یک مدل سوددهی برای سنجش و بهبود الگوریتم های تجمیع پویای سرور
Publish place: The Second National Conference on New Approaches in Computer and Electrical Engineering
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 448
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ02_036
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
برای تجمیع پویای سرور (DSC) از قابلیت مهاجرت زنده ی موجود درتکنولوژی مجازی سازی استفاده می شود. با استفاده از این قابلیت می توان تعدادی از ماشین های مجازی (VM) را، وقتی که تقاضای دسترسی به آنها کم است، روی تعداد کمتری از ماشین های فیزیکی (PM) تجمیع کرد تا بتوان بدون نقض توافق نامه های سطح خدمات (SLA) از حداقل تعداد ماشین های فیزیکی ممکن استفاده نمود. هدف ضمنی DSC بیشینه کردن سود مرکز داده، یا کمینه کردن هزینه هاست، که این هزینه ها عموما با استفاده از هزینه های عملیاتی PM ها و هزینه های مستقیم مربوط به مهاجرت VM ها تخمین زده می شوند. در این مقاله یک مدل سود دهی ارائه می کنیم که در آن به جای اینکه مستقیما به اعمالی چون مهاجرت VM ، هزینه های مصنوعی اختصاص دهیم، آن ها را به صورت افزایش هزینه های عملیاتی و جریمه های مندرج در SLA در نظر می گیریم. از این مدل می توان به عنوان یک ابزار مهم و تنها شاخص هزینه، برای بررسی الگوریتم های مختلف تجمیع سازی استفاده کرد. ما همچنین الگوریتمی برای DSC ارائه می دهیم که مبتنی بر پایداری جایگاه VM هاست و شکل بهبود یافته الگوریتم موجود می باشد و از شاخصمان برای مقایسه ی این دو الگوریتم به ازای مقادیر مختلف پارامترهای هزینه استفاده می کنیم.
Keywords:
Authors
علی میرزایی
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوترو فناوری اطلاعات، دانشگاه پیام نور تهران،
بیتا امیرشاهی
استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور تهران،
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 :