بهینه سازی مصرف انرژی مراکز داده ابری با استفاده از بهبود الگوریتم تخصیص منبع

توضیحات

چکیده

رشد سریع تقاضا برای استفاده از منابع محاسباتی ابری توسط مراکز داده عظیم، موجب مصرف مقادیر بالای انرژی و در نتیجه افزایش هزینه عملیاتی و افزایش تولید دی اکسید کربن شده است. یکپارچگی منابع ابری این امکان را فراهم میکند تا با تعلیق مراکز داده بی کار و یا کم کار، با استفاده از مهاجرت بار آنها به مراکز داده واجد شرایط، در مصرف انرژی صرفه جویی به عمل آید. ما در این مقاله یک الگوریتم اکتشافی ارائه دادهایم که در هنگام انتخاب منبع به رفتار گذشته و میزان ناهمگنی جریان های موجود روی میزبان ها و تعداد رقیبانی که برای بدست آوردن آن در تلاشند توجه کند؛ و الگوریتم بهبود یافته خود را بر اساس دو معیار مصرف انرژی و میزان رضایت کاربر، با الگوریتم های معروف BFD ،PABFDو FFDمقایسه کرده ایم و برای پیاده سازی و ارزیابی الگوریتم خود از شبیه ساز معروف Cloudsim3استفاده نموده ایم. همان طور که خواهید دید موفق شده ایم در نتایج به بهبود قابل توجهی دست یابیم.

 

 

مقدمه

از آنجا که رایانش ابری یک الگوی نسبتا جدید میباشد، هنوز با چالش های بسیاری روبرو است. یکی از چالش های مهمی که ارائه دهندگان سرویس های ابری با آن مواجه هستند مدیریت موثر منابع فیزیکی میزبانی شده توسط زیرساخته ای فیزیکی میباشد. به نظر میرسد که جایگذاری اولیه جریان های کاری که در آن به هر ماشین مجازی (VM) سهم اولیه ای از منابع داده میشود، با ماهیت پویای جریان های کاری محیط های ابری که هر لحظه ممکن است حجم تقاضای آنها با کاهش و یا افزایش روبرو شود سازگار نباشد. بنابراین نقاط مهمی در مراکز داده به وجود میآید که منابع مورد نیاز ماشین های مجازی از ظرفیت مرکز دادهای که روی آنها میزبانی میشوند بیشتر میشود. بنابراین در مقیاس بزرگ این منابع نیاز به مدیریت خودکار دارند تا بتوانند به مشکلات این نقاط رسیدگی نمایند. یکی از مهمترین وظایف فراهم کنندگان سرویس های ابری مدیریت منابع است. مصرف کنندگان ابر درخواست سرویس را از هر جایی از جهان به ابر میفرستند. ارائه دهندگان سرویس های ابری باید به مشتریان اطمینان دهند که نیازهای آنها به طور کامل برآورده خواهد شد. تا همین  اواخر بدست آوردن کارایی بالا تنها نگرانی در هنگام تخصیص منابع بود. بدون آنکه هزینه های در حال افزایش انرژی در نظر گرفته شود.

 

ABSTRACT

The rapid growth of demand for cloud computing resources by massive data centers has led to high energy consumption, resulting in increased operating costs and increased production of carbon dioxide. Integration of cloud resources makes it possible to save energy by suspending data centers for work or work, using their migration to qualified data centers. In this paper, we present an exploratory algorithm that addresses the past behavior and the heterogeneity of the current flows on the hosts and the number of competitors who are working to achieve it; and improved its algorithm based on two consumption criteria The energy and satisfaction of the user have been compared with the famous algorithms BFD, PABFD and FFD, and we used the famous Cloudsim3 simulator to implement and evaluate our algorithm. As you will see, we have succeeded in achieving significant improvements in the results.

INTRODUCTION

Because cloud computing is a relatively new pattern, it still faces many challenges. One of the key challenges facing cloud service providers is the effective management of physical resources hosted by a physical subsystem. It seems that the initial placement of work flows where each virtual machine (VM) is given the initial contribution of resources, with the dynamic nature of the cloud computing workflow that can reduce or increase their demand at any given moment. Not compatible. Therefore, important points arise in data centers where the resources required by virtual machines increase the capacity of the data center hosted on them. Therefore, on a large scale, these resources require automated management to address the problems of these areas. One of the most important tasks of cloud service providers is the management of resources. Cloud consumers send cloud service requests to the cloud from anywhere in the world. Cloud service providers must assure customers that their needs are fully met. Until recently, achieving high performance was only a concern when allocating resources. Without increasing energy costs.

Year: 2013

Publisher : The 8th Symposium on Advances in Science and Technology (8thSASTech)

By : Farzaneh Ebrahimi, Akbar Farhudinejad, Ahmad Farahi

File Information: persian Language/ 7 Page / size: 828 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1392

ناشر : سمپوزیوم هشتم پیشرفت در علوم و تکنولوژی (8thSASTech)

کاری از : فرزانه ابراهیمی، اکبر فرهودی نژاد، احمد فراهی

اطلاعات فایل : زبان فارسی / 7 صفحه / حجم : KB 828

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود