ترجمه مقاله رایگان با عنوان Optimal and suboptimal resource allocation techniques in cloud computing data centers(تخصیص تکنیک های منابع بهینه و غیر بهینه در مراکز داده محاسبات ابر)

مقاله رایگان با عنوان Optimal and suboptimal resource allocation techniques in cloud computing data centers را “” از اینجا دانلود کنید“”

عنوان مقاله به فارسی : تخصیص تکنیک های منابع بهینه و غیر بهینه در مراکز داده محاسبات ابر

پشتیبانی : دارد . در صورت بروز هرگونه مشکل با شماره تلفن 09367938018 در واتس آپ یا تلگرام یا 09191732587 و یا آی دی تلگرام research_moghimi@ تماس حاصل فرمایید.

کیفیت محصول :عالی

قیمت : رایگان

به منظور دانلود فایل ورد مقاله میتوانید از دکمه سبز رنگ سمت چپ صفحه استفاده کنید.

کاربر محترم توجه داشته باشید که ترجمه یار با صرف هزینه های زیاد تلاش کرده تا این مقاله را به رایگان در اختیار خواننده محترم قرار دهد. پس خواهش مندیم با خرید این محصول با قیمت بسیار کم ما را در جهت ادامه دار کردن این مسیر یاری کنید.

به جهت سفارش ترجمه ارزان از نوار بالای سایت کمک بگیرید.

ترجمه کامل محصول:

تخصيص تکنیک های منابع بهینه و غیر بهینه در مراکز داده محاسبات ابر

چکیده

ارائه دهندگان خدمات اير تحت فشار مداوم برای بهبود عملکرد هستند، گزینه های مختلف استقرار منابع بیشتری ارائه و قابلیت حمل نرم افزار را افزایش می دهند. برای دستیابی به اهداف عملکرد و هزینه، ارائه دهندگان نیاز به یک سیستم تخصیص منابع جامع دارند که هر دو منابع محاسباتی و شبکه را مدیریت می کند. روش جدیدی برای حل مسئله تخصیص منابع مرکز داده کافی به درخواست رزرو ماشین مجازي مشتري (VM) و درخواست ارتباط برنامه ریزی معرفی می شود این امر در هنگام دستیابی به اهداف ارائه دهندگان و به حداقل رساندن نیاز برای جابه جایی VM باید انجام شود. در این کار، مشکل تخصیص منابع در مراکز داده محاسبات ابری به عنوان یک مشکل بهینه سازی و حل شده فرمول بندی شده است. علاوه بر این، مجموعه ای از راه حل های اکتشافی معرفی شده به عنوان سیاست های رزرو VM و تنظیم ارتباط مورد استفاده قرار می گیرد. یک راه حل ساده غیر بهینه مبتنی بر تجزیه مسئله اصلی نیز ارائه شده است . نتایج آزمایش برای مجموعه متنوع بار شبکه نشان می دهد که راه حل ساده به سطوح امیدوار کننده برای میانگین تاخیر درخواست ارتباط رسیده است راه حل پیشنهادي قادر به رسیدن به سطوح عملکرد بهتر از راه حل های اکتشافی بدون یار هستند که ساعتهای طولانی در حال اجرا است این باعث یک نامزد احتمالی برای حل مسائل با تعداد بسیاری از درخواست ها و محدوده هاي اطلاعاتی گسترده تر در مقایسه با راه حل بهینه می باشد.”ترجمه یار، دانلود رایگان مقالات”

کلمات کلیدی: ایرها، تخصیص منابع مدل های تحلیلی، شبیه سازی سیستم های سیستم ارتباطی ترافیک، عملیات سیستم ارتباطات و مدیریت خدمات وب و اینترنت. ماشین های مجازی، طراحی سیستم های راه حل.

