عنوان : ارائه الگوریتم زمانبندی مهاجرت ماشین های مجازی جهت بهینه سازی همزمان مصرف انرژی و تولید آلاینده ها در شبکه محاسباتی ابر
تعداد صفحات : 87
چکیده:
در
سال های اخیر با توجه به رشد روز افزون درخواستها و پیوستن مشتریان جدید
به دنیای محاسبات، سیستم های محاسباتی نیز باید تغییر کنند و قدرتمندتر
وانعطاف پذیرتر از قبل عمل نمایند. در این میان محاسبات ابری به عنوان مدلی
فراتر از یک سیستم ارائه شد که در حال حاضر توانایی پاسخگویی به اکثر
درخواست ها و نیازمندی ها را دارد.
راه
حل های مجازی سازی به طور گسترده ای برای حل مشکلات مختلف مراکز داده
مدرن بکار می روند که شامل : استفاده کمتر از سخت افزار، استفاده بهینه از
فضای مراکز داده , مدیریت بالای سیستم و هزینه نگهداری می شوند.
عمده
چالش هایی که سرور های بزرگ با آن مواجه هستند عدم وجود قابلیت اطمینان
بالای سیستم و هزینه های عملیاتی بالا به علت مصرف انرژی زیاد است.
بنابراین، استقرار و زمانبندی vm ها برپایه انرژی آگاه یک ضرورت فوری برای
دستیابی به این اهداف است. زمانبندی کار برای چندین سال توسط محققان مختلف
مورد مطالعه قرار داده شده است ، اما توسعه خوشه های مجازی و محیط ابر
پنجره جدیدی به سوی محققان جهت رویکردهای جدید زمانبندی باز کرده اند .
یکی
از تکنیک های مورد نیاز جهت افزایش انعطا ف پذیری و مقیاس پذیری مراکز
داده ی ابری، مهاجرت است. عمل مهاجرت با اهداف گوناگونی از جمله توازن و
تقسیم بار، تحمل پذیری در برابر خرابی، مدیریت انرژی، کاهش زمان پاسخ و
افزایش کیفیت سرویس، تعمیر و نگهداری سرورها انجام می شود.
اجزای
اصلی زمانبندی کار در محیط مجازی شامل :استقرار vmها در بین ماشین های
فیزیکی و موازنه بارکاری پویا به کمک مهاجرت کارها در سراسر گره های خوشه
مرکز داده می باشد.
در
این پایان نامه تمرکز ما روی زمانبندی مهاجرت ماشین های مجازی در مرکز
داده ابر با استفاده از الگوریتم وراثتی می باشد . نتایج شبیه سازی موید
امکان پذیری و کارایی این الگوریتم زمانبندی می باشد و منجر به کاهش قابل
توجه مصرف انرژی کل در مقایسه با استراتژی های دیگر می شود.و از آنجا که
تمرکز ما روی انرژی عملیاتی مراکز داده است با کاهش مصرف انرژی عملیاتی,
تولید آلاینده زیستی کربن نیز کاهش یافته که در کاهش هزینه کاربر نقش
بسزایی ایفا می کند .
چکیده
مقدمه
فصل اول- کلیات
مقدمه
مروری بر محاسبات ابری
1-2-1- بررسی انواع مختلف توده های ابر، کاربرد، مزایا و معایب
1-2-2- برخی مزایا و معایب محاسبات ابری
1-2-3- معماری سیستم های محاسبات ابری
1-2-4- ماهیت محاسبات ابری
مجازی سازی
مقدمه ای بر مهاجرت ماشین های مجازی
1-4-1- مهاجرت
1-4-2- انواع روش های مهاجرت زنده
الگوریتم ژنتیک
1-5-1- جمعیت ژنتیکی
1-5-2- تابع برازندگی
1-5-3- عملگر ترکیب یا جابه جایی
1-5-4- عملگر جهش
1-5-5- عملگر انتخاب
آشنایی با چالش پیش رو در شبکه محاسباتی ابر
خلاصه و نتیجه گیری
فصل دوم- مروری بر ادبیات گذشته
2-1- محاسبات ابری
2-2- مجازی سازی
2-3- مدیریت انرژی در مرکز داده اینترنت IDC
2-4- مدیریت انرژی ماشین مجازی و مهاجرت
2-5- الگوریتم MBFD
2-6- الگوریتم ST
2-7- الگوریتم MM
2-8- الگوریتم هریسانه
2-9- الگوریتمMEF(تغییر اولین تناسب)
2-10- نتیجه گیری
فصل سوم- ارائه الگوریتم پیشنهادی
3-1- مقدمه
3-2- الگوریتم پیشنهادی
فصل چهارم- نتایج شبیه سازی
4-1- مقدمه
4-2- ویژگی های شبیه سازی تخصیص و مهاجرت ماشین های مجازی
4-3- نرم افزار متلب
4-4- نتایج شبیه سازی
4-5- نتیجه گیری
فصل پنجم- نتیجه گیری و پیشنهادات
5-1- نتیجه گیری
5-2- کار آینده
فهرست جداول
جدول 1-1 نمونه ای خدمات برحسب تقاضای ارائه شده از طریق محاسبات ابری
جدول 3-1 مصرف انرژی پردازنده ها با توجه به بار کاری
جدول 4-1 مقایسه الگوریتم های مختلف برپایه مصرف انرژی سرورها (Kwh)
فهرست اشکال
شکل1-1 بررسی گوگل از مقبولیت سیستم های کلاستر , گرید و ابر
شکل 1-2 سیر تکاملی سیستم های محاسباتی
شکل 1-3 نمایی از انواع مراکز داده (بدون مجازی سازی وبا مجازی سازی)
شکل 1-4 نمایی از چگونگی عملکرد MapReduce
شکل 1-5 نمایی کلی از ساختار مجازی سازی
شکل 1-6 سرورهای مجازی اجرا شده بر روی یک سخت افزار فیزیکی
شکل 1-7 تاثیر مجازی سازی در کاهش تعداد سرورهای فیزیکی
شکل 1-8 شمای کلی مجازی سازی مرکز داده
شکل 1-9 مهاجرت ماشین مجازی
شکل 3-2 رشته کروموزوم پیشنهادی
شکل 3-3 ترکیب – روال تک نقطه ای
شکل 3-4 مثال- ترکیب – روال تک نقطه ای
شکل 3-5 ترکیب – روال دو نقطه ای
شکل 3-6 مثال- ترکیب – روال دو نقطه ای
شکل 3-7 ترکیب – روال یکنواخت
شکل 3-8 جهش- بیتی
نمودار 4-1 – زمانبند ارائه شده با تعداد تکرار100 و عملگر ترکیب تک نقطه ای
نمودار 4-2 – زمانبند ارائه شده با تعداد تکرار1000 و عملگر ترکیب پراکنده
نمودار 4-3 مقایسه الگوریتم های مختلف برپایه مصرف انرژی سرورها (Kwh)
نمودار 4-4 مقایسه الگوریتم های انرژی آگاه برپایه مصرف انرژی سرورها (Kwh)
