ارایه رویکردی پیشگویانه جهت بهینه سازی تلفیق پویای ماشین های مجازی در مراکز داده رایانش ابری با هدف کاهش مصرف انرژی

در این کار پژوهشی، راهکارهایی برای تصمیم گیری در مورد لزوم انجام مهاجرت و یافتن میزبان های مناسب به عنوان مقصد مهاجرت، ارایه گردیده است. الگوریتم پیشنهادی، با استفاده از روش پیش بینی سری های زمانی و تکنیک نمو هموار دوبل (DES)، بهره وری پردازنده در آینده را پیشگویی نموده و همچنین رابطه ای بهینه را برای حد آستانه پایین پویا پیشنهاد داده است. این الگوریتم با مقایسه بهره وری فعلی و پیشگویی شده ی پردازنده با حدود آستانه بالا و پایین پویا، میزبان های کم بار و پربار را شناسایی و دسته بندی می نماید و براساس این دسته بندی، مهاجرت از روی میزبان هایی که حایز شرایط لازم برای انجام مهاجرت هستند، صورت می پذیرد. در این مقاله نوعی از میزبان ها با عنوان میزبان های دردسرساز شناسایی شده اند که به احتمال زیاد، روند پیشگویی و تصمیم گیری در برخورد با آن ها دچار اختلال می شود. الگوریتم در مواجهه با این نوع میزبان ها، سیاست هایی را برای اصلاح یا به حالت خواب بردن آن ها اعمال می نماید. برای یافتن میزبان های مناسب به عنوان مقصد مهاجرت، کلیه میزبان های پربار، مستعد پربارشدن، کم بار و مستعد کم بار شدن، از لیست مقاصد مناسب خارج می گردند. بهبود 2/86، 4/28 و 2/87 درصدی به ‎صورت میانگین و به ترتیب در معیارهای تعداد مهاجرت های ماشین های مجازی، میزان مصرف انرژی و میزان نقض SLA، از دستاوردهای این کار پژوهشی می باشد.

Keywords:

رایانش ابری , ماشین مجازی , مهاجرت زنده , تلفیق پویا , توافقنامه سطح خدمات , مصرف انرژی