مقدمه

تقاضای محاسبه ابر برای مشتریان از وعده تبدیل زیرساخت های محاسباتی به یک کالا یا خدمات نشئت می گیرد که سازمان ها دقیقا به همان اندازه ای که آنها استفاده می کنند، برای آن هزینه پرداخت می کنند. این ایده، رویا اجرایی یک شرکت فناوری اطلاعات است. همانطور که تحلیلگر گارتنر يعنی داریل پلومر بیان می کند”رهبران محصولات تجاری در همه جا، دور از مراکز فناوری اطلاعات به دنبال دریافت برنامه ما ابر هستند . و برای آنها هزینه پرداخت می کنند مانند اشتراک مجله .هنگامی که این سرویس دیگر مورد نیاز نیست. آنها مي توانند این اشتراک را لغو کنند بدون اینکه تجهیزات استفاده شده باشد” [1] این ایده که محاسبات متمرکز بر شبکه، در آینده است در اوایل سال 1997 برای رهبران صنعت روشن بود، هیچکسی به غیر از استیو جابز نگفت: ” به هارد دیسک در کامپیوترم نیاز ندارم اگر بتوانم سریعتر به سرور دسترسی پیدا کنم . با حمل و نقل این کامپیوترهای همراه در مقایسه مربوط به روم شرقی می باشد [1] . این نیز برای خرید سازمان ها و برنامه ریزی مراکز داده بزرگ مورد استفاده قرار می گیرد.

به هر حال، عملکرد همچنین عامل مهمی است. اگر در هر نقطه ای – شک و تردید بیش از توانایی ارائه دهنده به ارائه خدمات با توجه به موافقت نامه های امضا شده سطح خدمات (SLA) رایج می شود. مشتریان ارائه دهندگان دیگری را بررسی و انتخاب می کنند. آنها حتی می توانند بازگشت به مدل خرید و نگهداری را بررسی کنند. ارائه دهندگان تحت فشار ثابت برای بهبود عملکرد هستند، گزينه هاي استقرار منابع متنوع تر، بهبود قابلیت استفاده از خدمات و افزایش قابلیت حمل برنامه را ارائه می دهند. یک سلاح اصلی در اینجا یک سیستم تخصیص منابع کارآمد است . همانطور که در شکل 1 در سناریوی ابر، مشتریان قادر به اجاره ماشین های مجازی (VMs) از ارائه دهندگان ابر هستند. ارائه دهندگان چندین مدل استقراری ارائه می دهند که در آن پیکربندی VM در محاسبات قدرت حافظه، ظرفیت ذخیره سازی و پلت فرم فقط چند عامل را نامگذاری می کند..”ترجمه یار، دانلود رایگان مقالات”

در طول دوره اجاره مشتریان نیاز به قابلیت های شبکه دارند. مشتریان اطلاعات را اغلب در میان ستاد مرکزی مشتری (یا ابر خصوصی) و VM ها یا بین دو مشتری VMS  تبادل می کنند. هدف در اینجا برنامه ریزی برای برنامه های رزرو VM و در خواست اتصال در سریعترین راه ممکن است در حالی که از منابع مرکز داده بطور بهینه استفاده می کنند، این امر با ظهور مفاهیم داده بزرگتر سخت تر می شود. IBM چالش داده های بیشتری را به 4 ابعاد مختلف به Vs :4 یعنی حجم سرعت، تنوع و صداقت خلاصه می کند.[2] با اکثر شرکت هایی که حداقل 100 TB داده ذخیره شده دارند و با 18.6 میلیارد شبکه ارتباطی که فعلا در حال حاضر موجود برآورد می شود[2]. بازده تخصیص منابع هرگز اهميت زيادي نداشته است.

