الگوریتم برنامه ریزی ماشین مجازی
ترجمه نشده

الگوریتم برنامه ریزی ماشین مجازی

عنوان فارسی مقاله: VMSAGE: یک الگوریتم برنامه ریزی ماشین مجازی مبتنی بر اثر گرانشی برای رایانش ابری سبز
عنوان انگلیسی مقاله: VMSAGE: A Virtual Machine Scheduling Algorithm based on the Gravitational Effect for Green Cloud Computing
مجله/کنفرانس: عمل و نظریه مدل سازی شبیه سازی – Simulation Modelling Practice and Theory
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: مهندسی الگوریتم و محاسبات، رایانش ابری
کلمات کلیدی فارسی: ماشین مجازی، الگوریتم برنامه ریزی، بهره وری انرژی، اثر گرانشی، رایانش ابری
کلمات کلیدی انگلیسی: Virtual Machine, Scheduling Algorithm, Energy Efficiency, Gravitation Effect, Cloud Computing
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals List – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.simpat.2018.10.006
دانشگاه: School of Computer Science, Nanjing University of Posts & Telecommunications, Nanjing 210003, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 3.271 در سال 2018
شاخص H_index: 58 در سال 2019
شاخص SJR: 0.726 در سال 2018
شناسه ISSN: 1569-190X
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 41
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E14089
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


۱٫ Introduction


۲٫ Related work


۳٫ VM scheduling algorithm based on the gravitational effect


۴٫ Implementation of VMSAGE


۵٫ Experiments and performance analysis


۶٫ Conclusions


۷٫ Acknowledgments


References

نمونه متن انگلیسی مقاله

Abstract


The area of sustainable green smart computing highlights key challenges towards reducing cost and carbon dioxide emissions due to the high-energy consumption of Cloud data centres. Here, we focus on the Cloud virtual machine (VM) scheduling that is usually based on simple algorithms, e.g. VM placement on nodes with low memory usage. This approach fails to consider the actual configuration of nodes inside the server rack resulting in local overheating of Cloud data centres. To solve this, we propose a VM scheduling algorithm based on the gravitational effect, called VMSAGE, to optimize energy efficiency of Cloud computing systems. Inspired by the physical gravitation model, we define the thermal repulsion and logical gravitation factors between physical nodes and VMs. To achieve optimized VM scheduling, we propose a gravitation function that refers to the calculation of the logical quality of each VM, host and rack through the algorithm, so as to draw the attractiveness between them. Based on the concept of dimension reduction, VMSAGE conducts the two-dimensional plane target selection twice to reduce the computational cost. Additionally, VMSAGE evaluates attributes of the computer room to carry out the VM deployment. To demonstrate the effectiveness of our solution, we compare it with the Best Fit Heuristic (BFH) and the dynamic voltage and frequency scaling (DVFS) algorithms. The results indicate that our algorithm achieves 10% and 20% optimized energy consumption respectively. The experimental results highlight our contribution, in where VMSAGE can significantly reduce energy consumption rates and VM migration times.


Introduction


Cloud computing enables an economically promising paradigm of computation outsourcing [1]. Immense computation power and storage capacity of computing systems enable everyday Internet users to store and process largescale data on a “pay as you go” model [2]. As more users move their activities to the Cloud, the number of data centre nodes increases as well. The global data center market is estimated to reach revenues of around 174 billion by 2023, growing at a Compound Annual Growth Rate (CAGR) of approximately 4% during the forecast period1 . The demand for data centres processing capacity is expected to increase by 7 to 10 times in the next 5 years [3]. However, as the scale of Cloud data centres increases, the physical servers cause high power consumption and environ ment problems. Today, the annual power consumption of global data centres is about 3,000 tw.h, equivalent to the total power generation of 300 nuclear power plants [4]. For example, the annual power consumption of Google’s Cloud data centres is up to nearly 203,000,000 kw.h [4]. The inefficient utilization of resources causes unnecessary waste of energy. Kurnik et al. [35] show that the current under-utilization rates of many servers in data centres are around 90%. The effective virtualization of resources can be used to solve the low energy efficiency problem.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

الگوریتم برنامه ریزی ماشین مجازی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها