ارایه یک روش نزدیک به بهینه در انتخاب ماشین های فیزیکی مناسب جهت مهاجرت زنده ماشین های مجازی در محاسبات ابری

سرویس های ابر مزایای قابل توجهی از نظر هزینه و کارایی در اختیار مصرف کنندگان قرار می دهند، برای ارایه چنین سرویس هایی، برنامه های کاربردی باید بتوانند با کمترین وابستگی به زیرساخت سخت افزاری، اجرا شده و به آسانی منابع را به اشتراک گذارند. فناوری های مجازی سازی و انتقال زنده برای این منظور نقش اساسی در محاسبات ابری ایفا می کنند. مهاجرت ماشین های مجازی به مسیله حیاتی در مراکز داده مدرنی که براساس مجازی سازی کار می کنند تبدیل شده و اخیرا بسیار مورد توجه قرار گرفته است و مزایای خاصی از جمله توازن بار، مدیریت انرژی و تعمیر و نگهداری برای مراکز داده به ارمغان می آورند. مهاجرت زنده ماشین مجازی موجب تنزیل کارایی و مصرف انرژی می شود که در مراکز داده جدید، نمی توان نادیده گرفت. در میان چالش های موجود در مهاجرت ماشین مجازی، چالش انتخاب ماشین فیزیکی مناسب بسیار با اهمیت است. مطالعات نشان می دهد معیارهایی که بتوانند میزان مناسب بودن ماشین های فیزیکی به عنوان میزبانی برای ماشین های مجازی را به خوبی مدل کنند (رتبه دهی ماشین های باید فیزیکی)، با اهمیت است. ماشین مجازی بهتر است به ماشین فیزیکی که نیازهای جدیدش را بتواند برآورده سازد، مهاجرت داده شود. برای انتخاب بهترین مکان VM باید چندین پارامتر مانند توپولوژی فیزیکی، الگوی ارتباطی بین VMها، پهنای باند مصرف شده، طول مدت مهاجرت، تداوم خدمات، انرژی مصرف شده، امنیت و قیمت را در نظر گرفت بنابراین پیدا کردن یک مکان نزدیک به بهینه برای VM در ماشین فیزیکی که بین تعدادی یا همه این خصوصیاتی ذکر شده در طول زمان تعادل ایجاد کند یک مسیله چالش برانگیز است. به علاوه این مشکل باید به شیوه ای مقیاس پذیر حل شود زیرا تعداد سرورهای فیزیکی که در یک مرکز داده میزبانی می شود می تواند از ده به ده ها هزار سرور برود. روش های مرسوم، عدم قطعیت را در مراحل انتخاب ماشین فیزیکی در نظر نمی گیرند. در سال های اخیر، توانایی روش های مبتنی بر منطق فازی در لحاظ کردن عدم قطعیت ها در مسایل مختلف به اثبات رسیده است. در این پژوهش سه منظر برای رتبه دهی ماشین های فیزیکی جهت پیدا کردن مناسب ترین ماشین فیزیکی به عنوان میزبان مهاجرت به کمک منطق فازی جهت لحاظ کردن عدم قطعیت در ورودی و خروجی مراحل انتخاب ماشین فیزیکی، پیشنهاد داده شده است. در منظر اول ماشین های فیزیکی از نظر وضعیت سرویس دهی شان با استفاده از منطق فازی و به کمک سه معیار: بار کاری، بهره وری عملکرد و در دسترس بودن رتبه بندی می شوند. در منظر دوم، ماشین های فیزیکی از لحاظ مصرف انرژی شان به کمک تکنیک منطق فازی براساس معیار های توان و بهره وری درجه حرارت رتبه بندی می شوند. در منظر سوم خروجی این دو موتور منطق فازی و معیار هزینه ی ارتباطی به عنوان ورودی های موتور فازی سوم در نظر گرفته شده است که ماشین های فیزیکی را رتبه بندی می کنند. نتایج حاصل از شبیه سازی بهبود مناسبی در هزینه و بهره وری عملکرد مهاجرت ماشین های مجازی نشان می دهد.

Keywords:

محاسبات ابری , مجازی سازی , مهاجرت ماشین های مجازی , منطق فازی