چکیده مقاله
رایانش ابری به دلیل ارائه خدمات مقیاس پذیر و پرداخت به ازای استفاده، به ستون فقرات فناوری اطلاعات مدرن تبدیل شده است با این حال، مصرف روزافزون انرژی در مراکز داده، به ویژه به دلیل راه اندازی و نگهداری هزاران ماشین مجازی VM ، یک چالش جدی زیست محیطی و اقتصادی ایجاد کرده است روش های سنتی زمان بندی مانند Round Robin یا First Come First Served یا باعث گرسنگی وظایف کوچک می شوند یا سربار تعویض زمینه را افزایش می دهند در این پژوهش، یک معماری نوین برای کاهش مصرف انرژی در محاسبات ابری ارائه می شود که تلفیقی از صف بازخورد چندسطحی MLFQ و الگوریتم ژنتیک GA است برخلاف پژوهش های پیشین که صرفا به بهینه سازی ایستای ظرفیت VM پرداخته اند، رویکرد پیشنهادی با سه مرحله پردازش پویا و استفاده از تابع هزینه چندهدفه، هم تعداد VMهای فعال و هم تعداد دفعات راه اندازی مجدد تکرار را به حداقل می رساند الگوریتم ژنتیک با تعریف کروموزوم های ۵۳ ژنی، عملگرهای انتخاب رولت، ترکیب kنقطه ای و جهش ۵ درصدی، فضای جستجو را به سمت پاسخ بهینه هدایت می کند شبیه سازی گسترده در نرم افزار متلب با استفاده از مرکز داده حاوی ۵۰۰۰ وظیفه تصادفی در ۵ دسته و مقایسه با الگوریتم های رقیب شامل MGA، Hybrid approach، TPA، TPA STA، E HEFT، PSO، ABC و DAAGA انجام شده است نتایج نشان می دهد که روش پیشنهادی MSGA در معیار مصرف انرژی، به طور میانگین ۲۹ درصد بهبود نسبت به جمعیت اولیه تصادفی دارد و در مقایسه با الگوریتم های PSO و ABC نیز به ترتیب ۱۲ و ۸ درصد انرژی کمتری مصرف می کند از نظر زمان اجرا نیز در سناریوهای ۵۰۰ تا ۲۰۰۰ وظیفه، MSGA حداقل ۱۵ درصد سریع تر از نزدیکترین رقیب عمل می کند این دستاوردها نشان می دهد که ادغام صف بازخورد چندسطحی با قیود افزایش ظرفیت پله ای، همراه با بهینه سازی ژنتیک، راهکاری موثر برای تحقق محاسبات سبز در ابر است
کلیدواژهها
نویسندگان
سیده فاطمه علویان
مهندسی نرم افزار کارشناسی ارشد
رزومه علمی کاربران
درباره سیویلیکاتبلیغات در سیویلیکاآمار علمی ایرانتقویم علمی ایرانداده کاوی مقالاتطرح های پژوهشی
شیوه ارجاع
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: علویان، سیده فاطمه،1404،بهبود بهره وری انرژی در محاسبات ابری با ادغام صف بازخورد چندسطحی و الگوریتم بهینه سازی ژنتیک (GA)،ششمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی،همدان،https://civilica.com/doc/2617728
ارائهشده در
مجموعه مقالات ششمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی2 اسفند 1404 · همدان