الگوریتم بهینه دو مرحله ای تعادل بار ماشین مجازی برای رایانش ابری

رایانش ابری تخصیص منابع به صورت انعطاف پذیر برای ارائه خدمات به کاربران نهایی از طریق اینترنت است. برای پیاده سازی رایانش ابری، لازم است بر موانع مختلفی از جمله یافتن منابع، امنیت، زمان بندی و تعادل بار (LB) غلبه شود. تعادل بار از جمله دشوارترین مسائل تحقیقاتی است. هدف تعادل بار تخصیص بار کاری است به گونه ای که استفاده از منابع بهینه شده و عملکرد بهبود یابد. این مقاله پژوهشی یک مدل موثر تعادل بار برای رایانش ابری با استفاده از الگوریتم متاهیوریستیک بهینه دو مرحله ای به نام TSOVM_LB پیشنهاد می دهد. در مرحله اول، ماشین مجازی بر اساس حداقل استفاده و زمان مهاجرت انتخاب می شود. در مرحله دوم، الگوریتم بهینه سازی چند هدفه ای به نام بهینه سازی گروه ماهی اصلاح شده برای تخصیص ماشین مجازی استفاده می شود. این مدل اجازه می دهد ماشین مجازی به ماشین فیزیکی اختصاص یابد. روش پیشنهادی با استفاده از شبیه ساز کلودسیم ارزیابی شده که شامل تعداد زیادی ماشین مجازی و ردپاهای بار کاری از پلتفرم است. نتایج نشان داد که روش پیشنهادی به سطوح بسیار بالاتری از بهره وری انرژی، رعایت توافق نامه سطح خدمات وکاهش تعداد مهاجرت های ماشین مجازی نسبت به سایر روش های نوین دست یافته است. نتایج ارائه شده شواهدی از اثربخشی تکنیک پیشنهادی در بهینه سازی تخصیص ماشین های مجازی در محیط ابری فراهم می کند.

کلیدواژه ها:

تعادل بار ، بهینه سازی ، گروه ماهی ، رایانش ابری ، ماشین مجازی.