ترجمه مقاله استراتژی برنامه ریزی تعادل بار منابع ماشین مجازی در محیط پردازش ابری – نشریه IEEE

عنوان فارسی: | یک استراتژی برنامه ریزی تعادل بار منابع ماشین مجازی در محیط پردازش ابری |
عنوان انگلیسی: | A Scheduling Strategy on Load Balancing of Virtual Machine Resources in Cloud Computing Environment |
تعداد صفحات مقاله انگلیسی : 8 | تعداد صفحات ترجمه فارسی : 21 |
سال انتشار : 2010 | نشریه : آی تریپل ای - IEEE |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 5148 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 550.92Kb |
رشته های مرتبط با این مقاله: مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله: رایانش ابری، مهندسی الگوریتم ها و محاسبات، برنامه نویسی کامپیوتر و معماری سیستم های کامپیوتری |
مجله: سومین سمپوزیوم بین المللی معماری موازی، الگوریتم و برنامه نویسی |
دانشگاه: دانشکده کامپیوتر NPU HPC Center شیان، چین |
کلمات کلیدی: پردازش ابری، منابع ماشین مجازی، تعادل بار، الگوریتم ژنتیک، استراتژی زمان بندی |
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است |
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
چکیده
1- مقدمه
2- کارهای مربوطه
3- طراحی مدل برنامه ریزی VM
A. مدل VM
B. بیان بار
4- تحقق برنامه ریزی متعادل بواسطه الگوریتم ژنتیک
A. برنامه نویسی جمعیت
B. مقدار دهی اولیه جمعیت
C. تابع برازندگی
D. استراتژی انتخاب
E. عملکرد متقاطع
F. عملکرد جهش
G. استراتژی برنامه ریزی
5- تحلیل الگوریتم
A. الگوریتم برنامه ریزی کلی
B. تحلیل شدت الگوریتم ژنتیک
6- آزمایش و تحلیل نتایج
A . تحلیل اثر الگوریتم
B. تحلیل هزینه مهاجرت
7- نتیجه ها
Abstract—The current virtual machine(VM) resources scheduling in cloud computing environment mainly considers the current state of the system but seldom considers system variation and historical data, which always leads to load imbalance of the system. In view of the load balancing problem in VM resources scheduling, this paper presents a scheduling strategy on load balancing of VM resources based on genetic algorithm. According to historical data and current state of the system and through genetic algorithm, this strategy computes ahead the influence it will have on the system after the deployment of the needed VM resources and then chooses the least-affective solution, through which it achieves the best load balancing and reduces or avoids dynamic migration. This strategy solves the problem of load imbalance and high migration cost by traditional algorithms after scheduling. Experimental results prove that this method is able to realize load balancing and reasonable resources utilization both when system load is stable and variant.
چکیده: برنامه ریزی منابع ماشین مجازی (VM) متداول در محیط پردازش ابری عمدتا وضعیت فعلی سیستم را در نظر می گیرند اما به ندرت تغییر مسیر و اطلاعات تاریخی را در نظر می گیرد، که همیشه منجر به عدم تعادل بار سیستم می شود. از نظر مسئله تعادل بار در زمان بندی منابع VM، این مقاله یک استراتژی برنامه ریزی تعادل بار منابع Vm بر اساس الگوریتم ژنتیک ارائه می دهد. مطابق با اطلاعات تاریخی و وضعیت فعلی سیستم و بواسطه الگوریتم ژنتیک، این استراتژی اثری که بر سیستم خواهد داشت را بعد از گسترش منابع VM مورد نیاز محاسبه می کند و سپس موثرترین راه حل را انتخاب می کند، از این طریق به بهترین تعادل بار می رسد و از مهاجرت پویا اجتناب می کند یا آن را کم می کند. این استراتژی مسئله تعادل بار و هزینه بالای مهاجرت را توسط الگوریتم های سنتی بعد از زمان بندی، حل می کند. نتایج آزمایش ها نشان می دهد که این روش قادر به تحقق تعادل بار و استفاده از منابع معقول در هر دو حالتی که بار سیستم پایدار یا متغیر است، می باشد.