عنوان ترجمه فارسی
دسته : فناوری اطلاعات
این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
محاسبات ابری
منابع ماشین مجازی
تعادل بار
الگوریتم ژنتیک
Processor scheduling
Load management
Cloud computing
Dynamic scheduling
چکیده
برنامهریزی منابع ماشین مجازی(VM) کنونی در محیط محاسبات ابری به طور عمده وضعیت فعلی سیستم را درنظر میگیرند، اما به ندرت متغیرهای سیستم و داده های مهم (تاریخی) را نیز در نظر میگیرند، که همیشه منجر به عدم تعادل بار سیستم میشود.
از دیدگاه مسئله ی تعادل بار در برنامهریزی منابع VM، این مقاله یک استراتژی برنامهریزی روی توزیع بار منابع VM بر اساس الگوریتم ژنتیک ارائه میدهد.
با توجه به داده های تاریخی و وضعیت فعلی سیستم و از طریق الگوریتم ژنتیک، این استراتژی اثرات پیش رویی که بر روی سیستم پس از استقرار منابع VM مورد نیاز خواهیم داشت را محاسبه مینماید و سپس راه حل با کمترین اثر را انتخاب مینماید، که از طریق آن به بهترین تعادل بار دست می یابد و مهاجرت پویا را کاهش می دهد یا از آن اجتناب می کند.
این استراتژی مشکل عدم تعادل بار و هزینه مهاجرت بالا را توسط الگوریتم های سنتی پس از برنامهریزی حل می کند. نتایج تجربی ثابت می کند که این روش قادر به تحقق بخشیدن تعادل بار و بهره وری از منابع معقول در هنگامی که بار سیستم پایدار و متغیر است می باشد.
-1مقدمه
حاسبات ابری یک تکنولوژی جدید در حوزه ی آکادمیک (دانشگاهی) می باشد[1]. در بستر یا پلت فرم محاسبات ابری، منابع به عنوان خدمات و توسط نیازها ارائه می شوند، و آن ها به مشترکین تضمین می دهند که به توافق نامه ی سطح خدمات(SLA) عمل می کنند.
با این حال، با توجه به وضعیتی که منابع به اشتراک گذاشته اند، و اینکه نیازهای مشترکین ناهمگونی پویای بزرگ و پلت فرم نامربوطی دارند، اگر که منابع نتوانند به درستی توزیع شوند آن قطعا منجر به هدر رفتن منابع می شود[2] . علاوه بر این، بستر محاسبات ابری به تعادل پویای بار میان سرورها به منظور اجتناب از تنگناها (hotspot) و بهبود سودمندی منابع نیز نیاز دارد. بنابراین، نحوه ی مدیریت پویا و کارآمد منابع و به پاسخگویی به نیازهای مشترکان به مسائلی تبدیل شد که باید حل شوند…