مروری بر جایابی ماشین مجازی برای کاهش انرژی در رایانش ابری

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,429

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

RSTCONF01_338

تاریخ نمایه سازی: 30 آبان 1394

Abstract:

سال های اخیر، زیرساخت IT به دلیل تقاضا برای توان محاسباتی که توسط برنامه های کاربردی استفاده می شود به طورسریع در حال رشد است و مراکز داده مدرن در رایانش ابری در حال میزبانی انواع برنامه های کاربردی پیشرفته هستند. هزینه بالای انرژی و تولید گازهای گلخانه ای مشکل قابل توجهی است که به عنوان نتایج حاصل از استفاده از مراکز داده بزرگ پدید آمده است. بنابراین ارائه یک روش موثر برای کاهش مصرف انرژی توسط مراکز ،به شدت توسط محققان در نظر گرفته شده است. از جمله روش های کاهش انرژی جایابی ماشین مجازی است. در این روش با استفاده از مهاجرت زنده ماشین مجازی تعداد سرور های فعال را کاهشمیدهیم. برای اینکار ماشین های مجازی که بر روی سرورهای دارای بهروه وری پایین را به سرور های دیگر مهاجرت داده و سرور های بیکار را به حالت خواب یا خامو تغییر وضعیت میدهیم..در این مقاله، ما یک مروری کلی بر روش های حل مسئله جایابی، انواع معماری مدیریت برای جایابی پویای ماشین های مجازی در مراکز داده به منظور کاهش مصرف انرژی پرداخته و آنها را با هم مقایسه نموده ایم.

Keywords:

تلفیق ماشین مجازی , جایابی ماشین مجازی , معماری مدیریت ماشین مجازی

Authors

حسین قیاسی

دانشجوی کارشناسی ارشد ،مهندسی نرم افزار،دانشکده کامپیوتر و دانشگاه آزاد اسلامی واحد محلات،

مصطفی قبائی آرانی

دکترای مهندسی نرم افزار،گروه، گامپیوتر، دانشگاه آزاد اسلامی واحد پرند ،

محبوبه شمسی

استادیار،دکترای مهندسی نرم افزار،گروه، گامپیوتر، دانشگاه قم

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • LIN, A. & CHEN, " Cloud computing as an innovatio. ...
  • Clark] B., Deshane T., Dow E., Evanchik S., Finlayson M., ...
  • Liao J... Chang C, Lun Y., Hsu C, Zhang X., ...
  • Beloglazov A., 20 1 3 , _ Energy-E fficient Management ...
  • Bonde D., ", .20 10, Techniques for Virtual Machine Placement ...
  • Gupta R.a, Pateriya R. K..2014, Survey On Virtual Machine Placement ...
  • Esnault A..2012 Energy-Aware Distributed Ant Colony Based Virtual Machine Consolidation ...
  • _ Quesnel F., Lebre A., Sidholt M., 2012, Cooperative and ...
  • Gandhi A, Balter H.. Das R., Lefurgy C., 2009, Optimal ...
  • Beloglazov A., Buyya R..2010, "Energy Efficient Resource Management in Virtualized ...
  • Liu L., Wang H., Liu X., Jin X., He W.. ...
  • Kaplan J., Forrest W., Kindler N., 2010, Re volutionizing Data ...
  • - Singh A., Hemalatha M..2013, "Cluster Based Bee Algorithm For ...
  • Gaoa Y., Guana H., Qia Z., Houb Y... Liuc L, ...
  • M.Hasanul Ferdaus, M. Murshed, _ Rodrigo Calheiros , R. Buyya, ...
  • Maab F., Liu F., Liu Z., 2012 Multi-obj ective Optimization ...
  • Feller E.., Rilling L, Morin Ch., 2011, Energy-Aware Ant Colony ...
  • Buyya R., Ranjan R., Calheiros R. N..20 10:Modeling and Simulation ...
  • Xu J., .Jose A, Fortes B..2010, Multi-obj ective Virtual Machine ...
  • Wu1 G., Tang M., Tian Y, Li w , 2012, ...
  • Jiang D., Huang P., Lin P., Jiang J., 2012Energy Efficient ...
  • Nakada H., Hirofuchi T., Ogawa H., Itoh S., ".2009, Toward ...
  • Tang M., Pan Sh., 2014" A Hybrid Genetic Algorithm for ...
  • نمایش کامل مراجع