هنگامی که روش تخصیص منابع با وظیفه طراحی مواجه می شود. چالش های داخلی و خارجی بسیاری را باید در نظر گرفت، تلاش برای خلاصه کردن این چالش ها در [3] يافت مي شود. چالش های خارجی عبارتند از چالش هاي مقررات، جغرافیا و همچنین خواسته هاي مشتري مرتبط با نخبره داده ها و مدیریت آنها می باشد. این محدودیت ها منجر به محدودیت در محل VM های محدود شده و محدودیت ها به مکان و انتقال داده می شود..ترجمه توسط ترجمه یار

چالش های خارجی نیز شامل بهینه سازی مدل شارژ می باشد به طوری که حداکثر درآمد را ایجاد می کند. چالش های داخلی مورد بحث در[3]  شامل مسائل مربوط به دانه های محلی نیز می باشد. ماهیت یک برنامه از لحاظ داشتن اطلاعات فشرده باید در هنگام قرار دادن VM و برنامه ريزي اتصالات مربوط به این برنامه بررسی شود. برای دستیابی به اهداف عملكرد و هزینه مذکور، ارائه دهندگان محاسبات ابری نیاز به سیستم تخصیص منابع جامعی دارند که هر دو منابع شبکه و محاسبات را مدیریت می کند. چنین سیستمی کارآمد می تواند تأثیر مهمی داشته باشد زیرا منابع اضافی به طور مستقیم به درآمد منتقل می شوند. بخش های زیر به شرح ذیل سازماندهی می شونده بحث در مورد تلاش های تحقیقاتی مربوطه در بخش زیر معرفی می شود که منجر به مشارکت در این مقاله شده است شرح مدل دقيق در بخش ” شرح مدل ” آمده است. بخش “فرمولاسیون ریاضی” فرمول مسئله ریاضی را ارائه می دهد. روش های اکتشافی در قسمت “راه حل اكتشافی ” ارائه شده است . راه حل های غیربهینه در بخش “راه حل های غیربهینه” ارائه شده است. نتایج در بخش “نتایج ” نشان داده و تجزیه و تحلیل می شوند. در نهایت بخش “نتیجه گیری ” مقاله را نتیجه گیری و کار آتی را معرفی می کند..”ترجمه یار، دانلود رایگان مقالات”

کار مرتبط

تلاش های قبلی برای بهینه سازی مجموعه ای متنوع از منابع ابر انجام شد، در [4] دستجردی و پویا چار چوبی را برای ساده ساختن سرویس ایر ارائه می دهند. روش پیشنهادی آنها ترکیب سرویس بر اساس زمان استقرار، هزینه و قابلیت اطمینان ترجیح داده شده توسط کاربران بهینه می شود. نویسندگان از ترکیب الگوریتم های تکاملی و ترکیب بهینه منطق فازی با هدف به حداقل رساندن تلاش کاربران استفاده و همزمان ترجیحات خود را بیان می کنند. علیرغم داشتن طیف گسترده ای از الزامات کاربر در مدل سازی مسئله و ارائه فرمول بهینه همراه با یک منطق فازی اکتشافی، (4) مسئله را از آینده چشم انداز کاربر و نه ارائه دهنده مطرح می کند. هدف اصلی این است که بهترین ترکیب خدمات ممکن را ارائه می دهند که مشکل مسیر دلالی را به جای تمرکز بر روی عملکرد مرکز داده های ابری را به وجود می آورد ، شرایط SLA داده تضمین شده توسط ارائه دهنده ابر بدون بررسی نحوه حاصل شدن آنها را بررسی می کنند .

