یک الگوریتم تشخیص میزبان سربار مبتنی بر اتوماتای یادگیر در محیط ابر
Publish place: پنجمین همایش پژوهش های نوین در علوم و فناوری
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 445
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAA05_048
تاریخ نمایه سازی: 14 آذر 1395
Abstract:
تخ صیص منبع از چالشهای بزرگی محیط ابر میبا شد. موفقیت هر مکانیزم تخ صیص منبع به انعطافپذیری، مقیاسپذیری و کارایی آن مکانیزم در جایکه از منابع سختافزاری، برای تامین کارایی مورد نیاز ا ستفاده می شود، واب سته میبا شد. م شتریان از تامین کننده ابرانتظار دریافت کیفت مطلوب خدمات را دارند و از طرف دیگر رشد روز افزون مراکز داده موجب افزایش مصرف انرژی این مراکز شده است.در این مقاله یک روش جدید مبتنی بر اتوماتای یادگیر جهت تشخخخیص میزبان سخخربار و تخصخخیص کارامد منبع در محیط ابر پیشخخنهاد میگردد. روش پیشنهادی با درنظر گرفتن تغییرات منبع درخواستی کاربر، میزبانی را که ممکن است دچار سربار شود، و با محاسبه انحراف مطلق از میانه و واریانس میزان افزایش بهرهوری را پیشبینی میکند، که ضمن تضمین کیفیت خدمات، بهعلت جلوگیری از سربار سرور وهمچنین افزایش سرورهای که باید خاموش شوند منجر به کاهش انرژی م صرفی مرکز داده نیز می شود. الگوریتم پیشنهادی در محیط نرمافزار CloudSim شبیه سازی گردیده و برای دادههای بارکاری، اطلاعات پردازنده ده روز سی ستم واقعی زیر ساخت ابر PlanetLab استفاده شده است. کارایی الگوریتم پیشنهادی از نظر معیارهای انرژی مصرفی، نقض توافقنامه سطح خدمات و تعداد میزبانهای خاموش شده با الگوریتمهای DVFS ، NPA ، رگرسیون محلی ) LR (، آستانه ) THR (، انحراف مطلق از میانه) MAD ( و دامنه میانچالاکی) IQR ) مقایسه شده است. نتایج حاصل از شبیهسازی نشان میدهد الگوریتم پیشنهادی با میزان انرژی مصرفی 178.5 Kwh و نقض توافقنامه سطح خدمات 0.003 درصد کارایی بهتری نسبت به سایر الگوریتمهای مورد مقایسه ارائه میدهد.
Keywords:
Authors
میلاد رنجبری
دانشجو کارشناسی ارشد، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد اراک ، اراک، ایران
جواد اکبری ترکستانی
دانشیار، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد اراک ، اراک، ایران
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 :