ارايه رويكردي پيش بيني محور مهاجرت ماشين هاي مجازي براي مديريت هزينه مراكز داده ابري

Providing a predictive based approach for the virtual machines migration to manage the cost of cloud data centers

سيستم هاي رايانش ابري و مراكز داده بدليل ارائه خدمات متنوع برپايه اينترنت و شبكه مانند جستجو در اينرنت، شبكه هاي اجتماعي و خدمات پست الكترونيك به بخش مهمي از زندگي روزمره تبديل شده است. بنا به گستره كاربرد، هزينه انرژي مصرفي و جرايم نقص سرويس و انتشار گاز كربنيك آنها نيز بطور فزاينده اي افزايش يافته و دغدغه فراهم كنندگان ابر شده است. فن آوري مجازي سازي براي بهره وري توان الكتريكي و پشتيبان تكنيكي اجراي مهاجرت است، كه با بكارگيري اين فن آوري تعدادي ماشين مجازي بر روي تعداد كمي ماشين فيزيكي قرار مي گيرد و ماشين هاي فيزيكي بي كار خاموش يا درحالت كم مصرف قرار مي گيرند، اين عمل مهاجرت ماشين هاي مجازي ناميده مي شود. كاهش مصرف انرژي به عنوان هدف پايه اي مهاجرت، و رويكردي موثر در كاهش هزينه عملياتي و سخت افزاري، توافق سطح سرويس، رايانش سبز، توازن بار و بهره وري سرورها است. االبنه اجراي مهاجرت كنترل نشده و نابهينه خود ناقص اهداف تعيين شده است. تحقيقات گسترده اي در موضوع مهاجرت ماشين هاي مجازي شده است، اين تحقيق مروري سيستماتيك بر آنها با طبقه بندي از معيارها، اهدف، معماري ها و الگوريتم ها است. تضمين كيفيت اجراي مهاجرت ماشين مجازي داراي چالش است، كه معماري جامع براي هر سه مرحله آن شامل تشخيص سرور از نظر ميزان بار، انتخاب ماشين مجازي و جايابي ماشين مجازي انتخاب شده بر سرور پيشنهاد شده است. سپس الگوريتمي پيش بيني محور براي مرحله تشخيص سرور از نظر ميزان بارارايه شده، ويژگي هاي كيفي الگوريتم با روش شبيه سازي ارزيابي شده، و نتايج شبيه سازي حاكي از بهبود دركيفيت معيارهاي كارايي شامل نقص توافق خدمات، انرژي مصرفي، تعداد مهاجرت و انرژي- نقص در مقايسه با الگوريتم پايه پيشين موجود است.

Cloud computing systems have become an important part of daily life due to the provision of various network-based services. According to the scope of application, the cost of energy consumption and the penalties of Service Level Agreement(SLA) violation and carbon gas emission have increased and it has caused a challenge in cloud. Virtualization technology is for energy efficiency and supports the implementation of migration, by using which the Virtual Machine (VM) is placed on the minimum Physical Machine (PM) and the idle PMs are turned off, this process the VM s migration is called. Reducing energy consumption is the basic goal of migration, an effective approach in reducing infrastructure costs, SLA violation and load balancing. The implementation of uncontrolled migration itself causes the failure of the set goals.This research is an overview of migration technology with a classification of criteria, objectives, architectures and algorithms in the VM s migration. A comprehensive architecture for all three stages of migration, including PM s detection, VM s selection and PM s placement is proposed. A prediction-based algorithm for the PM s detection stage is presented, the performance metrics of the algorithm by simulation are evaluated, and the simulation results indicate an improvement in the quality of performance metrics including the SLA violation, the energy consumption, the number of migration and the energy-SLA violation is in compared to the previous benchmark algorithms.