وی و همکاران (5) کیفیت خدمات (Qos) شامل مشکل تخصیص منابع محدود برای خدمات محاسبي ابري را بررسی می کنند. آنها روش نظری بازی را برای یافتن راه حل تقریبی این مشکل ارائه می دهنده راه حل پیشنهادی خود را در دو مرحله اجرا می کند (1) مرحله 1: حل بهینه سازی مستقل برای هر یک از شرکت کنندگان در نظریه بازی ، مرحله   2 : اصلاح استراتژی های چندگانه راه حل اولیه شرکت کنندگان مختلف مرحله 1 با توجه به بهینه سازی و انصاف بررسی می شود. مدل در [5]  نشان دهنده مشکل رقابت برای منابع در محيط ابر است هر سیستم/ گره از دستگاه نشان دهنده منبعی است که دارای هزینه مربوطه و زمان اجرا برای هر کار است. جزئیات بیشتر از نظر درجه بندي چندگانه محاسبات و منابع شبکه در هنگام برنامه ريزي مورد نیاز است حافظه ذخیره سازي ، توانایی محاسباتی و پهنای باند (حداقل)  باید به صورت جداگانه در یک مدل ایده آل در نظر گرفته شود. علاوه بر این، تائیر منابع شبکه به طور کامل در [5] يررسي نشده است. همچنین، هیچ بحث مفصل برای سناریوهای مجازی داده نشده است..”ترجمه یار، دانلود رایگان مقالات”

در [6] بلاگ لازوف و همکاران چارچوب معماری را علاوه بر اصول تخصیص منابع برای محاسبه ابر کارآمد انرژي تعریف می کنند. آنها الگوریتم هایی را برای نقشه برداری انرژی VM ها گره فیزیکی مناسب توسعه می دهند. آنها الگوریتم های برنامه ریزی را پیشنهاد می کنند که انتظارات Qos و ویژگی های مصرف انرژی منابع مرکز داده را بررسی می کنند. این شامل، اول، تخصيص VM ها با استفاده از روش کلصت مناسب اصلاح شده و سپس بهینه سازی تخصيص VM فعلی با استفاده از جابه جایی VM است با در نظر گرفتن چالش های جابه جایی ممکن است از نظر سقوط عملکرد ناشی از کپی ، انتقال تاخیر و چالش های برنامه ريزي همراه با آسیب پذیری ارائه دهندگان برای نقض [7] SLA است ، راه حلی که نیاز به جابه جایی VM را به حداقل برساند، یک مورد ترجیحی است. علاوه بر این، هیچ مهلتی برای وظایف در این کار در نظر گرفته نشده است.

دوان و همکاران [8] مشكل برنامه ریزی برای برنامه های کاربردی جریان موازی در مقیاس بزرگ در ابرهای هیبریدی را به عنوان یک بازی مشارکت متوالی فرموله می کنند. آنها یک الگوریتم چند منظوره را برای ارتباطات و ذخیره سازی پیشنهاد می کنند که زمان اجرایی و هزینه اقتصادی را بهینه می کند در حالیکه پهنای باند شبکه و محدودیت های مورد نیاز ذخیره سازی را برآورده می کند. در اینجا زمان محاسبه به عنوان یک عملکرد مستقيم از محل سایت محاسبات و کارکرد به جای استفاده از یک واحد تک برای اندازه وظیفه مدل سازی می شود. حافظه به عنوان یک منبع استفاده نمی شود. مهلت های کاری بررسی نمی شوند. هدف این است که مجموعه ای از وظایفی که از برنامه خاص تشکیل شده است. تکمیل کنید. این مدل به اجرای شغل در شبکه نزدیک تر است به جای آنکه میل رایج تر در ابر باشد که یک VM را با نیازهای خالی از منابع رزرو می کند و سپس وظایف مربوط به آنها را انجام می دهد، علاوه بر این، فرضيه ارائه شده این است که درخواست های تبادل داده می توانند همزمان با محاسبات بدون هیچ گونه وابستگی اجرا شوند..ترجمه توسط ترجمه یار

یکی دیگر از تغییرات را می توان در[9]  مشاهده کرد که در آن دو الگوریتم زمانبندي، بعنی فهرست سبز، و نوبت گردشی مورد آزمایش قرار گرفتند .

