بهینه سازی انرژی در مراکز داده ابری مبتنی بر مقیاس بندی پویای ولتاژ و فرکانس: رویکردی کارا برای کاهش توان مصرفی

رایانش ابری به عنوان یکی از سیستم های توزیع شده، بستری مبتنی بر اینترنت فراهم می آورد که کاربران قادر به انجام عملیاتی نظیر ارسال، دریافت و تغییر داده ها هستند. با افزایش تعداد کاربران در یک محیط ابری، پیچیدگی های مدیریت منابع و بروز مشکلات مختلف تشدید می شود؛ از این رو، ارائه راهکارهای بهینه برای مقابله با این چالش ها ضروری است. یکی از مسائل مهم ناشی از دسترسی به داده ها و نرم افزارهای مستقر در ابر و همچنین تغییرات اعمال شده بر روی آن ها، کاهش سرعت پردازش درخواست های کاربران در گره های محاسباتی مراکز داده ابری است. این پدیده نه تنها باعث افزایش مصرف انرژی در سخت افزارهای محاسباتی ابر می شود، بلکه طول عمر شبکه و نیز قابلیت اطمینان و دسترس پذیری سیستم را به طور قابل توجهی کاهش می دهد. بنابراین، ارائه یک رویکرد کارآمد برای تخصیص بهینه منابع پردازشی در مراکز داده ابری امری ضروری و اجتناب ناپذیر است. در این تحقیق، رویکردی جدید و بهینه با هدف کاهش مصرف انرژی در رایانش ابری مبتنی بر زمان بندی وظایف و با استفاده از تکنیک مقیاس بندی پویای ولتاژ و فرکانس (DVFS) ارائه شده است. شبیه سازی های انجام شده در محیط CloudSIM صورت گرفته و در پایان، مقایسه ای جامع از نظر میزان مصرف انرژی میان روش پیشنهادی و روش های مشابه پیشین ارائه شده است. نتایج حاصل از شبیه سازی نشان می دهد که روش پیشنهادی نسبت به الگوریتم های پایه و روش های مشابه پیشین، به طور میانگین ۲۳ درصد کاهش در مصرف انرژی داشته است. همچنین، روش پیشنهادی توانسته با تخصیص بهینه وظایف به گره های پردازشی، مصرف توان را در سناریوهای مختلف بار کاری بین ۱۸ تا ۲۷ درصد بهبود بخشد. در مجموع، نتایج حاکی از برتری عملکردی الگوریتم پیشنهادی نسبت به روش های پیشین می باشد.

کلیدواژه ها:

رایانش ابری ، مقیاس بندی پویای ولتاژ و فرکانس ، زمان بندی وظایف ، مدیریت منابع