الگوریتمی جهت بهینه سازی همزمان مصرف انرژی در شبکه محاسباتی ابر در مهاجرت ماشین های مجازی

عمده چالش هایی که در سرور هاي بزرگ با آن مواجه هستند عدم وجود قابلیت اطمینان بالاي سیستم و هزینه هاي عملیاتی بالا به علت مصرف انرژي زیاد است. بنابراین، استقرار و زمانبندي vm برپایه انرژي آگاه یک ضرورت فوري براي دستیابی به این اهداف است زمانبندي کار براي چندین سال توسط محققان مختلف مورد مطالعه قرار داده شده است، اما توسعه خوشه هاي مجازي و محیط ابرپنجره جدیدي به سوي محققان جهت رویکردهاي جدید زمانبندي باز کرده اند. یکی از تکنیک هاي مورد نیاز جهت افزایش انعطاف پذیري و مقیاس پذیري مراکز داده ي ابري، مهاجرت است. عمل مهاجرت با اهداف گوناگونی از جمله توازن و تقسیم بار، تحمل پذیري در برابر خرابی، مدیریت انرژي، کاهش زمان پاسخ و افزایش کیفیت سرویس، تعمیر و نگهداري سرورها انجام می شود. اجزاي اصلی زمان بندي کار در محیط مجازي شامل: استقرار ماشین هاي مجازي در بین ماشین هاي فیزیکی و موازنه بارکاري پویا به کمک مهاجرت کارها در سراسر گره هاي خوشه مرکز داده می باشد. در این مقاله تمرکز ما روي زمانبندي مهاجرت ماشین هاي مجازي در مرکز داده ابر با استفاده از الگوریتم وراثتی می باشد. نتایج شبیه سازي موید امکان پذیري و کارایی این الگوریتم زمانبندي می باشد و منجر به کاهش قابل توجه مصرف انرژي کل در مقایسه با استراتژي هاي دیگر می شود.و از آنجا که تمرکز ما روي انرژي عملیاتی مراکز داده است با کاهش مصرف انرژي عملیاتی، تولید آلاینده زیستی کربن نیز کاهش یافته که در کاهش هزینه کاربر نقش بسزایی ایفا می کند.