ارائه روش جدید انتخاب ماشین مجازی در تلفیق پویا با استفاده از الگوریتم جستجوی گرانشی GSA

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 722

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEASCONF01_283

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

میزبانی مراکز داده برنامه های کاربردی ابر مقدار بسیار عظیمی از انرژی را مصرف می کند که منجر به هزینه های عملیاتی بالا وافزایش میزان کربن به محیط زیست می گردد . بنابراین، ما نیاز به راه حل های رایانش ابری سبز داریم که نه تنها انرژی را برای محیط زیست ذخیره می کند بلکه هزینه های عملیاتی را نیز کاهش می دهد . برای مدیریت منابع کارآمد برای بهینه سازی مصرف انرژی از مجازی سازی استفاده می شود. مجازی سازی از فن آوری مهاجرت VM برای تلفیق پویا حجم کاری سرور و بهبود مصرف انرژی مراکز داده ابری استفاده می کند .در تلفیق ماشین های مجازی سعی بر آن است که ماشین های فیزیکی که بار کمی دارند به منظور بهینه سازی مصرف انرژی خاموش گردند. انتخاب ماشین مجازی یکی از زیر مسئله ها در تکنیک تلفیق پویای ماشینهای مجازی است که در راستای اهداف بیان شده بهترین ماشین مجازی کاندید را از میان ماشینهای مجازی که روی میزبان فرابار شده قرار دارند برای مهاجرت انتخاب می کند . به طوری که حداقل ماشین فیزیکی روشن باشد و ماشین فیزیکی فعلی نیز از حالت فراباری خارج گردد .در این تحقیق یک روش جدید برای انتخاب ماشین مجازی ارائه شده و نتایج حاصل از لحاظ انرژی مصرفی و سطح SLA نشان داده شده است

نویسندگان

حامد وحدت نژاد

استاد گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد بیرجند

صادق زینلی

مدیر گروه کامپیوتر دانشگاه آزاد اسلامی واحد بیرجند

راضیه گلرو

دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد اسلامی واحد بیرجند

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 :
  • Raja Wasim Ahmad, Abdullah Gani, Siti Hafizah Ab. Hamid, Muhammmad ...
  • _ M. Taheri , (2011) , "A new scheduling optimization ...
  • Rajkumar Buyya , Anton Beloglazov, and Jemal Abawajy, (201 0) ...
  • Yousri Mhedheb , Foued Jrad, Jie Tao , Joanna Kofodziej ...
  • Kleinrock, L. (20 05). A vision for the Internet. ST ...
  • Brown, R. (2008). Report to congress on server and data ...
  • Dr. Rajkumar Buyya , (2012) , E nergy-Efficient Cloud Computing: ...
  • Beloglazov, A.., (2013) _ E nergy-efficient management of virtual machines ...
  • W Cleveland, W. S. Robust locally weighted regression and smoothing ...
  • Guenter, B., Jain, N., & Williams, C., (2011), Managing cost, ...
  • Beloglazov, A., & Buyya, R.., 2012), Optimal online deterministi algorithms ...
  • E nergyefficient management of data (2010)..ل [12] Buyya, R., Beloglazov, ...
  • Christopher Clark, Keir Fraser, Steven Hand, Jacob Gorm Hansen, Eric ...
  • Norlina Mohd Sabri, Mazidah Puteh, and Mohamad Rusop Mahmood , ...
  • Seema Vahora1, Ritesh Patel , 2015 , CloudSim-A Survey on ...
  • نمایش کامل مراجع