جایابی ماشین مجازی با استفاده از اتوماتای یادگیر برای کاهش انرژی
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,350
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
RSTCONF01_348
Index date: 21 November 2015
جایابی ماشین مجازی با استفاده از اتوماتای یادگیر برای کاهش انرژی abstract
امروزه رایانش ابری به عنوان یکی از چالش برانگیزترین موضوعات تحقیق در فناوری اطلاعات مطرح است. مراکز داده، از جمله مخازنی هستند که با قدرت پردازشی خود میتوانند نیازهای رایانشی بسیاری از کاربران را برآورده سازند. یکی از مشکلات و چالشهای موجود در خصوص این مراکز داده، مصرف زیادانرژی آنها است. مصرف زیاد انرژی مراکز داده، باعث افزایش هزینه برای ارائه دهندگان سرویسهای رایانش ابری و همچنین انتشار گازهای CO2 میشود.بنابراین ارائه یک روش موثر برای کاهش مصرف انرژی توسط مراکز، به شدت توسط محققان در نظر گرفته شده است. در سالهای اخیر، تلاشهای زیادیبرای کاهش توان مصرفی مراکز داده ابری صورت گرفته است و رویکردهای زیادی در جهت کاهش توان مصرفی از قبیل رویکردهای سخت افزاری، رویکرد- های نرم افزاری و رویکردهای با استفاده از فناوری مجازیسازی ارائه شده است. جایابی ماشین مجازی، فرآیند انتخاب میزبان مناسب برای ماشین مجازی است. هدف جایابی میتواند به حداکثر رساندن توان استفاده از منابع موجود و یا صرفهجویی در انرژی به دلیل خاموش کردن برخی از سرورهای فیزیکی باشد. در این مقاله، یک روش جدید با استفاده از از اتوماتای یادگیر برای حل مصالحه بین کاهش مصرف انرژی و کاهش تخطی از توافقات سطح سرویس در جایابی پویای ماشینهای مجازی ارائه دادهایم.
جایابی ماشین مجازی با استفاده از اتوماتای یادگیر برای کاهش انرژی Keywords:
جایابی ماشین مجازی با استفاده از اتوماتای یادگیر برای کاهش انرژی authors
حسین قیاسی
نشجوی 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 :