مدیریت منابع پویا در رایانش ابری بر اساس الگوریتم اکتشافی سرد و گرم کردن فلزات

رایانش ابری مدل رایانشی بر پایه ی شبکه های اینترنت برای ارائه ی سرویس ها و خدمات به شیوهی صنایع همگانی است. در سال های اخیر، زیرساخت های مدل های رایانشی بدلیل وجود تقاضا برای توان محاسباتی مورد نیاز برنامه های کاربردی به سرعت در حال رشد هستند و مراکز داده پیشرفته در محاسبات ابر میزبان انواع مختلفی از برنامه های کاربردی میباشند. رشد سریع تقاضا برای استفاده از منابع محاسباتی ابری توسط مراکز داده عظیم، موجب مصرف مقادیر بالای انرژی و در نتیجه افزایش هزینه عملیاتی و افزایش تولید دی اکسید کربن شده است . یکپارچگی منابع ابری این امکان را فراهم میکند تا با تعلیق مراکز داده بیکار و یا کمکار، با استفاده از مهاجرت بار آنها به مراکز داده واجد شرایط، در مصرف انرژی صرفه جویی به عمل آید. ما مدیریت منابع در ابرها را به کمک اگوریتم اکتشافی سرد و گرم فلزات انجام می دهیم. الگوریتم سرد و گرم کردن فلزات از دسته الگوریتم های اکتشافی است که بر پایه تخمین می باشد. نتایج حاصل از شبیه سازی ها نشان دهنده کارایی بالای روش پیشنهادی می باشد که به میزان قابل ملاحظه ای مصرف انرژی را کاهش داده است. این در حالی است که کارایی سیستم تا حد قابل ملاحظهای حفظ شده است. ما روش پیشنهادی خود را بر اساس دو معیار مصرف انرژی و میزان رضایت کاربر، با الگوریتمهای معروف اولین بهترین و مناسبترین بهترین مقایسه کردهایم و برای پیاده سازی و ارزیابی الگوریتم خود از شبیه ساز معروف کلودسیم 3 استفاده نموده ایم.

کلیدواژه ها:

رایانش ابری ، مدیریت منابع ، مصرف انرژی ، الگوریتم های اکتشافی simulated annealing