سازوكار تجميع ماشين¬هاي مجازي براي بهبود تعادل بار و بهره¬وري انرژي در مراكز داده ابري ناهمگن

كارشناسي ارشد

اينترنت اشيا با اتصال اشياي روزمره به شبكه جهاني، تحولي شگرف در حوزه‌هاي مختلفي همچون پزشكي، حمل‌ونقل و مديريت شهري ايجاد كرده است. دستگاه‌هاي متصل به اينترنت اشيا حجم عظيمي از داده‌ها را توليد مي‌كنند كه فراتر از ظرفيت پردازشي و ذخيره‌سازي داخلي آن‌هاست. براي مديريت مؤثر اين داده‌ها و استخراج ارزش از آن‌ها، پردازش ابري به‌عنوان يك راهكار قدرتمند مطرح مي‌شود. بااين‌حال، رشد فزاينده مراكز داده براي پشتيباني از پردازش ابري، نگراني‌هايي را در خصوص افزايش مصرف انرژي و تأثيرات زيست‌محيطي آن ايجاد كرده است. در اين ميان، فناوري تجميع ماشين مجازي به‌عنوان يك راهكار كارآمد براي كاهش مصرف انرژي و بهينه‌سازي استفاده از منابع پردازشي مطرح مي‌شود. يكي از چالش‌هاي كليدي در تجميع ماشين مجازي، بهبود بهره‌وري انرژي و منابع است، به‌گونه‌اي كه كاهش كيفيت خدمات و نقض توافق‌نامه‌هاي سطح خدمات رخ ندهد. در اين پژوهش، رويكردي جامع براي حل هم‌زمان اين چالش‌ها پيشنهاد شده است. اين رويكرد در سه مرحله اجرا مي‌شود: ابتدا مصرف آينده ماشين‌هاي فيزيكي با استفاده از يك الگوريتم پيش‌بينانه تخمين زده مي‌شود و وضعيت بار آن‌ها شناسايي مي‌گردد. سپس، با بهره‌گيري از يك الگوريتم مبتني بر آگاهي از منابع، ماشين‌هاي مجازي مناسب براي مهاجرت انتخاب مي‌شوند كه اين انتخاب بر اساس وزن‌دهي و تحليل چولگي منابع صورت مي‌گيرد. در نهايت يك الگوريتم تركيبي (ابتكاري و آگاه به مصرف انرژي) براي انتخاب ماشين فيزيكي مناسب جهت ميزباني ماشين‌هاي مجازي استفاده مي‌شود كه تعادل بار ميان منابع مختلف را نيز مدنظر قرار مي‌دهد. ارزيابي نتايج نشان مي‌دهد كه رويكرد پيشنهادي به‌طور مؤثري اهداف خود شامل كاهش مصرف انرژي بدون افت كيفيت خدمات و نقض توافق‌نامه‌هاي سطح خدمات را محقق مي‌سازد. رويكرد پيشنهادي در مقايسه با يك رويكرد مشابه، بهبودهايي به ميزان 24 درصد در مصرف انرژي، 3.4 درصد در تعداد مهاجرت ماشين‌هاي مجازي، 35.5 درصد در SLAV، 51 درصد در ESLAV و 52.7 درصد در ESM نشان مي‌دهد.

230552

دانشگاه اصفهان

مهندسي كامپيوتر- شبكه هاي كامپيوتري

محمدرضا خيام باشي