عنوان

ارایه یک روش کاهش مصرف انرژی بر پایه الگوریتم ژنتیک موازی مقیاس پذیر با حفظ کارایی در محیط رایانش ابری با استفاده از تجمیع ماشین‌صهای مجازی

شماره

‭۱۷۸۰۱پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

ارایه یک روش کاهش مصرف انرژی بر پایه الگوریتم ژنتیک موازی مقیاس پذیر با حفظ کارایی در محیط رایانش ابری با استفاده از تجمیع ماشین‌صهای مجازی

نام نخستين پديدآور

/فرهاد نیک نفس

نام ناشر، پخش کننده و غيره

: پردیس دانشگاه تبریز

تاریخ نشرو بخش و غیره

، ‮‭۱۳۹۴‬

نام توليد کننده

، راشدی

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی کامپیوتر گرایش نرم افزار

زمان اعطا مدرک

‮‭۱۳۹۴/۱۱/۲۷‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

رایانش ابری به عنوان مفهومی جدید در حوزه فناوری اطلاعات دارای مسائل و چالش‌های مختلفی می‌صباشد که محققین همواره در تلاش بوده‌اند راه حل‌هایی را جهت رفع این مسائل ارائه دهند .با ظهور رایانش ابری و رشد درخواست از ساختار ابری باعث افزایش چشمگیر مصرف انرژی در مراکز داده شده است که این مصرف بالای انرژی نه تنها سبب افزایش هزینه‌صها شده است بلکه سبب کاهش میزان سود نیز شده است .به همین خاطر ارائه روش‌صهایی برای کاهش هزینه مصرف در این مراکز داده مورد توجه دانشگاه‌ص‍ و صنعت قرار گرفته است .یکی از راهکارصهای کاهش مصرف انرژی در سیستم‌صهای پردازش ابری استفاده از الگوریتم‌صهای تجمیع ماشین‌صهای مجازی می‌صباشد .این الگوریتم‌صها با مهاجرت دادن ماشین‌صهای مجازی از سرورصهایی با کارکرد کمتر به سرورصهایی با کارکرد بیشتر باعث استفاده بیشتر از منابع موجود و کاهش مصرف انرژی می‌صشود .برای حل این مسئله در این پایان‌صنامه یک روش تجمیع ماشین‌صهای مجازی بر پایه الگوریتم ژنتیک موازی مقیاس پذیر باحفظ کارایی ارائه شده است و در نهایت روش پیشنهادی را با الگوریتم ‮‭PABFD‬ و ‮‭PRVP‬ مقایسه شده است .نتایج شبیه سازی نشان می‌صدهد الگوریتم پیشنهادی از نظر مصرف انرژی حداقل ‮‭۳۱‬ نسبت به الگوریتم ‮‭PABFD‬ و ‮‭۹‬ نسبت به الگوریتم ‮‭PRVP‬ باعث صرفه‌صجویی شده است .از نظر تعداد مهاجرت که یکی از دلایل کاهش عملکرد برنامه‌صها روی سیستم است الگوریتم پیشنهادی ما حدود ‮‭۳۷‬ نسبت به الگوریتم ‮‭PABFD‬ و ‮‭۱۴‬ نسبت به الگوریتم ‮‭PRVP‬ مهاجرت کمتری داشته است .از نظر کیفیت سرویس که به صورت ‮‭SLA‬ تعریف می‌صشود، در الگوریتم پیشنهادی حدود ‮‭۱۷‬ نقض ‮‭SLA‬ در الگوریتم ‮‭PABFD‬ و نشانگر بهبود حداقل ‮‭۱۳‬ نسبت به الگوریتم ‮‭PRVP‬ می‌صباشد

متن يادداشت

Cloud computing as a new concept in ICT has different problems and challenges. The could computing model requires an adaptive resource allocation management to adopt with the workload of several applications with different resource allocation requirements to provide quality of service for each application and to utilize data center resources efficiently. One solution is to use Virtual Machines (VMs) over Physical Machines (PMs) for resource consolidation and environment isolation. The focus of cloud research is shifting from performance optimization to energy efficiency due to the rapid increase in energy bills and environmental damage. We proposed a VM placement algorithm based on Scalable parallel genetic for energy-efficient cloud computing using virtual machine consolidation with maintaining performance to reduce power consumption and number of migrations with keeping performance of applications then we compare our algorithm with PABFD and PRVP. Results shows our algorithm reduced power consumption 31 more than PABFD and 9 more than PRVP and reduce number of migration about 37 and 14 too. Our algorithm keeps SLA violation lower than PABFD about 17 and 13 for PRVP

مستند نام اشخاص تاييد نشده

نیک نفس، فرهاد

مستند نام اشخاص تاييد نشده

محمدخانلی، لیلی، استاد راهنما

مستند نام اشخاص تاييد نشده

پاشازاده، سعید، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی