ارائه یک روش مبتنی بر الگوریتم ژنتیک برای بهینه سازی جریان ترافیک در استقرار ماشین مجازی در شبکه های Bcube

همراه با رشد رایانش ابری ، اتکای برنامه های عظیم سازمان های غول پیکر به خدمات ابری افزایش یافته است . این مطالبه باعث شد که تعداد زیادی اپلیکیشن در قالب ماشین های مجازی بر روی سرورهای مراکز داده اجرا شود. برخی از برنامه ها به اندازه ای بزرگ هستند که نمی توان آنها را در قالب یک ماشین مجازی پردازش کرد. این نوع ماشین های مجازی برای پردازش کامل به عنوان یک برنامه یکپارچه نیاز به انتقال ترافیک متقابل دارند. حجم بالای انتقال ترافیک در بین ماشین های مجازی ممکن است پیوندهای ارتباطی شبکه را اشباع کند و به عنوان تنگنایی در عملکرد هم برای مرکز داده و هم برای برنامه عمل کند که توافق سطح خدمات کاربران را به طور جدی تهدید می کند. علاوه بر این ، مصرف انرژی ارتباطی افزایش می یابد زیرا دستگاههای ارتباطی شبکه به شدت مورد استفاده قرار خواهند گرفت . این تحقیق به مسئله قرارگیری ماشین مجازی با در نظر گرفتن ارتباطات بین ماشین های مجازی در توپولوژی BCube می پردازد. معمولا سعی بر این است که ماشین های مجازی وابسته به صورت مشترک میزبانی شوند یا در نواحی نزدیک قرار گیرند تا جریان ترافیک کل در شبکه بهینه شود. یک رویکرد مبتنی بر الگوریتم ژنتیک برای حل مسئله به کار گرفته شده است . نتایج شبیه سازی ها حاکی از برتری رویکرد پیشنهادی در مقایسه با سایر روشهای پیشرفته از نظر کاهش جریان کل ترافیک و صرفه جویی در انرژی و منابع سرورها است .

کلیدواژه ها:

الگوریتم ژنتیک ، بهینه سازی ، رایانش ابری ، استقرار ماشین مجازی ، توپولوژی شبکه