بررسی بهينه سازی ماشين های مجازی براي بهبود كارایی در مراکز داده ی ابری

قیمت: 42,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

بررسی بهينه سازی ماشين های مجازی براي بهبود كارایی در مراکز داده ی ابری

عنوان لاتین

Virtual machine placement optimizing to improve network performance in cloud data centers

با استفاده گسترده از فن آوری مجازی سازی در مراکز داده های ابر، به طور موثر چگونگی قرار دادن ماشین مجازی (VM) در حال تبدیل شدن به یک مسئله مهم برای ارائه دهندگان ابر است. راه حل های قراردهی ماشین مجازی(VMP) به طور عمده برای بهینه سازی منابع سرور بکار می رود. با این حال، آنها به بهینه سازی منابع شبکه اهمیت کمی میدهند و به تاثیر توپولوژی شبکه و ترافیک شبکه فعلی اهمیتی نمی دهند. یک طرح محدودیت منابع چند منظوره VMP پیشنهاد شده است. در ابتدا، نویسندگان تلاش می کنند تا کل ترافیک ارتباطی در شبکه مرکز داده را به عنوان یک مسئله تخصیص درجه دوم کاهش دهند و سپس هدف را روی استفاده از بهینه سازی شبکه حداکثر لینک (MLU)قرار میدهند. بر شرایط تغییر جزئی در کل ترافیک، به حداقل رساندن MLU می تواند توزیع ترافیک شبکه را کاهش دهد و نقاط ضعف شبکه را نیز کاهش دهد،این یک مشکل بهینه سازی ترکیبی کلاسیک و همچنین مسئله NP-hard است.بهینه سازی لانه مورچگان و جستجوی محلی 2-انتخاب برای حل مشکل ترکیب شده است. شبیه سازی نشان می دهد که MLU به میزان 20٪ کاهش می یابد و همچنین تعداد لینک های داغ 37٪ کاهش می یابد.

With the wide application of virtualization technology in cloud data centers, how to effectively place virtual machine (VM) is becoming a major issue for cloud providers. The existing virtual machine placement (VMP) solutions are mainly to optimize server resources. However, they pay little consideration on network resources optimization, and they do not concern the impact of the network topology and the current network traffic. A multi-resource constraints VMP scheme is proposed. Firstly, the authors attempt to reduce the total communication traffic in the data center network, which is abstracted as a quadratic assignment problem; and then aim at optimizing network maximum link utilization (MLU). On the condition of slight variation of the total traffic, minimizing MLU can balance network traffic distribution and reduce network congestion hotspots, a classic combinatorial optimization problem as well as NP-hard problem. Ant colony optimization and 2-opt local search are combined to solve the problem. Simulation shows that MLU is decreased by 20%, and the number of hot links is decreased by 37%.