بسته بندی ماشین مجازی مبتنی بر اشتراک صفحه با محدودیت های چند منبعه
ترجمه نشده

بسته بندی ماشین مجازی مبتنی بر اشتراک صفحه با محدودیت های چند منبعه

عنوان فارسی مقاله: بسته بندی ماشین مجازی مبتنی بر اشتراک صفحه با محدودیت های چند منبعه برای کاهش ترافیک شبکه در مهاجرت به ابرها
عنوان انگلیسی مقاله: Page-sharing-based virtual machine packing with multi-resource constraints to reduce network traffic in migration for clouds
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
رشته های تحصیلی مرتبط:  مهندسی فناوری اطلاعات، مهندسی کامپیوتر
گرایش های تحصیلی مرتبط:  شبکه های کامپیوتری، الگوریتم و محاسبات، معماری سیستم های کامپیوتری
کلمات کلیدی فارسی: مهاجرت ماشین مجازی، بسته بندی مجازی ماشین، اشتراک گذاری آگاه حافظه 
کلمات کلیدی انگلیسی: Virtual machine migration, Virtual machine packing, Memory sharing-aware
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2019.02.043
دانشگاه: School of Computer Science and Engineering, Central South University, ChangSha, PR China
صفحات مقاله انگلیسی: 10
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5.341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0.844 در سال 2017
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2017
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
کد محصول: E12045
فهرست مطالب (انگلیسی)

Abstract

1. Introduction

2. CBPS VM maximization problem

3. CBPS VM Packing problem

4. Performance evaluation

5. Related work

6. Conclusion

Acknowledgments

References

بخشی از مقاله (انگلیسی)

Abstract

Virtual machine (VM) packing plays an important role in improving resource utilization in cloud data centers. Recently, memory content similarity among VM instances has been used to speed up multiple VM migration in large clouds. Based on this, many VM packing algorithms have been proposed, which only considered the memory capacity of physical machines (PMs) as the resource constraint. However, in practice the results of such algorithms are not feasible, because thy may not satisfy the constraints of multiple resources (e.g., CPU of the PMs). Besides, the granularities of memory sharing in existing studies are very coarse, and they cannot fully leverage the benefits of memory content similarity which mainly appears at memory page level. In this paper, we study the page-sharing-based VM packing that considers constraints in multiple resources. Given a set of VM instances that share a large number of common memory pages, we pack them into the minimum number of PMs, subject to the constraints in the multiple resources on the PMs. This problem is solved in two steps. First, we pack the maximum number of VMs into a given PM, and then propose an approximation algorithm. The approximation ratio is better than that of the existing algorithm. Then, based on this approximation algorithm, we propose a heuristic algorithm to solve the general problem. Experimental results show that our heuristic algorithm outperforms existing approaches with at most 25% less required PMs and at most 40% less memory page transferring.