skip to Main Content
قرار دادن حافظه مجازی کارآمد در مرکز داده‌های ابری

قرار دادن حافظه مجازی کارآمد در مرکز داده‌های ابری

عنوان انگلیسی: Energy-efficient VM-placement in cloud data center
سال نشر: ۲۰۱۸
نویسنده: Sambit Kumar Mishra,Deepak Puthal,Bibhudatta Sahoo,Prem Prakash Jayaraman,Song Jun,Albert Y. Zomaya,Rajiv Ranjan
تعداد صفحه فارسی: ۲۰ – تعداد صفحه انگلیسی: ۲۹
دانشگاه: The University of Sydney, Australia,University of Technology Sydney, Australia,Swinburne University of Technology, Australia,Newcastle University, Newcastle upon Tyne, United Kingdom,Chinese University of Geosciences, China,National Institute of Technology Rourkela, India
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: اقتصادی

چکیده

استفاده از محاسبات ابری برای بدست آوردن سود ابر توسط بهینه‌سازی پارامترهای مختلف که برآورده کردن تقاضاهای تغییر دهنده است یک کار چالش برانگیز است.
نگاشت بهینه وظایف ماشین‌های مجازی (vms)و vms به ماشین‌های فیزیکی) (pms)معروف به جای گزینی حافظه مجازی)برای پیشبرد مصرف انرژی و بهره‌برداری از منابع ضروری است.عدم تجانس بالای وظایف و همچنین منابع، پویایی و مجازی سازی عظیم، فرآیند یکپارچه‌سازی را در سیستم محاسبات ابری پیچیده‌تر می‌کند.در این مقاله، یک نگاشت کامل (یعنی، حافظه مجازی VM و حافظه مجازی (PM)پیشنهاد می‌شود.
وظایف با توجه به الزامات منبع خود طبقه‌بندی می‌شوند و سپس به دنبال حافظه مجازی مناسب می‌گردند و دوباره به دنبال PM مناسب می‌گردند که در آن می توان حافظه مجازی منتخب را مستقر کرد.
الگوریتم پیشنهادی مصرف انرژی را با کاهش تعداد PM های فعال کاهش می‌دهد، در حالی که زمان و نرخ پذیرش تکلیف را کاهش می‌دهد.ما روش پیشنهادی خود را در شبیه‌ساز CloudSim ارزیابی کردیم و نتایج نشان‌دهنده کارایی الگوریتم پیشنهادی بر روی برخی الگوریتم های استاندارد موجود است.

Abstract

Employing cloud computing to acquire the benefit of cloud by optimizing various parameters that meet changing demands is a challenging task. The optimal mapping of tasks to virtual machines (VMs) and VMs to physical machines (PMs) (known as VM placement) problem are necessary for advancing energy consumption and resource utilization. High heterogeneity of tasks as well as resources, great dynamism and virtualization make the consolidation issue more complicated in the cloud computing system. In this paper, a complete mapping (i.e., task VM and VM to PM) algorithm is proposed. The tasks are classified according to their resource requirement and then searching for the appropriate VM and again searching for the appropriate PM where the selected VM can be deployed. The proposed algorithm reduces the energy consumption by depreciating the number of active PMs, while also minimizes the makespan and task rejection rate. We have evaluated our proposed approach in CloudSim simulator, and the r
۲۱۰,۰۰۰ ریال – خرید
امتیاز شما:
(No Ratings Yet)
Back To Top