بهبود مصرف انرژی مراکز داده ابری با استفاده از الگوریتم یادگیری عمیق
- سال انتشار: 1402
- محل انتشار: پنجمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع
- کد COI اختصاصی: NCAEC05_061
- زبان مقاله: فارسی
- تعداد مشاهده: 260
نویسندگان
دانشکده مهندسی برق و کامپیوتر، واحد جهرم، دانشگاه آزاد اسلامی
دانشجوی کارشناسی ارشد، موسسه غیرانتفاعی پاسارگاد
چکیده
در طی چندین سال اخیر، رایانش ابری به عنوان یک الگوی نو ظهور به شدت در زندگی روزمره در حال رشد می باشد. با توجه به رشد روز افزون این فن آوری مدیریت منابع در زیرساخت به عنوان یک چالش مهم مطرح می باشد. هدف از این پژوهش ؛ بهبود بخشیدن میزان مصرف انرژی در مراکز داده ابری و بهبود تعداد مهاجرت ماشین مجازی و حفظ کیفیت سرویس بین سرور های فیزیکی در مراکز داده ابری با کمک یادگیری عمیق می باشد. این مقاله یادگیری عمیق را در جهت متعادلسازی بار کاری سرور ها و صرفه جویی در مصرف برق مراکز داده ها با مهاجرت های ماشین مجازی انجام می دهد. روش پیشنهادی برروی دیتا ست استاندارد PLANETLAB بررسی و نتایج ارایه گردید. نتایج نشان می دهد مهاجرت با الگوریتم پیشنهادی از نظر مصرف انرژی ،کاهش تعداد مهاجرت حدود ۱۳ درصد نسبت به الگوریتم های مورد مقایسه بهبود یافته است .کلیدواژه ها
رایانش ابری -مراکز داده ابری -مصرف انرژی - مهاجرت- یادگیری عمیقمقالات مرتبط جدید
- افزایش قابلیت اطمینان تجهیز پمپ گهو واحد انحلال کارخانه آلومینای ایران-جاجرم با استفاده از تکنیک های FMEA و RCA
- TPM با پشتیبانی ۵S برای بهبود در دسترس بودن خط تولید در صنایع لبنی (مطالعه موردی: یکی از کارخانجات لبنی)
- بکارگیری نوآوری بهره ور در مدیریت دارایی های فیزیکی دفاعی
- مدیریت دارایی زیرساختهای قدیمی شرکت توزیع برق-تحلیل موردی
- تکنیک های آنالیز ارتعاشات و آنالیز روغن در عیب یابی کمپرسور
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.