Skip to main content
#confgarr25 

Francesco Genovese

ENEA
15 maggio
- Tra centro e periferia: l'evoluzione del calcolo nella ricerca

Biografia

Ricercatore presso il centro ricerche Casaccia di ENEA, si occupa di digital twin, big data, algoritmi di AI e data science applicata a dati energetici di consumo di DC HPC. Ingegnere elettronico ha conseguito il master di II livello in e-business & ICT for management. Attualmente coinvolto nelle attività del progetto di ricerca Rome-Technopole, ha maturato esperienze a vari livelli in progetti sulle applicazioni delle tecnologie ICT sia nel settore privato dell’ hi-tech che in quello pubblico della istruzione e ricerca.

Biografia

Ricercatore presso il centro ricerche Casaccia di ENEA, si occupa di digital twin, big data, algoritmi di AI e data science applicata a dati energetici di consumo di DC HPC. Ingegnere elettronico ha conseguito il master di II livello in e-business & ICT for management. Attualmente coinvolto nelle attività del progetto di ricerca Rome-Technopole, ha maturato esperienze a vari livelli in progetti sulle applicazioni delle tecnologie ICT sia nel settore privato dell’ hi-tech che in quello pubblico della istruzione e ricerca.

Abstract

Monitoraggio ed ottimizzazione energetica di Data Center-HPC

I DC in particolare quelli High Performance Computing (HPC) sono diventati sempre piu’ energivori ed inseguendo la continua e crescente domanda di servizi digitali ed applicazioni hanno migliorato di gran lunga le prestazioni. Tuttavia, l’aumento esponenziale delle prestazioni comporta anche risvolti significativi in termini di costi. E’ possibile razionalizzare l’utilizzo delle risorse ed efficientare il bilancio energetico per diminuire drasticamente i consumi anche attraverso soluzioni ad elevato margine di miglioramento ed economicamente sostenibili, che presuppongano una base di conoscenza molto sviluppata. La soluzione scalabile fornita da ENEA è realizzata su DC HPC in particolare sul cluster CRESCO 7 ed integra gli aspetti prestazionali a quelli inerenti il consumo energetico, garantendo il monitoring real time dell’infrastruttura mediante dashboards analitiche per la visualizzazione di opportuni parametri di utilizzo delle risorse , l’ elaborazione di KPIs e l’analisi di dati provenienti da schedulers, sensori IoT ed equipments per la costruzione di scenari predittivi di ottimizzazione dei consumi e allocazione delle risorse computazionali.

Presentazioni

  •  

Video

 

english Bio

Researcher at the Casaccia research center of ENEA, he deals with digital twin, big data, AI algorithms and data science applied to DC HPC energy consumption data. Electronic engineer, he obtained a II level master's degree in e-business & ICT for management. Currently involved in the activities of the Rome-Technopole research project, he has gained experience at various levels in projects on the applications of ICT technologies both in the private sector of hi-tech and in the public sector of education and research.

english Abstract

HPC Data Center Energy Monitoring and Optimization

DCs, especially High Performance Computing (HPC) ones, have become increasingly energy-intensive and, chasing the continuous and growing demand for digital services and applications, have greatly improved performance. However, the exponential increase in performance also entails significant implications in terms of costs. It is possible to rationalize the use of resources and make the energy balance more efficient to drastically reduce consumption also through solutions with a high margin of improvement and economically sustainable, which presuppose a highly developed knowledge base. The scalable solution provided by ENEA is implemented on DC HPC, in particular on the CRESCO 7 cluster, and integrates performance aspects with those inherent to energy consumption, ensuring real-time monitoring of the infrastructure through analytical dashboards for the visualization of appropriate resource usage parameters, the processing of KPIs and the analysis of data from schedulers, IoT sensors and equipment for the construction of predictive scenarios for optimizing consumption and allocating computational resources.

Organizzato da

Sponsor

Logo GARR

  • Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.

Consortium GARR - Via dei Tizii, 6 - 00185 Roma
| Tel. 0649622000 - Fax 0649622044 | CF 97284570583 – PI 07577141000 | Codice Destinatario 7EU9KEU |
Il contenuto di questo sito e' rilasciato, tranne dove altrimenti indicato, secondo i termini della licenza Creative Commons
Logo licenza Creative CommonsAttribuzione 4.0 Internazionale.