روشی برای بهینه سازی استقرار سرویس های IoT با استفاده از الگوریتم وال در محیط رایانش مه و ابر ارائه ترکیب الگوریتم کلونی مورچه ها و زنبور عسل در مدیریت مصرف انرژی در مراکز داده

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 آنلاین، تحمل پذیری در برابر خرابی، مدیریت انرژی، تحمل خطا، کاهش زمان پاسخ و تعمیر نگهداری سرورها را در مراکز داده و خوشه های رایانشی تسهیل می کند. رایانش ابری روش های مختلف مهاجرت ماشین مجازی را بررسی می کند. افزایش انعطاف پذیری و مقیاس پذیری مراکز داده ابری در سال های اخیر جهت حداقل سازی مصرف انرژی در ساختمان های مراکز داده ای راه حل های متفاوتی ارائه شده اند. دو روش بسیار پر استفاده 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 موثری در بهبود مصرف منابع و کارایی 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 و 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 ابر نیاز خواهد بود. روش پیشنهادی تحکیم دینامیکی ماشین های مجازی با کلونی زنبور عسل و مورچگان جهت کاهش شدید انرژی در مراکز داده ابری است. با ظهور اینترنت اشیاء (IoT) به عنوان یکی از مولفه های اساسی زندگی روزمره ما، درک چگونگی بهبود کیفیت خدمات (QoS) در شبکه های IoT به مساله چالش برانگیزی تبدیل شده است. امروزه، بیشتر تعاملات بیندستگاه های IoT و پشتیبانی از سرورهای انتهایی از طریق مراکز داده ابری بزرگ مقیاس انجام می گیرد. با این حال، با رشد چشمگیر دستگاه های IoT و داده هایی که بین اشیاء و ابر تولید و مخابره می کنند، پرهزینه، ناکارآمد و در برخی موارد غیرقابل اجرا شده است. رایانش مه به عنوان راه حلی برای این موضوع عمل کرده و منابع شبکه سازی، ذخیره سازی و محاسباتی را برای IoT نزدیک به اشیاء و کاربران فراهم می کند. یکی از مزایای امیدوارکننده مه، کاهش تاخیر سرویس برای کاربردهای کاربر نهایی است، در حالی که ابر محاسبات گسترده تری را ارائه داده و این ظرفیت را با تاخیر بیشتری ذخیره می کند. بنابراین، درک تعامل بین محاسبات مه و ابر و ارزیابی تاثیر رایانش مه روی تاخیر سیستم IoT و QoS ضروری است. در این پژوهش ما یک چارچوب کلی برای کاربردهای IoT مه – ابر معرفی کرده و یک خط مشی در به حداقل رسانی تاخیر را برای دستگاه های دارای قابلیت مه ارائه داده ایم که هدف از این کار کاهش تاخیر خدمات در کاربردهای IoT می باشد. سپس یک مدل تحلیلی برای ارزیابی خط مشی خود ارائه داده و نحوه استفاده از چارچوب پیشنهادی در کاهش تاخیر سرویس IoT را شرح داده ایم. با رشد سریع اینترنت اشیاء (IoT)، متد رایانش ابری کلاسیک متمرکز با چالش های متعددی مانند زمان تاخیر بالا، ظرفیت کم و نقص شبکه مواجه شده است. برای مقابله با این چالش ها، رایانش مه (computing Fog) امواج ابر را به دستگاه های IoT نزدیک می کند. مه، پردازش 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 و کیفیت بهتری فراهم می کند، بنابراین می توان گفت که محاسبات مه بهترین انتخاب جهت فعال کردن IoT برای ارائه خدمات کارآمد و امن برای بسیاری از کاربران محسوب می شود.

کلیدواژه ها:

رایانش ابری ، مهاجرت ماشین های مجازی ، مجازی سازی ، تعادل بار ، مراکز داده ابری ، الگوریتم وال در محیط رایانش مه و ابر ، روش ترکیب الگوریتم کلونی زنبور و کلونی مورچگان