تمرکز دوباره بر بازدهی انرژی بود، اما مدل ارائه شده شامل مدل سازی شبکه های دقیق بود همانطور که آن بر اساس شبیه ساز شبکه NS-2 بود..”ترجمه یار، دانلود رایگان مقالات”

درخواست کاربر به عنوان وظیفه مدل سازی می شود. وظایف به عنوان درخواست واحد مدل سازی می شود که شامل مشخصات منابع در قالب الزامات منابع محاسباتی MIP) حافظه و ذخیره سازي) علاوه بر الزامات تبادل اطلاعات ( از جمله مقادیر نشان دهنده پرونده های پردازشی که برای میزبان فرستاده می شود. وظایف قبل از اجرا برنامه ریزی می شود، داده های ارسال شده به سرور های دیگر در طول اجرا و اطلاعات خروجی بعد از اجرا ارسال می شود) هیچ مدل بهينه اي ارائه نمی شود. در] 10 ]. یک زمانبند منابع انعطاف پذیر برای بازده انرژي براي مراکز شبکه های مهمی (NetFG) پیشنهاد شده است. نقش زمانبند برای کمک به خدمات ابری زمان واقعی مشتریان خودرو VCs) ) برای مقابله با تاخیر و مسائل مربوط به تأخیر است. زمانبندي هاي مذكور در لبه شبکه وسیله نقلبه عمل می کنند و به VCs از طریق لینک های متحرک تک های مبتنی بر TCP / IPCM زیر ساختار به خودرو (V12) خدمت می کنند.

هدف بهره برداری از وضعیت های محلی ارزیابی شده ارتباطات TCP/ IP ، به منظور به حداکثر رساندن ارتباطات کلی- به علاوه -محاسبات کارایی انرژی است در حالی که الزامات سخت افزاری Qos در مورد حداقل میزان انتقال، حداکثر تاخیر و ثاخير-تفاوت زمانی را برآورد می کند، زمانبند کارایی انرژی به طور مشترک انجام می شود : (i) کنترل پذیرش ترافیک ورودی توسط NetFC پردازش شود (ii)  ارسال حداقل انرژی از ترافیک پذیرفته شده ، (iii ) پیکربندی سازگاری و تثبیت ماشین های مجازی (VMs) توسط NetFC میزبانی می شود و (iv) کنترل تطبیقی ترافیک تزریق شده به اتصالات تلفن همراه TCP/ IP می باشد.

در [11]  یک زملبند حداقل انرژی بهینه برای تخصیص مشترک پويا آنلاین به اندازه وظایف، میزان محاسبات. میزان ارتباطات و توان ارتباطی در مراکز داده شبکه مجازی (NetDC) که تحت محدودیت های تاخیر در کار مر روزه عمل می کند، ارائه می شود زیرساخت های MetDC ذکر شده از ماشین های مجازی فرکانس با فرکانس چندگانه (VMs) تشکیل شده است که با پهنای باند و شبکه محلی ناحیه (LAN) متغیر از نظر انرژي محدود متصل شده اند. یک روش دو مرحله ای برای تحلیل دقیق راه حل دقیق CCOP پیشنهاد شده است. زمانبند مطلوب به دست آمده متمایل به اجرای آنلاین مقیاس پذیر، توزیع شده و خصوصیات تحلیلی آن در قالب بسته می باشد. عملکرد واقعی تحت هر دو زمان متغیر تصادفی بطور ترکیبی ایجاد شده است می شود و جهان واقعی طرح هاي حجم کاری را ارزیابی می کند ..”ترجمه یار، دانلود رایگان مقالات”

برخی از آثار جدیدتر عبارتند از راه حل FUGE [12] . نویسندگان برنامه ریزی شغلی را ارائه می دهند که هدف آن اختصاص دادن شغل به مناسب ترین منابع، با توجه به ترجیحات و الزامات کاربر است .هدف FUGE انجام توازن بار مطلوب با توجه به زمان اجرا و هزینه می باشد. نویسندگان اصلاح الگوریتم ژنتیک استاندارد SGA)) و تئوری فازی را برای طراحی یک حالت پایدار مبتنی بر فازي به منظور بهبود عملکرد SGA از لحاظ متصل کردن اصلاح کردند، الگوريتم FUGE شغل را به منابع با توجه سرعت پردازش مجازي( VM) . حافظه VM ، پهنای باند VMو طول کار اختصاص می دهد . یک اثبات ریاضی ارائه شده است که مشکل بهینه سازی با محاسبه شرایط معروف تحلیلی برجسته شده است (به ویژه شرایط کاریش كان تاکر) ..ترجمه توسط ترجمه یار

