معرفی یک روش جدید در تخصیص بهینه ماشین های مجازی به میزبان ها، در سرویس دهنده های رایانش ابری

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,080

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCSE01_045

تاریخ نمایه سازی: 9 بهمن 1392

چکیده مقاله:

امروزه با دسترسی به شبکه های بزرگ (اینترنت) و با کمک رایانش ابری، دسترسی و پردازش اطلاعات تحت ابر در هر مکان و هر زمان امکان پذیر است. سرویس های رایانش ابری در لایه ها و سطوح مختلفی مطرح می شوند. در سطح بسر به عنوان سرویس (IaaS)، تخصیص بهینه ماشین های مجازی به میزبان های فیزیکی، چالش جدی و از جمله مسائل NP-Hard می باشد. در این پژوهش میزان درخواست منابع ماشین های مجازی در آینده با کمک تحلیل سری های زمانی پیش بینی می شود. براساس پیش بینی انجام شده، حالات مختلفی برای یک میزبان از جهت بیش فعال بدن یا کم فعال بودن و روند درخواست منابع از میزبان متصور است. براساس این حالات با روش توضیح داده شده ممکن است بعضی ماشین های مجازی در میزبان ها، به عنوان کاندید برای مهاجرت انتخاب شوند. الگوریتم انتخاب مقصد مهاجرت، به صورت هوشمندانه بهترین ماشین مقصد را به منظور مهاجرت ماشین مجازی ذکر شده، انتخاب می کند. ارزیابی این روش و مقایسه آن با الگوریتم دو فازی افزایش بهره وری، کارایی و همچنی کاهش تعداد مهاجرت ماشین های مجازی در ابر را نشان می دهد.

کلیدواژه ها:

رایانش ابری ، تخصیص بهینه منابع ، مهاجرت ماشین های مجازی

نویسندگان

علی کرمی

عضو هیات علمی گروه مهندسی کامپیوتر دانشگاه شیخ بهایی بهارستان - اصفهان

نسرین مظاهری سودانی

عضو هیات علمی گروه مهندسی کامپیوتر دانشگاه شیخ بهایی بهارستان - اصفهان

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 :
  • A. Monaco. (12/1/2012). A Vie Inside the Cloud. Available: http ...
  • Wikipedia. (2012, 12/1/2012). Available: http ://en _ wikipedia .org/wiki/Cloud computing ...
  • G. Corporation. (2012, 12/1/2012). Google Official Website. Available: _ googl ...
  • M. M. Taheri, " A new scheduling optimization policy to ...
  • P. Bohrer, E. Elnozahy, T. Keller, M. Kistler, C. Lefurgy, ...
  • R. Brown, "Report to congress on server and data center ...
  • A. Beloglazov and R. Buyya, "Energy efficient resource management in ...
  • A. J. Younge, G. von Laszewski, L. Wang, S. Lopez-Alarcon, ...
  • M. M. Taheri and K. Zamanifar, "2-phase optimization method for ...
  • in Netvork Computing and Applications (NCA), 2012 11th IEEE Internationad ...
  • energy-efficient large-scale cloud computing data centers, " in Services Computing ...
  • Holzle, "The case for energy-prop ortional computing, " Computer, vol. ...
  • N. Liu, Z. Dong, and R. Rojas-Cessa, "Task and Server ...
  • B. Li, J. Li, J. Huai, T. Wo, Q. Li, ...
  • H. Mi, H. Wang, G. Yin , Y. Zhou, D. ...
  • نمایش کامل مراجع