بهره گیری از الگوریتم پرش ترکیبی قورباغه جهت کاهش مصرف انرژی مراکز داده ابری از طریق بهینه سازی مدیریت زمان بندی کارها و ترکیب موثر ماشین های مجازی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 296

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-48-2_020

تاریخ نمایه سازی: 17 تیر 1398

چکیده مقاله:

امروزه رایانش ابری سبز به دلیل کاهش اثرات زیست محیطی مورد توجه قرار گرفته است. یکی از معیارهایی که در رایانش ابری سبز  بر آن تاکید شده است، مصرف انرژی مراکز داده است. یکی از راهکارهای کاهش مصرف انرژی، که در این مقاله مورد بررسی قرار گرفته است، مدیریت زمان بندی کارها و ترکیب موثر ماشین های مجازی است. در این مقاله الگوریتمی جهت مدیریت زمان بندی کارها و توازن بار ارائه می شود. این الگوریتم به نام پرش ترکیبی قورباغه با بهره مندی از حافظه، همکاری و اشتراک گذاری اطلاعات بین قورباغه ها، سرعت همگرایی مناسب و انعطاف پذیری بهتر در برابر مشکل بهینه محلی، بهبود قابل توجهی نسبت به روش های سیستم تجمع مورچگان (ACO) و الگوریتم ژنتیک (GA) جهت مصرف انرژی و مهاجرت  ماشین مجازی فراهم می آورد. در این مقاله، مدیریتپویای منابع بر اساس ترکیب موثر ماشین های مجازی انجام می شود و توسط الگوریتم پیشنهادی با توجه به قرارداد سطح سرویس پیاده سازی می شود. تفاوت این روش با روش های دیگر در این است که بهبود پارامترهای  زمان، سرعت و دقت همگرایی رانشان می دهد. نتایج تجربی نشان می دهد که، روش ارائه شده موجود، از نظر مصرف انرژی، تعداد مهاجرت های ماشین مجازی و  نقض قرارداد سطح سرویس عملکرد بهتری دارد.

کلیدواژه ها:

رایانش ابری سبز ، مصرف انرژی ، مدیریت زمان بندی ، ترکیب موثر ماشین های مجازی ، نقض قرارداد سطح سرویس ، تعداد مهاجرت های ماشین مجازی

نویسندگان

وحید ستاری نائینی

دانشگاه شهید باهنر کرمان - بخش مهندسی کامپیوتر

یاسمین سالم

کرمان - دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته - دانشکده مهندسی برق و کامپیوتر

عصمت راشدی

کرمان - دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته - دانشکده مهندسی برق و کامپیوتر

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 :
  • سیمین قاسمی فلاورجانی، محمدعلی نعمت بخش، بهروز شاهقلی قهفرخی، تخصیص ... [مقاله ژورنالی]
  • J. G. Koomey, Estimating total power consumption by servers in ...
  • A. Fayyaz, M. U.  Khan and  S. U. Khan, Energy ...
  • T. C. Ferreto, M. A. Netto, R. N. Calheiros and ...
  • Y. C. Lee and A. Y. Zomaya, Energy efficient utilization ...
  • A. Beloglazov and R. Buyya, Optimal online deterministic algorithms and ...
  • A. Song,W. Fan, W. Wang,  J. Luo and Y. Mo, ...
  • I. Rodero, H. Viswanathan, E. K. Lee, M. Gamell, D. ...
  • S. S. Masoumzadeh and H. Hlavacs, Integrating VM selection criteria ...
  • Y. Ge and G. Wei, GA-based task scheduler for the ...
  • F. Farahnakian, A. Ashraf, T. Pahikkala, P. Liljeberg, J. Plosila, ...
  • B. Speitkamp and M. Bichler, A mathematical programming approach for ...
  • F. Tao, Y. Feng, L. Zhang and T. W. Liao, ...
  • M. M. Eusuff and K. E. Lansey, Optimization of water ...
  • H. Liu, F. Yi, H. Yang, Adaptive grouping cloud model ...
  • J. P. Luo, X. Li and M. R. Chen, Hybrid ...
  • M. Eusuff, K. Lansey and F. Pasha, Shuffled frog-leaping algorithm: ...
  • D. Kusic, J. Q. Kephart, J. E. Hanson, N. Kandasamy ...
  • R. N. Calheiros, R. Ranjan, A. Beloglazov, C. A. De ...
  • T.D.Braun, , H.J.Siegel, N.Beck, L.L.Bölöni, M.Maheswaran,  , A.I.Reuther, J.P.Robertson, M.D.Theys, ...
  • نمایش کامل مراجع