روشی برای بهینه سازی استقرار سرویس های IoT با استفاده از الگوریتم وال در محیط رایانش مه و ابر

رایانش ابری روشی نوین برای ارائه سرویس های فناوری اطلاعات با استفاده از اینترنت فراهم می کند. یکی از عناصر اصلی این مدل پردازشی مجازی سازی است. مجازی سازی تکنیکی است که به کمک آن پیچیدگی های موجود در سیستم رایانش ابری از دید کاربر مخفی می شود و قادر است مدیریت سخت افزار و نرم افزار را از هم جدا سازد. یکی از دستاوردهای مهم مجازی سازی مهاجرت است. مهاجرت با اهداف گوناگونی از جمله توازن و تقسیم بار، تعادل بار، نگهداری آنالین، تحمل پذیری در برابر خرابی، مدیریت انرژی، تحمل خطای انرژی، کاهش زمان پاسخ و تعمیر نگهداری سرورها در مراکز داده و خوشه های رایانشی را تسهیل می کند. رایانش ابری، روش های مختلف مهاجرت ماشین مجازی را بررسی می کند. افزایش انعطاف پذیری و مقیاس پذیری مراکز داده ای ابر در سال های اخیر جهت حداقل سازی مصرف انرژی در ساختمان های مراکز داده ای ابر اقدام های متفاوتی ارائه شده اند. دو روش بسیار پراستفاده تحکیم سرورهای دینامیکی و یکپارچگی ماشین مجازی هستند. روش تحکیم سرورهای دینامیکی با استفاده از کاهش مقدار منابع مورد نیاز برای ارضای بارهای کاری به ذخیره سازی انرژی می پردازد. تحکیم دینامیکی ماشین های مجازی روش موثر دیگری در بهبود مصرف منابع و کارائی انرژی آن هاست که سخت افزار روش مجازی سازی را بهبود می بخشد. در این سمینار روش پیشنهادی با استفاده از کلونی زنبور عسل و مورچگان بار کاری سرورهای دینامیکی را کاهش داده مصرف انرژی در این سرورها که مصرف کننده اصلی انرژی در مراکز داده ابری هستند کم شده و به سیستم سرمایشی بسیار ضعیفی در مراکز داده ی ابر نیاز خواهد بود. روش پیشنهادی تحکیم دینامیکی ماشین های مجازی با کلونی زنبور عسل و مورچگان جهت کاهش شدید انرژی در مراکز داده ای ابری می باشند، پردازش مه و ذخیره داده های IoT را به صورت محلی در دستگاه های IoT به جای ارسال آن ها به ابر فراهم می کند و در مقابل ابر، مه با پاسخ سریع تر. رایانش مه یک زیرساخت توزیع شده است که در آن داده ها، محاسبات، ذخیره سازی و اپلیکیشن ها در محلی بین دستگاه های تولیدکننده داده و ابر پراکنده اند. تاخیر در محاسبات ابری بسیار زیاد است، اما در محاسبات مه بسیار کم است. محل خدمات رایانش ابر در اینترنت است، اما محاسبات مه در لبه شبکه محلی است. تعاملات در زمان واقعی و بالدرنگ توسط رایانش ابر و لبه پشتیبانی می شود و داده ها و برنامه های کاربردی در یک ابر پردازش می شوند که برای داده های بزرگ کاری وقت گیر است. مه، مدیریت منابع یکنواخت و بی نظیر از جمله محاسبات، شبکه و تخصیص ذخیره سازی را تسهیل می کند. تمرکز اصلی محاسبات مه این است که لبه شبکه و دستگاه های شبکه با خدمات مجازی، از لحاظ پردازش و ذخیره سازی همراه با ارائه خدمات شبکه، تجهیز شود. محاسبات لبه به معنی توانمندسازی تکنولوژی، جهت انتقال محاسبات به لبه شبکه می باشد که در آن داده های پایین دست در سرویس های ابر و داده های باال دست در سرویس های اینترنت اشیا انجام می شوند. در محاسبات لبه ذخیره سازی و پردازش اطلاعات به سوی لبه شبکه و در نزدیکی منبع تولید اطلاعات هدایت شود، یعنی به جای اینکه اطالعات تولید شده توسط دستگاه های اینترنت اشیاء به روش سنتی به سوی مراکز داده یا سرورهای راه دور برای ذخیره سازی و پردازش ارسال شوند، این اطلاعات از طریق یک دروازه (Gateway) محلی روی سرورها و ذخیره سازهای محلی قرار می گیرند. تصور ما این است که رایانش لبه، می تواند به همان اندازه رایانش ابر، بر جامعه تاثیر گذار باشد. انجام رایانش در لبه شبکه، ترافیک شبکه را کاهش می دهد، رایانش لبه همچنین امنیت را با رمزگذاری اطلاعات نزدیک به هسته شبکه بهبود می بخشد. اساسا رایانش مه در محدوده ابر بوده ولی نزدیک به اشیائی است که با داده های IoT کار می کنند. در رایانش مه، ابر به لبه شبکه گسترش می یابد.

کلیدواژه ها:

رایانش ابری ، مهاجرت ماشین های مجازی ، مجازی سازی ، تعادل بار ، مراکز داده ابری ، الگوریتم وال در محیط رایانش مه و ابر