20606

۲۰۶۰۶

تخصيص انرژي آگاه ماشين هاي مجازي به ميزبان هاي فيزيكي در مراكز داده ابري با بهره گيري از الگوريتم نهنگ به منظور كاهش مصرف انرژي

كارشناسي ارشد

نرم افزار كامپيوتر

۱۳۹۳

۱۳۹۷/۶/۲۵

دكتر شريفي

كامپيوتر

امروزه با توجه به نياز روزافزون به قدرت محاسباتي در حوزه فن‌آوري اطلاعات، توجه زيادي به مدل محاسبات ابري مي‌شود اين مسئله سبب تاسيس مراكز داده بزرگ در سراسر جهان شده است. مراكز داده‌اي كه انرژي الكتريكي بسيار زيادي را مصرف مي‌كنند كه اين مصرف بالا سبب بالارفتن هزينه آن‌ها مي‌شود. به همين دليل در محيط‌هاي محاسبات ابري بهره‌وري بالاي منابع اهميت زيادي پيدا كرده است. مهاجرت ماشين‌هاي مجازي، تجميع سرورها و خاموش كردن ماشين‌هاي فيزيكي بيكار به فراهم‌كنندگان محيط‌هاي محاسبات ابري كمك مي‌كند بهره‌وري منابع خود را بالا ببرند و در نتيجه مصرف انرژي مركز داده را نيز پايين بياورند. تا امروز روش‌هاي متنوعي براي جايابي ماشين‌هاي مجازي در محيط‌هاي محاسبات ابري ارائه شده‌اند. در عين حال پژوهشگران همواره به دنبال بالاتر بردن بهره‌وري منابع به منظور كم كردن مصرف انرژي در مراكز داده هستند. در اين پايان‌نامه ما سعي كرده‌ايم با ارائه يك روش جديد براي جايابي ماشين‌هاي مجازي با استفاده از الگوريتم بهينه‌سازي نهنگ مصرف انرژي را در مراكز داده كاهش دهيم و در نهايت ما اين سازوكار را در محيط شبيه‌سازي پياده‌سازي و ارزيابي كرده‌ايم. نتايج اين ارزيابي نشان مي‌دهد كه اين سازوكار قادر است مصرف انرژي را نسب به ديگر روشهاي مقايسه شده تا 29 درصد كاهش دهد.

1398/03/20

Energy-Aware Virtual Machine Allocation in Cloud Data Centers Using the Whale Algorithm

9/16/2018 12:00:00 AM

The increasing demand for more computational resource results in the rise of cloud computing computational model and establishing data center all over the world. The high power consumption of data centers increases the average operational cost of them. So data centers aim high utilization as the priority. VM migration, VM consolidation and turning idle VMs on and off assist cloud providers to keep the data center utilization high. Variety of VM placement methods have been introduced to increase the utilization and to reduce power consumption in data centers so far. In this dissertation, we present a novel VM placement mechanism using Whale optimization algorithm in order to reduce power consumption in Cloud environments. We implement and evaluate our solution in a CloudSim simulation tool. According to the simulation results, our proposed algorithm decrease the power consumption by up to 24% in comparison with all other available algorithms in the simulation tool.