بهبود مصرف انرژی مراکز داده ابری با استفاده از الگوریتم یادگیری عمیق

در طی چندین سال اخیر، رایانش ابری به عنوان یک الگوی نو ظهور به شدت در زندگی روزمره در حال رشد می باشد. با توجه به رشد روز افزون این فن آوری مدیریت منابع در زیرساخت به عنوان یک چالش مهم مطرح می باشد. هدف از این پژوهش؛ بهبود بخشیدن میزان مصرف انرژی در مراکز داده ابری و بهبود تعداد مهاجرت ماشین مجازی و حفظ کیفیت سرویس بین سرور های فیزیکی در مراکز داده ابری با کمک یادگیری عمیق می باشد. این مقاله یادگیری عمیق را در جهت متعادل‌سازی بار کاری سرور ها و صرفه جویی در مصرف برق مراکز داده ها با مهاجرت های ماشین مجازی انجام می دهد. روش پیشنهادی برروی دیتا ست استاندارد planet lab u51799 بررسی و نتایج ارایه گردید. نتایج نشان می دهد مهاجرت با الگوریتم پیشنهادی از نظر مصرف انرژی،کاهش تعداد مهاجرت حدود 13 درصد نسبت به الگوریتم های مورد مقایسه بهبود یافته است.

improving energy consumption of cloud data centers using deep learning algorithm

during the last several years, cloud computing is growing rapidly as a new emerging paradigm in daily life. due to the increasing growth of this technology, resource management in infrastructure is considered as an important challenge. the aim of this research; improving the amount of energy consumption in cloud data centers and improving the number of virtual machine migrations and maintaining the quality of service between physical servers in cloud data centers with the help of deep learning .this paper explores deep learning to balance server workloads and save data center power consumption with virtual machine migrations the proposed method was investigated on the planetlab standard data set and the results were presented. the results show that migration with the proposed algorithm has improved in terms of energy consumption, reducing the number of migrations by about 13% compared to the compared algorithms.