زمانبندی مبتنی بر انرژی جهت تخصیص ماشین های مجازی در مراکز داده ابری

مسئله مدیریت انرژی، به عنوان یکی از نگرانی های اصلی در سیستم های رایانش ابری برای پشتیبانی از رشد سریع مراکز داده و مراکز محاسباتی محسوب می شود، به همین دلیل انرژی و پارامترهای کارایی مانند تعادل بار به عنوان یک مسئله حیاتی در سیستم های محاسباتی مانند مراکز داده ابری تبدیل شده است. این پژوهش روشی برای بهینه سازی چند هدفه مسئله ی استقرار ماشین مجازی ارائه می دهد که چالشی در مراکز داده ای ابری به شمار می رود. در محیط ابر ایجاد توازن بین منافع تولیدکنندگان خدمات و مشتریان، امری ضروری است. از دید تولیدکنندگان، بهینه سازی مصرف انرژی و کاهش هزینه ها بسیار مهم هستند و از نگاه کاربران، دستیابی به سطح مناسبی از کیفیت سرویس مطلوب است که تاخیر شبکه یکی از عوامل کاهش آن است. در این پژوهش، الگوریتم زمانبندی دوفازه آگاه به انرژی و تعادل بار به نام EALBGAPSO با استفاده از مهاجرت ماشین های مجازی توسط الگوریتم ژنتیک و الگوریتم بهینه سازی اجتماع ذرات ارائه می دهیم. در فاز اول، توابع هدفی در نظر گرفته می شود تا ماشین های فیزیکی بیشتری را با هدف کاهش مصرف انرژی، غیر فعال کنیم. از این رو بهینه سازی استفاده از پهنای باند برای کاهش تاخیر شبکه و نیز کاهش انرژی مصرفی پردازنده ها هدف مهمی است که در فاز اول این پژوهش در نظر گرفته شده است. تابع هدفی جهت افزایش حداکثری تعادل بار در فاز دوم ارائه شده است. سرانجام مجموعه داده ای جهت تست، توسعه داده شده و پارامترها و سناریوهای مختلفی برای ارزیابی و نشان دادن اثربخشی الگوریتم پیشنهادی در مقایسه با الگوریتم های دیگر، تست می شود. نتایج شبیه سازی نشان از برتری الگوریتم ارائه شده از نظر میزان کل مصرف انرژی، تعداد مهاجرت های ماشین مجازی، مجموع ترافیک ارسالی روی شبکه و نیز تعادل بار در مقایسه با دیگر روش های مورد مقایسه دارد.