بهبود انرژی مصرفی با استفاده از مهاجرت زنده ماشین های مجازی در رایانش ابری

اخیرا رایانش ابری به سرعت در حال رشد است و در آینده به هسته مرکزی رایانش فراگیر تبدیل خواهد شد. در این مقاله ما یک معماری سلسله مراتبی برای حل زمانبندی گردش کارها و استفاده موثر از انرژی ارائه داده ایم که کاربردهای زیادی در این دو تکنولوژی دارند. در کار قبلی مان یک سرویس جدید برای زمانبندی کارها در سطح بستر به عنوان سرویس رایانش ابری ارائه داده ایم، در این مقاله با استفاده از مهاجرت زنده ماشین های مجازی در ماشین های کم بار سعی در ادغام آنها به منظور کاهش مصرف انرژی در مرکز داده هستیم، این مرکز داده علاوه بر گردش کارها دارای انواع متنوع دیگری از کارها می باشد. باید توجه داشت که در کنار استفاده موثر از انرژی باید مسائل دیگری مانند تضمین کیفیت مورد درخواست کاربران را در روش پیشنهادی مد نظر داشته باشیم. بدین منظور ماشین های کم بار را تا حدی با هم ادغام می نماییم که کیفیت تضمین شده برای کاربران خدشه دار نشود، از طرف دیگر در روش پیشنهادی ماشین های موجود در میزبانهای پر بار را قبل از ادغام بار میزبانها مهاجرت زنده می نماییم تا کیفیت تضمین شده برای کاربران نقض نشود. نتایج تجربی شبیه سازی روش پیشنهادی ما نشان می دهد که این روش توانایی کاهش انرژی تا حدود %15 و همچنین کاهش تعداد مهاجرتها را در مقایسه با راه حل های پیشین دارا می باشد.

کلیدواژه ها:

استفاده موثر از انرژی ، تخصیص پویای منابع ، رایانش ابری ، مکان یابی پویای ماشین مجازی ، مهاجرت زنده