تركيب مدل‌هاي پيش بيني و روش‌هاي اكتشافي براي جاي‌گذاري ماشين‌هاي مجازي با هدف كاهش نقض توافق سطح سرويس در محيط ابر

امروزه با افزايش مراكز داده ابر مصرف برق افزايش يافته و مديريت زيرساخت ابر نيز پيچيده‌تر شده است. از طرف ديگر برآورده كردن نيازهاي كاربران ابر از اهداف مهم در زيرساخت ابر مي‌باشد. فرآيند تعيين وضعيت بار ماشين‌هاي فيزيكي و جاي‌گذاري ماشين‌هاي مجازي روي ماشين‌هاي فيزيكي مناسب مي‌تواند مصرف انرژي را كاهش دهد و از نقض توافق سطح سرويس كاربران جلوگيري ‌كند. براي حل اين‌گونه مسائل، يك راهكار جاي‌گذاري ماشين‌هاي مجازي با توانايي پيش‌بيني مورد نياز است تا ماشين‌هاي مجازي را به طور كارا در زمان اجرا در ميزبان‌هاي مناسب قرار دهد. راهكارهاي فعلي عمدتاً از يك مدل پيش‌بيني براي پيش‌بيني بار ماشين‌هاي فيزيكي استفاده كرده‌اند و يا اكثراً تنها به موضوع پيش‌بيني بار ميزبان‌ها پرداخته‌اند و مسئله قرارگيري ماشين‌هاي مجازي را در نظر نگرفته‌اند. هدف اين تحقيق ارائه يك راهكار مديريت منابع ابر است كه با استفاده از تركيب مدل‌هاي پيش‌بيني رگرسيون، ميانگين متحرك و هموارسازي نمايي ساده جهت شناسايي ماشين‌هاي فيزيكي فرابار و با استفاده از روش‌هاي اكتشافي مبتني بر مصرف انرژي، بهرهوري پردازنده، تعداد ماشينهاي مجازي و حافظه جهت تعيين ماشين فيزيكي مناسب براي جاي‌گذاري ماشين‌هاي مجازي مهاجر بين كاهش تخطي در توافق سطح سرويس و كاهش مصرف انرژي مصالحه برقرار كند. براي ارزيابي مدل پيشنهادي از شبيه‌ساز cloudsim نسخه 3.0.3 استفاده شده است. نتايج شبيه‌سازي نشان مي‌دهد كه مدل ارائه شده در مقايسه با روش‌هاي مشابه به طور ميانگين تخطي از توافق سطح سرويس، مصرف انرژي و تعداد مهاجرت‌هاي ماشين‌هاي مجازي را به ترتيب 45.65%، 28.96 % و 46.49% كاهش داده است.