جایگذاری بهینه ماشین های مجازی در پایگاه داده ابری با استفاده از الگوریتم شاهین هریس

پردازش ابری مدل ارائه خدمات مقرون به صرفه ای است که مدیریت و نگهداری منابع را بسیار آسان می کند و در صورت تغییرات کسب و کار منابع به سرعت می توانند خود را با این تغییرات سازگار سازند. هسته محیط پردازش ابری مرکز داده آن است که اغلب از تعداد زیادی امکانات سخت افزاری به هم مرتبط تشکیل شده است. میزان قابلیت های پردازشی مراکز داده شاخص اصلی ارائه دهندگان خدمات ابری در نظر گرفته می شود. در مراکز داده بزرگ با افزایش داده به طور فزاینده مصرف انرژی افزایش می یابد. این افزایش مصرف انرژی در محیط زیست اثر می گذارد. هزینه های زیست محیطی تحمیل شده سبب شده است که رفته رفته مبحثی به نام رایانش ابری سبز مطرح شود. در این روش ما با استفاده از الگوریتم شاهین هریس به جایگذاری بهینه ماشین های مجازی در پایگاه داده ای در نرم افزار MATLAB پرداخته شده است. نتایج به دست آمده نشان دهنده این است که الگوریتم پیشنهادی در بسیاری از موارد بهتر از نتایج سایر الگوریتم ها عمل کرده است. در تحقیقات بعدی سعی شد که با روش های جدید نتایج بهتری در جای گذاری ماشین های مجازی بر روی ماشین های فیزیکی در مراکز داده رایانش ابری حاصل شود. جهت بهینه سازی همزمان از ۳ الگوریتم بهینه سازی فراابتکاری در این خصوص استفاده شده است که این مهم علاوه بر هدف اصلی این پژوهش که بهینه سازی می باشد منجر به نوعی رتبه بندی و مقایسه نحوه عملکرد بین الگوریتم های کلاسیک و نوین می شود. لحاظ کردن همزمان هر سه شاخص صورت گرفته است و توابع هدف صورت انفرادی و ترکیبی مورد بررسی قرار گرفته و کدنویسی های مربوط به توابع هدف و الگوریتم های بهینه سازی در نرم افزار MATLAB انجام گرفته است. با توجه به نتایج این تحقیق می توان اذعان داشت تابع هدف ارائه شده و الگوریتم های ژنتیک (GA) و شاهین هریس (HHO) می تواند به عنوان الگویی مناسب برای سایر ارگان ها و سازمان ها جهت بهینه سازی شاخص های کمی و کیفی به کار روند. با توجه به این نتایج الگوریتم HHO نتایج بهینه بهتر و مناسب تری ارائه داده است.

کلیدواژه ها:

ماشین های مجازی ، مراکز داده ابری ، الگوریتم شاهین هریس ، الگوریتم های ژنتیک