آذر خوش نواز - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
وحید خواجه وند - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران استادیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات، واحد قزوین، دانشگاه آزاد اسلامی قزوین قزوین ایران

رشد روزافزون تکنولوژی رایانش ابری و همچنین استفاده ی همه جانبه از سرویسهای ابری، منجر به ایجاد روند افزایشی در میزان مصرف انرژی مراکز داده رایانش ابری گردیده است. مسیله یکپارچهسازی ماشین مجازی با استفاده از مهاجرت زنده ماشینهای مجازی از میزبانهای دارای سربار و میزبانهای کم بار و خاموش نمودن گره های بیکار، به رویکردی موثر برای دستیابی به مراکز داده رایانش ابری انرژی کارا بدل گردیده است. به طورکلی یکپارچه سازی ماشینهای مجازی به سه زیر مسیله تقسیم میشود: چه زمانی باید ماشین مجازی مهاجرت کند کدام ماشین مجازی مهاجرت کند ماشین مجازی کجا مهاجرت کند برای زیر مسیله اول، تشخیص اینکه کدام میزبان دارای سربار و کدام میزبان کمبار است تا ماشینهای مجازی به منظور کاهش مصرف انرژی از این میزبانها مهاجرت داده شوند بررسی میشود. در روش پیشنهادی که به منظور تشخیص میزبانهای دارای سربار و میزبانهای کمبار انجام شده است؛ با توجه به بارکاری میزبانها به سه کلاس کمبار، متوسط بار و سربار تقسیم شده اند و از الگوریتم K نزدیکترین همسایگی استفادهشده است تا میزبانها را در این سه کلاس دسته بندی کند. برای زیر مسیله دوم، سیاستهایی برای انتخاب ماشین مجازی از میزبانهای فیزیکی دارای سربار مانند سیاست حداقل اندازه حافظه، حداقل اندازه پردازنده و سیاست حداقل اندازه حافظه و پردازنده، استفاده شده است. برای زیر مسیله سوم، جایابی ماشینهای مجازی در میزبانهای مناسب به عنوان مقصد مهاجرت از الگوریتم PABFD استفادهشده است. نتایج شبیه سازی با استفاده از شبیه ساز کلودسیم، به صورت میانگین کاهش 19/78 درصدی مصرف انرژی را نشان میدهد.

رایانش ابری، ماشین مجازی، جایابی بهینه ماشین مجازی، دسته بندی Kنزدیکترین همسایگی