در]   13 [مسئله مدیریت صرفه جویی انرژی در هر دو مرکز داده و ارتباطات تلفن همراه حل شده است. یک زمانبند تخصیص منابع بويا و سازگار توزیع شده یا هدف کمینه کردن محاسبات مصرف انرژی به علاوه ارتباطات در حالی که تضمین کیفیت خدمات Qos)) محدودیت های کاربر ارائه شده است . زمان بند برای معیارهای زیر ارزیابی می شود؛ زمان اجرا، استفاده از مکان مناسب و استفاده از پهنای باند.

با نگاهی به راه حل های موجود در پیشینه، واضح است که در آزمایش پر چند جنبه از چالش های تخصیص منابع مواجه شده در این ناحیه متمرکز است ما سعی می کنیم جنبه های مختلفی را در جدول 1 خلاصه کنیم.

یک راه حل ایده آل، ویژگی از پارامترهای موجود در جدول 1 را برای ساخت یک راه حل کامل ترکیب می کند. این شامل فرمول بهینه سازی است که منابع محاسباتی و شبکه را در یک سطح گرانروی عملی پوشش می دهد. سرو کار داشتن با پهنای باند به عنوان یک کالا ثابت کافی نیست. جزئیات مسیریابی هر درخواست برای بازتاب نقاط داغ در شبکه مورد نیاز است. این برای منابع محاسباتی نیز هست. نیازهاي CPU حافظه و ذخیره سازی حداقل آنچه که باید بررسی شود را تشکیل می دهد. علاوه بر این، تعدادی از تلاش های قبلی متمرکز بر پردازش منابع است. در حالی که برخی بر منابع شبکه تمرکز دارند. سوال اینجاست که :

چگونه ما می توانیم درخواست های رزرو مشتری VM را با در نظر گرفتن نیازهای تبادل اطلاعت در ذهن خود حفظ و پردازش کنیم؟ رویکرد مشترک این است که قرار دادن VM و برنامه ریزی ارتباطات جداگانه یا در دو مرحله مختلف متوالی انجام شود، این شرایط Qos را به مخاطره می اندازد و باعث می شود که ارائه دهنده اقدامات کاهش را در هنگام تقاضای محاسبات و شبکه VM آغاز کند. این مراحل عبارتند از: ارائه مازاد به عنوان احتیاط با مهاجرت VM و پیش شرط اتصال پس از مسائل مانند گره های شبکه شروع به افزایش می کند. حداقل کردن رویداد جابه جایی VM یک هدف عمده عملکرد است جابه جایی افلاين VM ، به هرحال سریع یا کارآمد می باشد، بدان معنی است که مدت زمان صرف شده برای مشتریان است. این واقعا با یک محیط مشتری خواسته نمی شود که در دسترس بودن پنج 9 ( 99 . 999 % از زمان در دسترس بودن ) انتظار می رود. همانطور که برای جابه جایی آنلاین، بار با کپی / افزونگی لازم مورد نیاز است. این چالش هاي مرتبط با مهاجرت VM باعث می شود که معماران راه حل های محاسبات ابری از هر راه حلی استقبال می کنند که اصلا شامل جابه جایی نمی باشد..”ترجمه یار، دانلود رایگان مقالات”

این کمبود نیاز به یک راه حل تخصیص منابع دارد که هر دو تقاضا را در زمان مشابه بررسی می کند. این راه حل ، تقاضای ارتباطات آینده VM همراه با نیازهای محاسباتی قبل از قرار دادن VM را بررسی می کند. در این مورد، نیازهای شبکه شامل نه تنها نیازهای پهنای باند به عنوان یک شماره ثابت و یا متغير، بلکه محل منبع / مقصد از اتصال درخواست می باشد. بنان معنی است که گره ها / VM ما ( احتمالا ) مبادله داده ها با VM هستند.

