مديريت پوياي ماشين هاي مجازي با دو هدف كاهش مصرف انرژي و كاهش ميزان تخلفات SLA در محيط رايانش ابري

امروزه مقياس برنامه هاي كاربردي كه در محيط رايانش ابري اجرا مي شوند درحال افزايش است و ديتاسنترهايي كه با استفاده از تكنولوژي مجازي سازي در حال ارائه خدمات هستند، منابع مورد نياز برنامه هاي كاربردي را بر اساس الگوي هزينه اي Pay-Per-Use در اختيارشان قرار مي دهند. روش مديريتي كه در ديتاسنتر اجرا مي شود مي بايست درحاليكه منابع كافي براي برآورده نمودن نيازمنديهاي برنامه كاربردي را در اختيارش مي گذارد، ميزان انرژي مصرف شده را نيز به حداقل برساند. با توجه به تقاضاهاي بالا و متغير برنامه هاي كاربردي، منابع مورد نياز ماشين هاي مجازي اي كه برنامه هاي كاربردي بر روي آنها اجرا مي شوند، در حال تغيير مي باشند از اين رو يك روش مديريتي ديناميك مورد نياز است. رويكرد مديديتي ارائه شده در اين مقاله، بر روي تأمين دو هدف كاهش نقض SLA يا ميزان انرژي مصرف شده در ديتاسنتر تمركز مي كند. بدين منظور، دو رويكرد Power و SLA به ترتيب براي تأمين جداگانه هر يك از اهداف كاهش ميزان انرژي مصرف شده و كاهش نقض SLA پيشنهاد شده اند. نتايج حاصل از پياده سازي بيانگر آن است كه رويكردهاي پيشنهاد شده در اين مقاله بين 10% تا 18% نسبت به رويكردهاي پيشين بهبود يافته اند.