مديريت منابع ماشين هاي مجازي به صورت انرژي-كارا در بستر ابر با استفاده از مدل تقسيم بندي فضاي چند بعدي

با توجه به رشد روز افزون محاسبات ابري، نياز ما به استفاده از ابزارهايي همچون ماشين مجازي جهت مديريت هرچه بهتر منابع محاسباتي و كاهش انرژي مصرفي، هر روز بيش از پيش آشكار مي شود. از اين روست كه مجازي سازي نقش عمده اي در تمامي راهكارها و الگوريتم هاي پيشنهادي توسط محققين را داراست. بنا به دلايل فوق در اين پژوهش نيز از مجازي سازي به عنوان ستون فقرات روش پيشنهادي استفاده مي شود و سعي ميكنيم تا با استفاده از اين ابزار و ابزارهاي ديگري كه در اختيار داريم سيستمي را طراحي كنيم كه در آن تعداد گره هاي فيزيكي روشن به حداقل ممكن برسد و در كنار آن بتوان ميزان بار كاري روي هر سرور را به طور شايسته اي موازنه كرد، تا از هدر رفت منابع جلوگيري كنيم. در اين تحقيق ما از مدل تقسيم بندي فضاي چند بعدي جهت مهاجرت ماشين هاي مجازي استفاده مي كنيم. بر اساس اين مدل ميزان استفاده از منابع را محاسبه مي كنيم و به كمك آن مبدا و مقصد مناسبي جهت انجام مهاجرت انتخاب مي كنيم كه در نهايت منجر به كاهش تعداد سرورهاي فيزيكي روشن خواهد شد و بنابراين باعث صرفه جويي قابل ملاحظه اي در مصرف انرژي مي گردد. در اين پژوهش روش نويني جهت مديريت منابع بستر ابر ارائه مي شود اين روش شامل مدل توسعه داده شده ي تقسيم بندي فضاي چند بعدي به همراه الگوريتم مديريت منابع با استفاده از اين مدل است. از آنجا كه مدل تقسيم بندي فضاي چند بعدي وضعيت كلي سرورها را نشان مي دهد ميتوان با استفاده از اين مدل روشي ارائه كرد تا عمليات يكپارچه سازي بار كاري و تعادل بار كاري را به صورت مناسبي انجام دهد.