Centros de processamento de dados (CPDs) são responsáveis por 1,5 por cento do consumo mundial de energia elétrica. Esse consumo tende a ampliar diretamente o efeito estufa e a emissão de gás carbônico. Técnicas de virtualização, que já vêm sendo utilizadas em provedores de computação em nuvem, podem ser utilizadas para aumentar a eciência energética de CPDs já que, com a virtualização, a infraestrutura nesses centros passa a permitir o compartilhamento de um mesmo hardware físico por várias máquinas virtuais (MVs). Uma alocação eciente de MVs pode diminuir a necessidade de hardware e o consumo de energia. Boa parte dos algoritmos de alocação de VMs existentes foca no compartilhamento de um único tipo de recurso, como o processador, ou assume que as demandas de recursos são determinísticas. Nesta dissertação de mestrado são apresentados e comparados algoritmos de alocação de VMs com o objetivo de reduzir o consumo de energia elétrica, além de serem considerados vários tipos de recursos com demandas não determinísticas. São implementados mecanismos de consolidação de VMs para reduzir o consumo de energia em CPDs e sem violar SLAs. Três algoritmos são apresentados. Os algoritmos diferem-se pela heurística implementada, sendo que dois deles baseiam-se no problema da mochila e um modela o problema utilizando computação evolutiva. Em média, em experimentos de simulação com congurações de computadores reais, os algoritmos propostos reduziram o consumo de energia a partir de 52 por cento até 89 por cento. Um framework de programação, disponibilizado como software livre, foi desenvolvido para executar as simulações e representa uma contribuição secundária da dissertação.

Data centers' electric power consumption corresponds to almost 1.5 percent of the total world wide elec- tric power consumption, with the consequent greenhouse eect and CO2 footprints. Virtualization techniques, which are already used by cloud computing providers, improve the energetic eciency of data centers infrastructure, since they enable the sharing of a same physical hardware among several Virtual Machines (VMs). An ecient VMs placement can reduce the hardware and energy needs. Most of the existing VMs placement algorithms focuses on the sharing of a single resource, like the processor, or assumes that resources demands are deterministic. In this dissertation, algorithms to place VMs, aiming the reduction of electric energy, are presented and compared. Besides, the algorithms consider multiple stochastic resources. The algorithms implement VMs consolidation mechanisms to reduce energy consumption in data centers and without violating SLAs. three algorithms are presented. The algorithms dier by the implemented heuristic. Two are based on the knapsack problem and one models the problem using evolutionary computation. In average, in sim- ulation experiments considering congurations of real computers, the proposed algorithms reduced the energy consumption starting from 52 percent up to 89 percent. A development framework, made available as free software, was developed to run the simulations and represents a secondary contribution of the dissertation.