بهینه سازی مدیریت منابع با روش مجازی سازی در محیط ابری

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,968

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AEBSCONF01_223

تاریخ نمایه سازی: 6 آبان 1393

چکیده مقاله:

رایانش ابری نمونه ی پردازش توزیع شده در مقیاس بزرگ می باشد که در آن مجموعه ای از منابع رایانش برای کاربران (که مصرف کنندگان ابر نامیده می شوند) از طریق اینترنت در دسترس قرار می گیرد. منابع رایانش، به عنوان مثال، قدرت پردازش، ذخیره سازی، نرم افزار و پهنای باند شبکه، برای کاربران ابر به عنوان خدمات اجتماعی در دسترس عموم ارائه می شوند. مدیریت بهینه منابع یکی از مهمترین مسائل در این حوزه می باشد. یکی از روش های کاهش مصرف انرژی توسط مرکز داده استفاده از تکنولوژی مجازی سازی است. این تکنولوژی به فرد اجازه می دهد تا سرورهای متعدد را در قالب یک گره فیزیکی به عنوان ماشین های مجازی (VMs) در نظر بگیرد و موجب می شود که مقدار سخت افزار در حال استفاده کاهش یابد. بهینه سازی مصرف منابع در رایانش ابری یکی از روش های کاهش هزینه ها می باشد. در این مقاله مدل ها و الگوریتم ها برای بهینه سازی منابع با روش مجازی سازی در رایانش ابر مورد بررسی قرار گرفته و تحلیل شده اند و در نهایت چالش ها برای این موضوع ارائه شده اند. اگر چه تمامی تکنیک های بهینه سازی بحث شده مهم هستند، اما برخی از آن ها متناقض می باشند. بنابراین، مشکل ترکیب تکنیک های مختلف بهینه سازی نشانگر چالش تحقیقاتی مهم در این حوزه می باشد. یکی از محدودیت های شیوه های موجود این است که الگوریتم های بهینه سازی کند هستند یا به محاسبات پیچیده و به یادگیری ماشینی نیاز دارند که مناسب برای محیط مرکز داده در مقیاس بزرگ نیست. سایر چالش های عمده تحقیقاتی در این حوزه را می توان در قالب سوالات زیر بیان نمود که عبارتند از: چگونه داده ها را بین کنترل کننده ها به صورت کارآمد توزیع نمائیم؟ چگونه به صورت کارآمد تکنیک های مختلف بهینه سازی را ترکیب نمائیم؟ چگونه مطمئن بشویم که راه حل نزدیک به بهینه کلی است؟ این پرسش ها باید به منظور توسعه روش مناسب برای مراکز داده با استفاده از پردازش ابری پاسخ داده شوند.

نویسندگان

زهرا صارمی

دانشجوی کارشناسی ارشد فناوری اطلاعات پردیس دانشگاه گیلان

اسداله شاه بهرامی

گروه مهندسی کامپیوتر دانشگاه گیلان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Buyya, R., Beloglazov, A., & Abawajy, J. (2010). Energy- efficient ...
  • Clark, K. Fraser, S. Hand, J. G. Hansen, E. Jul, ...
  • Chowdhary, K. (2012, May). Power-Delay Aware Resource Allocation in Cloud ...
  • Beloglazov, A., Abawajy, J., & Buyya, R. (2012). Energy-aware resource ...
  • _ _ Symposium _ _ _ _ NY, USA, 2001, ...
  • R. Nathuji, K. Schwan, Virtualpower: coordinated power management in virtualized ...
  • R. Raghavendra, P. Ranganathan, V. Talwar, Z. Wang, X. Zhu, ...
  • D. Kusic, J.O. Kephart, J.E. Hanson, N. Kandasamy, G. Jiang, ...
  • S. Srikantaiah, A. Kansal, F. Zhao, Energy aware consolidation for ...
  • M. Cardosa, M. Korupolu, A. Singh, Shares and utilities based ...
  • M. Gupta, S. Singh, Greening of the internet, in: Proceedings ...
  • N. Vasic, D. Kostic, Energy-aware traffic engineering, in: Proceedings of ...
  • C. Panarello, A. Lombardo, G. Schembra, L. Chiaraviglio, M. Mellia, ...
  • L. Chiaraviglio, I. Matta, GreenCoop: cooperative green routing with energy ...
  • offset determination for optical burst switched grids, Future Generation Computer ...
  • _ Tomas, A. Caminero, C. Carrion, B. Caminero, Network-aware meta ...
  • E. Dodonov, R. de Mell, A novel approach for distributed ...
  • L. Gyarmati, T. Trinh, Howcan architecture help to reduce energy ...
  • L. Ro dero-Merino, L. Vaquero, V. Gil, F. Galan, J. ...
  • R.N. Calheiros, R. Buyya, C.A.F.D. Rose, A heuristic for mapping ...
  • Workshop on Compilers and Operating Systems for Low Power, 2001, ...
  • نمایش کامل مراجع