دانلود ترجمه مقاله کارایی و مدل سازی انرژی مهاجرت زنده از ماشین های مجازی – مجله ACM

• فهرست مطالب:

چکیده
۱- مقدمه
۲- مهاجرت VM زنده
۳- مدل های انرژی و عملکرد
۳-۱- مدل پایه عملکرد مهاجرت
۳-۲- مدل اصلاح شده عملکرد مهاجرت
۳-۳- مدل انرژی مهاجرت VM
۳-۳-۱ چالش های مدلسازی
۳-۳-۲ ساختار مدل
۳-۳-۳- آموزش پارامترهای مدل
۳-۴- تصمیم گیری مهاجرت VMModel-Guided
۴- پیاده سازی
۴-۱- چارچوب سیستم
۴-۲- اندازه گیری میزان کثیفی حافظه
۴-۳- میزان انتقال داده تطبیقی
۵- ارزیابی ها
۵-۱- تنظیم آزمایش
۵-۲- اندازه گیری حافظه کثیف
۵-۳- اعتبار دقت مدل
۵-۴- هزینه مهاجرت model-guided
۶- کارهای مربوطه
۷- نتیجه گیری

•  بخشی از ترجمه:

۷- نتیجه گیری
در این مقاله دو مدل برای تخمین عملکرد مهاجرت VM طراحی کرده ایم. تحلیل تئوری ما و نتایج آزمایش ها نشان دادند که پارامترهایی مانند اندازه حافظه VM، سرعت شبکه و میزان کثیفی حافظه فاکتورهای اصلی تاثیرگذار بر عملکرد مهاجرت بر حسب زمان توقف مهاجرت ، دوره پنهانی مهاجرت و ترافیک شبکه هستند. بر اساس مدل عملکردی ما یک مدل خطی سطح بالا برای تخمین انرژی مهاجرت طراحی کردیم. ما مدل ها را با مقایسه تخمین هایی با نتایج اندازه گیری شده تجربی تایید کردیم. مورد مطالعه تایید کرد که مدل های ما می توانند به مقدار قابل توجهی هزینه مهاجرت را بیشتر از ۷۲٫۹% کاهش دهند.
توجه کردیم که مدل های انرژی و عملکرد ما برای مهاجرت زنده administrators های مراکز داده را در کشف هزاران انتخاب برای تصمیم گیری مهاجرت بهینه سهولت می بخشد. همچنین مدل ها نیز باید قادر به راهنمایی خودنگری طرح الگوریتم مهاجرت برای tradeoffs متفاوت درمیان معیارهای عملکرد باشند. این در کار آینده ما بررسی خواهد شد.

• بخشی از مقاله انگلیسی:

۷٫ CONCLUSION

In this paper, we designed two models to estimate VM migration performance. Our theoretical analysis and experimental results showed that the parameters such as VM memory size, network speed and memory dirtying rate are the major factors impacting migration performance in terms of migration downtime, migration latency and network traffic. Based on the performance model, we design a high-level linear model to estimate the migration energy. We validated the models by comparing the estimates with experimentally measured results. The experimental results showed that the prediction accuracy is higher than 90% in terms of both performance and energy metrics. The case study verified that our models could significantly reduce the migration cost by more than 72.9%. We note that our performance and energy models for live migration would facilitate data center administrators to explore myriad of choices for optimal migration decision making. In addition, the models should also be able to introspectively guide the design of migration algorithm for different tradeoffs amongst the performance metrics. It will be investigated in our future work.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله