡，二者的有效互動(dòng)需要各層設(shè)計(jì)新穎的網(wǎng)絡(luò)協(xié)議棧，如圖1所示。

圖1　DEIN總體協(xié)議棧（用戶側(cè)）

下面介紹一個(gè)DEIN底層資源公平分配案例。如圖2所示DEIN通信模型中，假設(shè)基站配置M根天線，K個(gè)單天線用戶配置有限電池容量(M≥K)，第i個(gè)用戶表示為Ui(i=1,…,K)，每個(gè)用戶的電池總?cè)萘繛镼max。每個(gè)用戶使用下行WET收集能量，并通過(guò)下行基站預(yù)編碼來(lái)激勵(lì)上行信息傳輸。固定時(shí)隙T=1s分成兩個(gè)階段——下行WET和上行WIT，持續(xù)時(shí)間分別為τT和(1-τ)T。通過(guò)能量預(yù)編碼，基站發(fā)送能量給用戶Ui。

圖2　一個(gè)DEIN通信模型：上行WIT下行WET

用戶Ui在時(shí)隙l(l=1,…,N)的上行信道表示為利用信道互異性，接收到的信號(hào)、功率和收集的能量分別表示為yl,i、Pl,i和El,i：

用戶利用收集到的能量激勵(lì)上行信息傳輸。假設(shè)用戶不消耗電路能量，基站在時(shí)隙l接收到信號(hào)：

i的信號(hào)xl,i滿足

基站采用線性接收機(jī)譯碼信號(hào)xl,i，其中譯碼向量表示為定義：

H-l,i奇異值分解得到：

利用迫零譯碼算法簡(jiǎn)化系統(tǒng)復(fù)雜度：

下行能量廣播階段用戶Ui在時(shí)隙l的電池獲得的能量為Ql,i，其更新函數(shù)為：

為了保證公平，需要最大化最小平均上行WIT吞吐量?？梢酝ㄟ^(guò)最優(yōu)化下行能量預(yù)編碼實(shí)現(xiàn)，最優(yōu)化問(wèn)題表示為：

該方案可以有效實(shí)現(xiàn)信息和能量的均衡。

3　基于博弈論的無(wú)線網(wǎng)絡(luò)資源分配

無(wú)線網(wǎng)絡(luò)環(huán)境中的大數(shù)據(jù)傳輸在保證一定的容量下，關(guān)注于分享海量信息數(shù)據(jù)。無(wú)線網(wǎng)絡(luò)虛擬化提供了一個(gè)有效實(shí)現(xiàn)大數(shù)據(jù)傳輸?shù)募夹g(shù)，其通過(guò)授權(quán)多個(gè)虛擬無(wú)線網(wǎng)絡(luò)映射到一個(gè)物理底層無(wú)線網(wǎng)絡(luò)（Substrate Wireless Network，SWN)，從SWN中下載信息數(shù)據(jù)。如何有效分配物理無(wú)線網(wǎng)絡(luò)的無(wú)線資源到多個(gè)虛擬無(wú)線網(wǎng)絡(luò)用戶，同時(shí)保證服務(wù)質(zhì)量，是一個(gè)非常重要的問(wèn)題。文獻(xiàn)[20]提出一種新穎的拍賣博弈方案，用來(lái)解決無(wú)線資源分配問(wèn)題，包括發(fā)射功率和無(wú)線頻譜。規(guī)劃無(wú)線資源分配問(wèn)題為一個(gè)拍賣過(guò)程，每個(gè)移動(dòng)用戶與其他虛擬用戶相互競(jìng)爭(zhēng)，投標(biāo)物理無(wú)線網(wǎng)絡(luò)有限的資源。

虛擬無(wú)線用戶根據(jù)自身的數(shù)據(jù)質(zhì)量發(fā)送不同的服務(wù)資源請(qǐng)求到一個(gè)物理底層無(wú)線網(wǎng)絡(luò)SWN，系統(tǒng)模型如圖3所示。首先，底層網(wǎng)絡(luò)控制器根據(jù)請(qǐng)求提取和劃分底層資源，然后分配這些資源到虛擬無(wú)線網(wǎng)絡(luò)。但是，在共享物理SWN時(shí)，由于有限的資源和干擾，容易導(dǎo)致用戶資源用戶請(qǐng)求發(fā)生沖突。

圖3　無(wú)線網(wǎng)絡(luò)虛擬化框架

在每個(gè)調(diào)度間隔中，虛擬用戶僅知道自己動(dòng)態(tài)請(qǐng)求發(fā)射功率和子信道情況。假設(shè)有K個(gè)終端用戶k∈{1,…,K}，則無(wú)線資源分配問(wèn)題可以規(guī)劃為一個(gè)4元組博弈結(jié)構(gòu)(θk,mk,Ak,Uk)。統(tǒng)計(jì)服務(wù)質(zhì)量指數(shù)θk，代表服務(wù)質(zhì)量違反概率的指數(shù)衰減率。θk越大，表示更快的衰減率，隱含系統(tǒng)可以提供更加嚴(yán)格的QoS要求。mk為第k個(gè)虛擬用戶的請(qǐng)求策略：

