یک الگوریتم تخصیص منبع آگاه از انرژی مبتنی بر اتوماتای یادگیر در محیط ابر
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 756
فایل این مقاله در 13 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_194
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
رایانش ابری با تامین منابع محاسباتی در زمان درخواست آن توسط کاربر، صنعت فناوری اطلاعات را متحول کرده است. گسترس رایانش ابری موجب، ایجاد مراکز داده بزرگ با هزاران گره کامپیوتری در سراسر جهان شده است. از طرف دیگر مراکز داده ابری مقدار زیادی انرژی الکتریکی مصرف می کنند که موجب افزایش هزینه های عملیاتی و تولید گازهای گلخانه ای می شود. در این مقاله یک الگوریتم جدید مبتنی بر اتوماتای یادگیر ارائه شده است که موجب بهبود بهره وری از منابع و کاهش مصرف انرژی می شود. روش پیشنهادی با درنظر گرفتن تغییرات منبع درخواستی کاربر، میزبانی را که ممکن است دچار سربار شود را پیش بینی می کند، و با استفاده از رگراسیون خطی میزان افزایش یا کاهش بهره وری پیش بینی می شود. روش پیشنهادی به علت جلوگیری از سربار سرورها موجب بهبود بهره وری میزبان ها و کاهش تعداد مهاجرت ها و همچنین با خاموش کردن سرورهایی که بیکار هستند منجر به کاهش انرژی مصرفی مرکز داده می شود. الگوریتم پیشنهادی در محیط نرمافزار CloudSim شبیه سازی گردیده و برای داده های بارکاری، اطلاعات پردازنده ده روز سیستم واقعی زیرساخت ابر PlanetLab استفاده شده است. کارایی الگوریتم پیشنهادی از نظر معیارهای انرژی مصرفی، تعداد میزبانهای خاموش شده با الگوریتم های DVFS، NPA، رگرسیون محلی (LR)، آستانه (THR)، میانگین انحراف مطلق(MAD) و دامنه میان چالاکی(IQR) مقایسه شده است. نتایج حاصل از شبیه سازی نشان میدهد الگوریتم پیشنهادی با میزان انرژی مصرفی 95.07 Kwh کارایی بهتری نسبت به سایر الگوریتمهای مورد مقایسه ارائه میدهد.
کلیدواژه ها:
نویسندگان
میلاد رنجبری
دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد اراک ، اراک
جواد اکبری ترکستانی
دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد اراک ، اراک
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 :