دانلود مقاله ترجمه شده بهینه سازی تخصیص منابع مجازی در محیط محاسبات ابری (IEEE 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

بهینه سازی تخصیص منابع مجازی در محیط محاسبات ابری

Optimization of virtual resources allocation in cloud computing environment

چکیده
1- مقدمه
2- کارهای مرتبط
3- مدل مساله تخصیص منابع
4- سیاست ترکیب مبتنی بر الگوریتم Hungarian (HABBP)
A- علامت گذاری
B- الگوریتم
C- مثال
5- آزمایش ها و نتایج
A- پیاده سازی الگوریتم HABBP پیشنهادی
B- نتایج تجربی
6- نتیجه گیری و کار آتی

چکیده

تخصیص منابع در محیط رایانش ابری نقش کلیدی در تعیین عملکرد، به کارگیری منابع و مصرف توان مرکز داده ایفا می کند. اختصاص مناسب ماشین های مجازی در مراکز داده ابری نیز یکی از مسائل مهم بهینه سازی در رایانش ابری به ویژه در زمانی است که زیرساخت ابری از دستگاه های رایانش سبک وزن ساخته شده است. در این مقاله مساله اختصاص منابع در محیط رایانش ابری را به عنوان یک مدل برنامه نویسی خطی ارائه می کنیم و سیاست ترکیب مبتنی بر الگوریتم Hungarian (HABBP) را به عنوان راهکاری برای بهینه سازی مدل پیشنهاد می دهیم. در نهایت پیاده سازی نرم افزاری مدل HABBP را به عنوان کد کمک کنننده به شبیه ساز محبوب CloudSim پیشنهاد می دهیم و عملکرد HABBP را با سیاست متداول ترکیبی CloudSim و ترکیب مبتنی بر الگوریتم Simplex مقایسه می کنیم. نتایج شبیه سازی نشان می دهد که سیاست جدید پیشنهادی عملکرد بهتری نسبت به سیاست ترکیب پیاده سازی شده در CloudSim مبتنی بر زمان کل اجرای کارها عملکرد بهتری دارد.

1- مقدمه

رایانش ابری الگوی جدید رایانشی است که دسترسی مورد تقاضا به شبکه را به مجموعه بزرگی از منابع رایانه ای، ذخیره سازی و شبکه بر بستر اینترنت فراهم می کند [15]. این الگو صرفه جویی در هزینه را پیشنهاد می دهد چرا که مبنی بر مدل پرداخت مبتنی بر استفاده است به طوری که مشتریان هزینه منابع رایانشی ارائه شده از سوی ارائه دهنده خدمت را در تنها در هنگام نیاز و برای آنچه که استفاده می کنند پرداخت می کنند. رایانش ابری دارای سه مدل پیاده سازی به نام ابر عمومی ، ابر خصوصی و ابر ترکیبی است [15,16]. علاوه بر این، خدمات رایانش ابری به سه نوع زیرساخت به عنوان سرویس (IaaS)، پلتفورم به عنوان سرویس (PaaS) و نرم افزار به عنوان سرویس (SaaS) دسته بندی می شوند. زیرساخت به عنوان سرویس به ارائه زیرساخت سخت افزاری همانند پردازنده، حافظه و ذخیره سازی به عنوان یک سرویس اشاره دارد. پلتفورم به عنوان سرویس به ارائه پلتفورم هایی همانند ساختارهای توسعه نرم افزار، سیستم عامل ها یا پشتیبانی از برنامه های چند مستاجری به عنوان یک سرویس اشاره دارد در حالی که نرم افزارها و برنامه ها در نرم افزار به عنوان سرویس به عنوان یک سرویس فراهم می شوند. این سرویس ها از طریق مفاهیم مجازی سازی و رایانش توزیع شده برای کاربران محیا می شوند. مجازی سازی تکنیکی است که به واسطه آن زیرساخت های فیزیکی برای ارائه منابع مجازی به نام ماشین های مجازی (VM) برای برنامه های سطح بالا به حالت انتزاعی تبدیل می شوند [18]. ماشین های مجازی می توانند همگون یا ناهمگون باشند.

6- نتیجه گیری و کار آتی

در این مقاله مساله اختصاص منابع در محیط های رایانش ابری مورد بررسی قرار گرفته است و سیاست ترکیبی HABBP پیشنهادی به عنوان راهکاری جدید و بهینه برای مساله تخصیص منابع مجازی معرفی شده است. الگوریتم HABBP از سیاست توازن بار برای ترکیب تکه ابرها با ماشین های مجازی به نحوی استفاده می کند که هر تکه ابر به ماشین مجازی مناسب اختصاص داده می شود تا کل زمان اجرای درخواست های مورد تقاضای کاربر بهینه شود. ما یک مدل بهینه سازی را فرموله کرده ایم، الگوریتم HABBP را پیشنهاد داده ایم، الگوریتم های HABBP و سیاست ترکیبی متداول را شبیه سازی کرده ایم و این الگوریتم ها را با الگوریتم Simplex مقایسه کرده ایم.

Abstract

In cloud computing, the allocation of resources plays a key role in determining the performance, resource utilization and power consumption of the data center. The appropriate allocation of virtual machines in cloud data centers is also one of the important optimization problems in cloud computing, especially when the cloud infrastructure is made of lightweight computing devices. In this paper, we represent the resources’ allocation problem in cloud computing environment as a linear programming model and propose a Hungarian Algorithm Based Binding Policy(HABBP) as a solution for optimizing the model. Finally, we propose an HABBP software implementation as contributed code to the popular CloudSim simulator and compared the HABBP performance to the conventional CloudSim binding policy and a binding based on the Simplex algorithm. Our simulation results show that the newly proposed policy outperforms the conventional binding policy implemented in the CloudSim in terms of jobs total execution time.

I- INTRODUCTION

Cloud computing is a new computing paradigm that provides on-demand network access to large pool of compute, storage and networking resources over the internet [15]. This paradigm offers cost savings because it is based on a pay-asyou-use model where customers pay for computing resources from a service provider only when needed and for only what they use. Cloud computing has three deployment models, namely: public cloud, private cloud, and hybrid cloud [15][16]. Furthermore, Cloud computing services are classified into three types as Infrastructure-as-a-service (IaaS), Platform- asa-Service (PaaS) and Software-as-a-Service (SaaS). IaaS refers to providing hardware infrastructure such as CPU, memory and storage as a service. PaaS refers to providing platforms such as software development frameworks, operating systems or multi-tenant application supports as a service while in SaaS software and applications are provided as a service. These services are provided to the users through virtualization and distributed computing concepts. Virtualization is a technique by which physical infrastructures are abstracted to provide virtualized resources called virtual machines (VMs) for high-level applications [18]. VMs can be homogeneous or heterogeneous.

VI- CONCLUSION AND FUTURE WORK

In this paper, we have revisited the issue of resource allocation in cloud computing environments and proposed HABBP binding policy as a new and optimal solution to the virtual resources allocation problem. HABBP uses a load balancing policy for binding cloudlets to virtual machines in such a way that each cloudlet is allocated to the appropriate virtual machine to optimize the total execution time of completing on-demand user requests. We have formulated an optimization model, proposed HABBP, simulated both HABBP and conventional binding policy in CloudSim and benchmarked these solutions against the Simplex algorithm

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بهینه سازی تخصیص منابع مجازی در محیط محاسبات ابری

Optimization of virtual resources allocation in cloud computing environment