ارایه رویکردی پیش بینی محور مهاجرت ماشین های مجازی برای مدیریت هزینه مراکز داده ابری

سیستم های رایانش ابری و مراکز داده بدلیل ارائه خدمات متنوع برپایه اینترنت و شبکه مانند جستجو در اینرنت، شبکه های اجتماعی و خدمات پست الکترونیک به بخش مهمی از زندگی روزمره تبدیل شده است. بنا به گستره کاربرد، هزینه انرژی مصرفی و جرایم نقص سرویس و انتشار گاز کربنیک آنها نیز بطور فزاینده ای افزایش یافته و دغدغه فراهم کنندگان ابر شده است. فن آوری مجازی سازی برای بهره وری توان الکتریکی و پشتیبان تکنیکی اجرای مهاجرت است، که با بکارگیری این فن آوری تعدادی ماشین مجازی بر روی تعداد کمی ماشین فیزیکی قرار می گیرد و ماشین های فیزیکی بی کار خاموش یا درحالت کم مصرف قرار می گیرند، این عمل مهاجرت ماشین های مجازی نامیده می شود. کاهش مصرف انرژی به عنوان هدف پایه ای مهاجرت، و رویکردی موثر در کاهش هزینه عملیاتی و سخت افزاری، توافق سطح سرویس، رایانش سبز، توازن بار و بهره وری سرورها است. االبنه اجرای مهاجرت کنترل نشده و نابهینه خود ناقص اهداف تعیین شده است. تحقیقات گسترده ای در موضوع مهاجرت ماشین های مجازی شده است، این تحقیق مروری سیستماتیک بر آنها با طبقه بندی از معیارها، اهدف، معماری ها و الگوریتم ها است. تضمین کیفیت اجرای مهاجرت ماشین مجازی دارای چالش است، که معماری جامع برای هر سه مرحله آن شامل تشخیص سرور از نظر میزان بار، انتخاب ماشین مجازی و جایابی ماشین مجازی انتخاب شده بر سرور پیشنهاد شده است. سپس الگوریتمی پیش بینی محور برای مرحله تشخیص سرور از نظر میزان بارارایه شده، ویژگی های کیفی الگوریتم با روش شبیه سازی ارزیابی شده، و نتایج شبیه سازی حاکی از بهبود درکیفیت معیارهای کارایی شامل نقص توافق خدمات، انرژی مصرفی، تعداد مهاجرت و انرژی- نقص در مقایسه با الگوریتم پایه پیشین موجود است.

providing a predictive based approach for the virtual machines migration to manage the cost of cloud data centers

cloud computing systems have become an important part of daily life due to the provision of various network-based services. according to the scope of application, the cost of energy consumption and the penalties of service level agreement(sla) violation and carbon gas emission have increased and it has caused a challenge in cloud. virtualization technology is for energy efficiency and supports the implementation of migration, by using which the virtual machine (vm) is placed on the minimum physical machine (pm) and the idle pms are turned off, this process the vm s migration is called. reducing energy consumption is the basic goal of migration, an effective approach in reducing infrastructure costs, sla violation and load balancing. the implementation of uncontrolled migration itself causes the failure of the set goals.this research is an overview of migration technology with a classification of criteria, objectives, architectures and algorithms in the vm s migration. a comprehensive architecture for all three stages of migration, including pm s detection, vm s selection and pm s placement is proposed. a prediction-based algorithm for the pm s detection stage is presented, the performance metrics of the algorithm by simulation are evaluated, and the simulation results indicate an improvement in the quality of performance metrics including the sla violation, the energy consumption, the number of migration and the energy-sla violation is in compared to the previous benchmark algorithms.