ارایه روشی برای کاهش مصرف انرژی در مراکز داده ابری مبتنی بر ترکیب ماشین های مجازی با استفاده از الگوریتم ژنتیک کوانتومی

رشد سریع تقاضا برای قدرت محاسباتی موجب شده است تا تغییر جهتی به سوی مدل رایانش ابری که بر اساس مراکز داده مجازی شده عظیم بنا شده است، صورت پذیرد. چنین مراکز داده ای به صورت معمول انرژی مصرفی بالایی را طلب می کنند. با توجه به اینکه بیشترین مصرف انرژی در مراکز داده توسط ماشین های فیزیکی صورت می گیرد، لذا استفاده از حداکثر ظرفیت و مسیله تخصیص ماشین های مجازی به آنها، یکی از چالش های اساسی برای ارایه دهندگان سویس در رایانش ابری است که با کم کردن تعداد ماشین های فیزیکی روشن، بتوان مصرف انرژی را به میزان قابل توجهی کاهش داد. از سوی دیگر تخطی از توافقات سطح سرویس از چالش های مهم دیگری است که ارایه کنندگان سرویس ابر باید به آن توجه داشته باشند. در سال های اخیر، پیشنهادهای بسیاری به منظور حل مسیله کاهش مصرف انرژی وجلوگیری از افزایش تخطی از توافقات سطح سرویس در مراکز داده ابری با استفاده از الگوریتم های مختلف از جمله الگوریتم های فراابتکاری مانند کلونی مورچگان، ازدحام ذرات، ژنتیک متعارف و ... ارایه شده است که هرکدام، مقداری مصرف انرژی را کاهش و مقداری نیز توافقات سطح سرویس را نقض کرده اند. در این مقاله یک رویکرد مبتنی بر ترکیب ماشین های مجازی، با استفاده از الگوریتم ژنتیک کوانتومی ارایه شده که به کمک داده های مرسوم بار کاری کلاسترهای محاسباتی در محیط شبیه ساز کلودسیم پیاده سازی شده است. نتایج روش پیشنهادی نشان می دهد این الگوریتم برای کشف پاسخ در ابرهای محاسباتی با مقیاس بزرگ نسبت به مدل های مورد مقایسه پاسخ های بهتری را در زمان اجرای اگلوریتم، میزان مصرف انرژی و تعداد نقض SLA از خود نشان می دهد.

Keywords:

مصرف انرژی , الگوریتم های فراابتکاری , الگوریتم ژنتیک کوانتومی , ادغام ماشین های مجازی , رایانش ابری