ارائه الگوریتم زمان بندی مهاجرت ماشین های مجازی جهت بهینه سازی همزمان مصرفانرژی و تولید آلاینده ها در شبکه محاسباتی ابر

در سال های اخیر با توجه به رشد روز افزون درخواستها و پیوستن مشتریان جدید به دنیای محاسبات، سیستم های محاسباتی نیزباید تغییر کنند و قدرتمندتر وانعطاف پذیرتر از قبل عمل نمایند . در این میان محاسبات ابری به عنوان مدلی فراتر از یک سیستمارائه شد که در حال حاضر توانایی پاسخگویی به اکثر درخواست ها و نیازمندی ها را دارد . راه حل های مجازی سازی به طورگسترده ای برای حل مشکلات مختلف مراکز داده مدرن بکار می روند که شامل : استفاده کمتر از سخت افزار، استفاده بهینه ازفضای مراکز داده , مدیریت بالای سیستم و هزینه نگهداری می شوند . عمده چالش هایی که سرور های بزرگ با آن مواجههستند عدم وجود قابلیت اطمینان بالای سیستم و هزینه های عملیاتی بالا به علت مصرف انرژی زیاد است . بنابراین، استقرار وزمان بندی vm ها برپایه انرژی آگاه یک ضرورت فوری برای دستیابی به این اهداف است . زمان بندی کار برای چندین سال توسطمحققان مختلف مورد مطالعه قرار داده شده است ، اما توسعه خوشه های مجازی و محیط ابر پنجره جدیدی به سوی محققان جهت رویکردهای جدید زمانبندی باز کرده اند . یکی از تکنیک های مورد نیاز جهت افزایش انعطا ف پذیری و مقیاس پذیریمراکز داده ی ابری، مهاجرت است . عمل مهاجرت با اهداف گوناگونی از جمله توازن و تقسیم بار، تحمل پذیری در برابر خرابی،مدیریت انرژی، کاهش زمان پاسخ و افزایش کیفیت سرویس، تعمیر و نگهداری سرورها انجام می شود . اجزای اصلی زمانبندی کاردر محیط مجازی شامل :استقرار vm ها در بین ماشین های فیزیکی و موازنه بارکاری پویا به کمک مهاجرت کارها در سراسر گرههای خوشه مرکز داده می باشد. در این پایان نامه تمرکز ما روی زمانبندی مهاجرت ماشین های مجازی در مرکز داده ابر با استفادهاز الگوریتم وراثتی می باشد . نتایج شبیه سازی موید امکان پذیری و کارایی این الگوریتم زمانبندی می باشد و منجر به کاهش قابلتوجه مصرف انرژی کل در مقایسه با استراتژی های دیگر می شود.و از آنجا که تمرکز ما روی انرژی عملیاتی مراکز داده است باکاهش مصرف انرژی عملیاتی, تولید آلاینده زیستی کربن نیز کاهش یافته که در کاهش هزینه کاربر نقش بسزایی ایفا می کند