مکان یابی بهینه ماشین های مجازی در مراکز داده ابرهای محاسباتی بوسیله الگوریتم فرا ابتکاری خفاش

ارایه دهندگان سرویس های ابری عموما مراکز داده با مقیاس بزرگ را در سراسر جهان مورد استفاده قرار می دهند تا بتوانند به نحو مطلوب سرویس های ابری خود را در اختیار مشتریان قرار دهند. مقیاس پذیری و بهره وری این مراکز داده و عملکرد خوب برنامه های کاربردی میزبان بطور عمیقی به عملکرد مناسب و مطلوب سیستم و بطور کلی کارایی سیستم تخصیص منابع آن مراکز داده ارتباط دارد. بیشتر آنها بر این عقیده اند که ماشین های مجازی مهمترین منابع موجود در مراکز داده اند که قرار است وظایف مختلفی را در کمترین زمان ممکن، با حداقل هزینه و نیز حداکثر کیفیت اجرا به مشتریان تحویل نمایند. بنابراین هدف تخصیص منابع به حداکثر رساندن سود دو طرفه برای مشتری و ارایه کننده سرویس ابری است. به گفته محققین این گونه مسایل از جنس مسایل حل نشدنی هستند، واضحتر آن که اجرای آنها به پیچیدگی زمانی و فضایی زیادی نیاز دارند. در نتیجه پژوهشگران بدنبال راه حل های دیگر غالبا بصورت ارایه الگوریتم های ابتکاری و تکنیک های هوشمند و یا اخیرا روش های بهینه سازی تکاملی با ترکیب ویژگی های مختلف که بتواند عملیات تخصیص منابع را به نحو مطلوبتر و بهینه تری انجام دهد، روی آورده اند. مهمترین ابعاد مورد توجه این مسایل حداقل سازی انرژی مصرفی، هزینه و بهبود کیفیت سرویس مخصوصا سرعت زمان پاسخ بوده است. در این پژوهش مدلی از الگوریتم فرا ابتکاری به نام الگوریتم خفاش که از مزیت سادگی و انعطاف پذیری برخوردار است استفاده شده است. الگوریتم خفاش یکی از روش های فرا ابتکاری است که بر اساس اصل انعکاس صدای خفاش و دریافت آن توسط این پرنده عمل می کند. این الگوریتم برای حل مسایل بهینه سازی بسیار مناسب تشخیص داده شده است. به دلیل ویژگی های میزان سازی فرکانس، بزرگنمایی خودکار و کنترل پارامتر، این الگوریتم توانایی ارایه راه حل در مسایلی با مقیاس بالا را دارد و در مقایسه با روش بهینه سازی ازدحام ذرات و خفاش پایه به ترتیب به میزان 28.66% و 31.39% کارایی بهتری دارد.

Keywords:

مهاجرت ماشین مجازی , مکان یابی ماشین مجازی , بهینه سازی مصرف انرژی , مرکز داده ابری , الگوریتم فراابتکاری , الگوریتم خفاش