式中，xk,p和xk分別代表第k個(gè)用戶愿意為單位發(fā)射功率和每個(gè)子信道的付價(jià)。

Ak為在一定限制條件下分配給第k個(gè)虛擬用戶的資源方案，為：

式中，Pk表示在所有子信道上SWN可以分配給第k個(gè)虛擬用戶的最大平均發(fā)射功率，且而代表SWN可以給第k個(gè)虛擬用戶提供的子信道最大數(shù)量。收益函數(shù)Uk，利用有效容量作為發(fā)射功率博弈增益。

第k個(gè)虛擬用戶的總體收益為：

式中，Ek(Ak,θk)為第k個(gè)虛擬用戶總體有效容量，ρ1、ρ2分別代表有效容量和代價(jià)的權(quán)重，cp(·)、cn(·)則分別表示分配發(fā)射功率和子信道的代價(jià)。

虛擬用戶最佳請(qǐng)求策略為：

這個(gè)問(wèn)題可以分步進(jìn)行。首先，移動(dòng)用戶請(qǐng)求發(fā)射功率，旨在最大化每個(gè)子信道收益。其次，根據(jù)每個(gè)子信道上可用的發(fā)射功率，用戶開(kāi)始出價(jià)子信道數(shù)量，目的是最大化他們的總體收益。最后，隨著用戶不斷迭代競(jìng)價(jià)過(guò)程，博弈結(jié)果最終收斂到Nash均衡點(diǎn)，同時(shí)最優(yōu)化SWN和移動(dòng)用戶的收益，進(jìn)而最大化虛擬資源大數(shù)據(jù)傳輸網(wǎng)絡(luò)的總體性能。

4　結(jié) 語(yǔ)

大數(shù)據(jù)在給現(xiàn)代通信設(shè)備帶來(lái)壓力的同時(shí)，發(fā)展大數(shù)據(jù)已成為經(jīng)濟(jì)增長(zhǎng)的重要途徑。本文主要講述一些比較經(jīng)典的大數(shù)據(jù)節(jié)能措施，并且已經(jīng)在實(shí)際中取得了很好的效果。但是，綠色大數(shù)據(jù)許多問(wèn)題仍沒(méi)有得到充分的研究，新設(shè)計(jì)的通信機(jī)制和方法依舊比較受限。比如，并不是所有數(shù)據(jù)需要存儲(chǔ)在昂貴的存儲(chǔ)器中。因此，如何降低大數(shù)據(jù)垃圾帶來(lái)的功耗，以及如何壓縮數(shù)據(jù)而不引起數(shù)據(jù)分析的副作用，以及怎樣利用軟件定義網(wǎng)絡(luò)和網(wǎng)絡(luò)功能虛擬化實(shí)現(xiàn)有效的網(wǎng)絡(luò)管理同時(shí)降低網(wǎng)絡(luò)能量和資源的消耗，異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)存儲(chǔ)等問(wèn)題，仍是一項(xiàng)艱巨的挑戰(zhàn)。

[1] Bell G,Hey T,Szalay A.Beyond the Data Deluge[J].Scien ce,2009,323(5919):1297-1298.

[2] Wikipedia.Big Data[EB/OL].[2016-05-05].https:// en.wikipedia.org/wiki/Big_data.

[3] Gantz J,Reinsel D.Extracting Value from Chaos[J].IDC iview,2011,(1142):9-10.

[4] Hu h,Wen Y,Chua T S,et al.Toward Scalable Systems for Big Data Analytics: A Technology Tutorial[J].IEEEAccess,2014(02):652-687.

[5] 新華網(wǎng).實(shí)現(xiàn)低碳經(jīng)濟(jì)ICT減排蘊(yùn)藏巨大經(jīng)濟(jì)效益［EB/OL］．(2013-08-12)[2016-04-26]．http://news. xinhuanet.com/tech/2008-10/13/content_10187936.htm.

[6] Gartner.Gartner Estimates ICT Industry Accounts for 2 Percent of Global CO2 Emissions[EB/OL].(2015-03-01)[2016-04-29].http://www.gartner.com/newsroom/ id/503867.

[7] Murugesan S.Harnessing Green It:Principles and Practices[J].IEEE IT Professional,2008,10(01):24-33.

[8] Wu J,Rangan S,Zhang H.Green Communications:Theoretical Fundamentals,Algorithms,and Applications[M].Boca Raton,FL,USA:CRC Press,2012.

[9] Wu J,Guo S,Li J,et al.Big Data Meet Green Challenges: Greening Big Data[J].IEEE Systems Journal,2016, (99):1-13.