همانطور که این VM ها بطور دقیق گره خورده نسيتا نزدیک به یکدیگر زمانبندی می شوند، استرس شبکه به حداقل می رسد و نیاز به بهینه سازی مکلن VM به طور چشمگیری کاهش می یابد.

در این کار، ما قصد داریم تا مسئله تخصيص رزرو مشتری VM و درخواست زمانبندي اتصال به منابع مربوط به مرکز داده را حل کنیم در حالی که اهداف ارائه دهنده ابر را برآورده می کنیم مشارکت ما شامل موارد زیر است:

1- مسئله تخصیص منابع برای مراکز داده ابر به منظور به دست آوردن راه حل بهینه فرمول بندی کنید. این فرمول بندی نیازهای منابع محاسباتی با جزئیات دقیق را در زمان سناریو واقعی رایج در ابر را بررسی می کند. آن همچنین شرایط مطرح شده توسط درخواست اتصال (شرایط عمر درخواست / مهلت نيازهاي پهنای باند و مسیریابی را در همان زمان بررسی می کند. یک مزیت مهم این رویکرد نسبت به رویکردهای مورد استفاده در تلاش های قبلی، بررسی هر دو مجموعه نیازهای منابع همزمان قبل از تصمیم گیری زمانبندي است. این فرمول از دیدگاه ارائه دهندگان مورد توجه قرار گرفته و هدف آن حداکثر سازی عملکرد است .

2- فرمول بندی عمومی را به شیوه ای انجام دهید که آن خود را محدود به محيط یک شبکه داخلی نمی کند. درخواست های دریافتی ارتباطی می تواند از بسیاری از ایرهای خصوصی یا عمومی توزیع شده حاصل شود. افزون بر این، زمانبند انعطاف پذیری را برای قرار دادن VM ها در هر یک از مراکز داده ارائه دهنده ابر فراهم می کند که در چندین شهر قرار دارند، این مراکز داده ابرها نشان دهنده گره های ارتباطی شبکه مستند مشکل کامل با استفاده از کتابخانه بهینه سازی IBM ILOG CPLEX حل می شود[14] .ترجمه توسط ترجمه یار

  1. معرفی چند روش اکتشافی برای انجام دو مرحله از روند برنامه ريزي سه روش برای مرحله رزرو VM و دو روش برای ارتباطات برنامه ریزی تست شد. عملکرد این روش ها بررسی و سپس با برخی از روش های موجود در ابتدا ذکر شده مقایسه شد..”ترجمه یار، دانلود رایگان مقالات”

4- یک روش غیربهینه برای حل مسئله مشابه برای مورد مقیاس بزرگ را معرفی کنید این روش مبتنی بر تکنیک تجزیه مشکل اصلی به دو مشکالت فرمی جداگانه است. اولین نفر به عنوان مشکل اصلی معرفی می شود که تخصیص VM را برای سرورهای مرکز داده بر اساس یک تابع رابطه گره VM انجام می دهد. دومین به عنوان زیرمجموعه ناميده مي شود. برنامه ريزي درخواست های ارتباطی تایید شده توسط مسئله اصلی انجام می دهد .

این روش غیر بهینه نتایج بهتر را از روش های اکتشافی به دست می آورد در حالی که این نتایج را در دوره های زمانی قابل قبولی در مقایسه با فرمولاسیون مطلوب دریافت می کنند .

