مدیریت منابع ماشینهای مجازی به صورت انرژی-کارا در بستر ابر با استفاده از مدل تقسیم بندی فضای چند بعدی
- سال انتشار: 1395
- محل انتشار: نخستین کنفرانس ملی تحقیقات بین رشته ای در مهندسی کامپیوتر، برق، مکانیک و مکاترونیک
- کد COI اختصاصی: IRCEM01_250
- زبان مقاله: فارسی
- تعداد مشاهده: 855
نویسندگان
دانشجوی کارشناسی ارشد دانشگاه بین المللی امام رضا (ع)
عضو هیئت علمی دانشگاه فردوسی مشهد
چکیده
با توجه به رشد روزافزون محاسبات ابری، نیاز ما به استفاده از ابزارهایی همچون ماشین مجازی جهت مدیریت هرچه بهتر منابع محاسباتی و کاهش انرژی مصرفی، هر روز بیش از پیش آشکار می شود. از این روست که مجازی سازی نقش عمده ای در تمامی راهکارها و الگوریتم های پیشنهادی توسط محققین را داراست. بنابه دلایل فوق در این پژوهش نیز از مجازی سازی به عنوان ستون فقرات روش پیشنهادی استفاده می شودو سعی می کنیم تا با استفاده از این ابزار و ابزارهای دیگری که در اختیار داریم سیستمی را طراحی کنیم که در آن تعداد گره های فیزیکی روشن به حداقل ممکن برسد و در کنار آن بتوان میزان بارکاری روی هر سررو را به طور شایسته ای موازنه کرد. تا از هدر رفت منابع جلوگیری کنیم. در این تحقیق ما از مدل تقسیم بندی فضای چند بعدی جهت مهاجرت ماشین های مجازی استفاده می کنیم. بر اساس این مدل میزان استفاده از منابع را محاسبه می کنیم و به کم آن مبدا و مقصد مناسبی جهت انجام مهاجرت انتخاب می کنیم که در نهایت منجر به کاهش تعداد سرورهای فیزیکی روشن خواهد شد. و بنابراین باعث صرفه جویی قابل ملاحظه ای در مصرف انرژی می گردد. در این پژوهش روش نوینی جهت مدیریت منابع بستر ابر ارائه می شود. این روش شامل مدل توسعه داده شده ی تقسیم بندی فضای چند بعدی به همراه الگوریتم مدیریت منابع با استفاده از این مدل است. از آنجا که مدل تقسیم بندی فضای چند بعدی وضعیت کلی سرورها را نشان می دهد، میتوان با استفاده از این مدل روشی ارائه کرد تا عملیات یکپارچه سازی بار کاری و تعادل بارکاری را به صورت مناسبی انجام دهد.کلیدواژه ها
مهاجرت، موازنه، یکپارچه سازی، زمانبندی، تخصیص منابعمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.