تکنیک پیشبینی و سبک برای مهاجرت کانتینر در محاسبات ابری با استفاده از Change Data Capture (CDC)

تحقیقات حاضر نشان داده است که سیستم های مجازی سازی کانتینر در مقایسه با سیستم های مجازی سازی سنتی، موثرتر و ساده تر برای مدیریتهستند. فرآیندهای مهاجرت زنده می توانند با استفاده از کانتینرهای سبک که بر اساس تکنیک های مجازی سازی توسعه یافته اند، به طور قابل توجهیکاهش یابند. این تکنیک با انتقال حداقل حافظه منبع بدون توقف فرآیند مهاجرت، تعلیق سرویس را کاهش میدهد. بنابراین، انتقال تعداد زیادیاز صفحات حافظه منجر به زمان مهاجرت طولانی و زمان خرابی میشود که بر عملکرد برنامه های کانتینری تاثیر می گذارد و هزینه را تحت تاثیرقرار می دهد. در این مقاله، مهاجرت زنده کانتینر به روش پیش کپی به طور دقیق تحلیل شده است تا امکان بهبود عملکرد در برنامه های مختلف رابررسی کرده و یک تکنیک مهاجرت مبتنی بر احتمال برای غلبه بر محدودیت های انتقال حافظه معرفی شده است. با کمک تکنیک ادغامChange Dat a Capt ure (CDC)، فرآیند مهاجرت بهبود یافته و به کاهش حجم داده های منتقل شده و زمان خرابی کمک می کند. برای یادگیری مستمر، از کانتینرها برای اجرای و مدیریت سیستم مبتنی بر هوش مصنوعی در ابر استفاده شده تا تاخیر در سرویس در حین مهاجرتکاهش یابد. فاز پیش دمپ اولین مرحله از ارسال سیستم فایل کانتینر به میزبان مقصد است. همچنین، صفحات کثیف در طی فرآیند مهاجرت بااستفاده از رویکرد فراابتکاری پیش بینی می شوند. پس از آن، مجموعه فعال صفحات و نرخ به روزرسانی آنها نیز شناسایی شده است. علاوه براین، بر اساس سطح آستانه حداکثر نرخ به روزرسانی، صفحات برای حذف از پیش دمپ فهرست بندی شده اند. تکنیک پیشنهادی در سناریوهایمختلف پیاده سازی و آزمایش شده و نتایج نشان میدهد که اندازه پیش دمپ را به میزان ۲۶.۴۸ ٪ در مقایسه با تکنیک مهاجرت پیش کپی سنتیکاهش میدهد که منجر به کاهش زمان خرابی برای خدمات ابری میشود. نتایج نشان میدهد که تکنیک پیشنهادی از نظر زمان کلی مهاجرت ومقدار داده های منتقل شده از روشهای موجود پیشی می گیرد. در فاز تکراری، میزان داده های منتقل شده ۳۱.۰۴ ٪ کاهش یافته است.

تکنیک پیشبینی و سبک برای مهاجرت کانتینر در محاسبات ابری با استفاده از Change Data Capture (CDC) Keywords:

مهاجرت کانتینر , پیش بینی حافظه , محاسبات ابری , امنیت , Change Dat a Capt ure (CDC)