[10] Lee D,Choi J.Low Complexity Sensing for Big Spatiotemporal Data[C].Washington:Proceedings of 2014 IEEE International Conference on Big Data,2014:323-328.

[11] Lyengar M,Schmidt R.Energy Consumption of Information Technology Data Centers[EB/OL].(2010-10-01)[2016-04-25].http://www.electronics-cooling.com/2010/12/energyconsumption-ofinformation-technology-data-centers/.

[12] DeWitt K.Tech Companies Get Creative in Keeping Data Center Cool[EB/OL].(2015-08-01)[2016-04-26].https:// blog.opower.com/tag/data-centers/.

[13] Wu Z,Wang J.Power Control by Distribution Tree with Classified Power Capping in Cloud Computing[C]. Hangzhou:Proceedings of 2010 IEEE/ ACM Int'1 Conference on & Int'1 Conference on Cyber, Physical and Social Computing(CPSCom),2010:319-324.

[14] Corradi A,Franelli M,Foschini L.Increasing Cloud Power Efficiency Through Consolidation Techniques[C]. Kerkyra:Proceedings of 2011 IEEE Symposium on Computers and Communications (ISCC),2011:129-134.

[15] Park S,Mun Y.Prediction Method about Power Consumption by Using Utilization Rate of Resource in Cloud Computing Environment[C].Hong Kong:Proceedings of 2016 International Conference on Big Data and Smart Computing (BigComp),2016:265-268.

[16] Nam T M,Huong T T,Thanh N H,et al.A Reliable Analyzer for Energy-saving Approaches in Large Data Center Networks[C].Danang:Proceedings of 2014 IEEE Fifth International Conference on Communication and Electronics (ICCE),2014:200-205.

[17] Alhaddadin F,Liu W.A User Profile-Aware Policy-based Management Framework for Greening the Cloud[C]. Sydney:Proceedings of 2014 IEEE Fourth International Conference on Big Data and Cloud Computing(BdClo ud),2014:682-687.

[18] Asad Z,Chaudhry M A R,Malone D.Greener Data Exchange in the Cloud A Coding-based Optimization for Big Data Processing[J].IEEE Journal on Selected Areas in Communications,2016,34(05):1360-1377.

[19] Yang K,Yu Q,Leng S,et al.Data and Energy Integrated Communication Networks for Wireless Big Data[J].IEEE Access,2016(04):713-723.

[20] Zhu Q,Zhang X.Effective-Capacity based Gaming for Optimal Power and Spectrum Allocations over Big-Data Virtual Wireless Networks[C].San Diego:Proceedings of 2015 IEEE Global Communications Conference(GLOBECOM),2015:1-6.

宋歡歡（1987—），女，博士研究生，主要研究方向?yàn)榇髷?shù)據(jù)功率優(yōu)化；

文 紅（1969—），女，博士，教授，博士生導(dǎo)師，主要研究方向?yàn)闊o(wú)線通信與通信安全；

章露萍（1992—），女，碩士研究生，主要研究方向?yàn)槲锢韺影踩珒?yōu)化技術(shù)；

陳松林（1989—），男，博士研究生，主要研究方向?yàn)?G通信系統(tǒng)物理層安全技術(shù)研究；

廖潤(rùn)發(fā)（1989—），男，博士研究生，主要研究方向?yàn)橥ㄐ虐踩c保密。

Research Progress of Green Big Data

SONG Huan-huan, ZHANG Lu-ping, WEN Hong, CHEN Song-lin, LIAO Run-fa
(State Key Laboratory of Science and Technology on Communications, UESTC, Chengdu Sichuan 611731, China)

Due to Ubiquitous mobile devices, wireless sensors, smart devices and scientific instruments would constantly produce large quantity of data, and the greening of big data becomes a huge challenge to the development of communications. Several typical energy-saving measures are described, including their basic principles and methods, then the challenges and open issues of green big data technology explored, and finally the development trend of this technology forecasted. How to reduce power consumption caused by big data garbage, how to compress data without causing side effects of data analysis, and how to use softwaredefined networking and network function virtualization to achieve efficient network management while decreasing the network energy and resource consumption, are still regarded as the huge challenges to the development of green big data.

green big data; green data centre; power allocation; energy harvesting

Nationl Natural Science Foundation of China Project (No. 61271172;No. 61572114);Specialized Research Foundation for the Doctoral Program of Higher Education(No. 20130185130002)

中文分類號(hào)：TN929.5A

1002-0802(2016)-08-0955-05

10.3969/j.issn.1002-0802.2016.08.001

2016-04-20;

2016-07-23

date:2016-04-20;Revised date:2016-07-23

國(guó)家自然科學(xué)基金項(xiàng)目（No.61271172；No.61572114）；高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金（No.20130185130002）