ارائه روشی برای بهبود کارایی ، کاهش مصرف انرژی و مهاجرت ماشین های مجاز مراکز داده ابری با استفاده از الگوریتم های تکاملی

رایانش ابری یک فناوری به سرعت در حال رشد است که در سال های اخیر در زمینه های مختلف مانند تجارت، تحقیق، صنعت و محاسبات پیاده سازی شده است. رایانش ابری خدمات مختلفی را از طریق اینترنت ارائه می کند و در نتیجه نیاز به سخت افزار شخصی و سایر منابع را از بین می برد. محیط های رایانش ابری با چالش هایی از نظر استفاده از منابع، بهره وری انرژی، منابع ناهمگن و غیره مواجه هستند. هزینه های مالی و صرفه جویی انرژی به طور متوسط برای گردش های کاری فشرده محاسباتی حیاتی تر در نظر گرفته می شود، زیرا چنین جریان هایی که عموما به زمان های اجرایی طولانی تری نیاز دارند، و بنابراین، نیاز به مصرف انرژی کارآمد و هزینه مالی بالایی دارند. از طریق استفاده موثر از شکاف های زمان بندی شده، کل زمان اجرا در یک گردش کار را می توان با قرار دادن کارهای ناتمام در شکاف ها از طریق محاسبات تقریبی کاهش داد. در تحقیق حاضر، یک رویکرد جدید مبتنی بر بهینه سازی چند هدفه با CloudSim به عنوان شبیه ساز زیربنایی به منظور ارزیابی عملکرد تخصیص VM (ماشین مجازی) استفاده می شود. در این تحقیق به مشکل مصرف انرژی و استفاده کارآمد از منابع در مراکز داده ابری مجازی می پردازیم. الگوریتم پیشنهادی بر اساس طبقه بندی وظایف و آستانه ها برای زمان بندی کارآمد و استفاده بهتر از منابع است. در این مطالعه، ما مصرف انرژی، استفاده از CPU و تعداد دستورالعمل های اجرا شده را در هر بازه زمان بندی برای راه حل های پیچیده زمان بندی VM تعیین می کنیم تا بازده انرژی را بهبود بخشیده و زمان اجرا را کاهش دهیم. در نهایت، بر اساس نتایج شبیه سازی و تجزیه و تحلیل، تمام پارامترهای تست شده شبیه سازی شده و با اعتبار سنجی مناسب در CloudSim ارزیابی می شوند. نو آوری پژوهش حاضر در استفاده از الگوریتم تکاملی کرم شبتاب بهبود یافته، و انجام مهاجرت پویای ماشین های مجازی است.

کلیدواژه ها:

افزایش کارایی ، کاهش انرژی کل ابر ، الگوریتم بهینه هوش گروهی ، ماشین های فیزیکی با بیشترین بار