بهینه سازی تکرار منابع در سیستم رایانش ابری

تخصیص ماشین های مجازی یکی از مسائل مهم در محاسبات ابری هست که عبارت است از تعیین بهینه محل ماشین های مجازی در سرورهای فیزیکی مرکز داده ابری، به نحوی که تعداد کمینه ای از سرورهای فیزیکی روشن بماند. تخصیص بهینه ماشین های مجازی به میزبان های فیزیکی می تواند هم مصرف انرژی را کاهش دهد و هم کیفیت ارائه سرویس را بهبود بخشد. تخصیص بهینه ماشین های مجازی به میزبان های فیزیکی علاوه بر تاثیر بسزایی که در کاهش مصرف انرژی مراکز داده دارد، می تواند برای جلوگیری از آلودگی محیط زیست، افزایش بهره وری مفید باشد، از این رو بهینه کردن تخصیص منبع همیشه یک چالش مهم محسوب می شود. داده های این پژوهش حاکی از آن است که به کارگیری روش های مختلف مجازی سازی، و ترکیب مناسب این روش ها و استفاده از استراتژی های تکاملی در بکارگیری این تکنیک ها می تواند به کشف الگوریتم های جدید منتج شود. الگوریتم جدید نتایج قابل قبولی را در حوزه بهینه سازی مصرف انرژی در محاسبات ابری به بار خواهد آورد. نتایج نشان می دهد روش پیشنهادی که از ترکیب دو الگوریتم IWD و MMT برای تخصیص منابع و انتخاب ماشین مجازی با مصرف 27 وات بر ساعت از لحاظ مصرف بهینه انرژی در بهترین شرایط قراردارد، توانسته است مصرف انرژی منابع را نسبت به دو الگوریتم GA و PSO تا حدی بهبود ببخشد و در مقابل بهبود مصرف انرژی درصدی از قراردادهای SLA نقض شده است. برای تحقیقات آتی گسترش روش پیشنهادی با استفاده از یک تابع برازندگی دو هدفه که کاهش مصرف انرژی و درصد نقض شدن قراردادهای SLA را دنبال می کند توصیه می شود.

Keywords:

محاسبات ابری , تخصیص منابع , کاهش مصرف انرژی