شرح مدل

ما مدلی را برای مقابله با تخصیص مشکل منابع برای گروهی از درخواست های کاربر ابر معرفی می کنیم. این شامل فراهم آوردن هر دو محاسبات و منابع مراکز داده شیکه است. این مدل شامل یک شبکه گره های سرویس دهنده ( ابرهای عمومی ) و مشتری گره ها ( ابر های مخصوصی) است. این گره ها در انواع مختلف، شهرهای با نقاط جغرافیایی مانند شکل 2 قرار دارند.

آنها با استفاده از شبکه لینک های دو طرفه متصل هستند. هر پیوند در این شبکه به تعداد خطوط برایر (جریان) تقسیم می شود. فرض بر این است که این عامل دانه بندی پیوندها می تواند کنترل شود. ما همچنین فرض می کنیم که هر مرکز داده شامل تعدادی از سرورهای متصل از طریق ارتباطات اترنت می باشد. هر سرور یک مقدار ثابت از حافظه، واحد محاسبات و فضای ذخیره سازی خواهد داشت. در گام اول، زمانی که مشتریان نیز به میزبانی ایری دارند. آنها درخواست برای رزرو تعدادي از VM ها ارسال می کنند. همه این VM ها می تواند همان نوع با انواع مختلف باشد، هر ارائه دهنده ابر انواع مختلف VM ها را برای مشتریان خود ارائه می دهد تا فرم را انتخاب کند. این نوع در مشخصات هر منابع محاسباتی مانند حافظه واحد CPU و ذخیره سازی متفاوت است. ما از این سه نوع منابع در آزمایش خود استفاده خواهیم کرد. در نتیجه، هر یک از VM های درخواست شده به یک سرور در یکی از مراکز داده اختصاص داده شده است. همچنین مشتري چندين درخواست برای رزرو یک ارتباط ارسال می کند. دو نوع اتصال [16,15] وجود دارد:.”ترجمه یار، دانلود رایگان مقالات”

1- درخواستی برای ارتباط یک VM به VM دیگر وجود دارد که هر دو VM ما قبلا فضای بر روی یک سرور در یک مکان از مراکز داده اختصاص دادند (ابرهای عمومی). 2- درخواست برای اتصال VM به گره مشتری است در اینجا، VM واقع در گره مرکز داده متصل به ستاد مرکزی مشتری یا ابر عمومی می باشد. شبکه سرویس گیرنده ابر در شکل 2 ارائه شده است. برای هر درخواست مشتری منبع. مقصده زمان شروع و مدت اتصال را تعریف می کند. بنابراین، هدف به حداقل رساندن میانگین تاخیر برای کلیه درخواست های ارتباطی می باشد یک نمونه از درخواست ها مشتری در جدول 2 نشان داده شده است. در خواست هایی با برچسب “Res” درخواست رزرو

  • در خواست های با برچسب “Req con ” عبارتند از : درخواست اتصال بین یک VM و یک گره مشتری یا بین 2 VMs می باشد. یک مثال از پیکربندی VM در جدول 3 [17، 18] نشان داده شده است.ترجمه توسط ترجمه یار

فرمول  ریاضی

برای حل مسئله برنامه ریزی منابع در محاسبات ابري محيط. ما یک مدل تحلیلی معرفی می کنیم که ما مسئله را به صورت یک مسئله خطی عدد صحیح مختلط فرمول بندی می کنیم. ما بهینه سازی مشکل حداقل میانگین تاخیر را برای کلبه درخواست های ارتباطی رزرو مدل می کنیم در حالی که نیازهای درخواست اتصال مجاري مشتریان مختلف را برآورد می کند. این مدل با استفاده از نرم افزار IBM ILOG CPLEX برای مجموعه ای کوچک از درخواست ها حل شده است..”ترجمه یار، دانلود رایگان مقالات”

نشانه ها

پارامترهای محیط و شبکه به شرح ذیل بیان می شوند. مجموعه VM ها و مجموعه اي از سرورها توسط VM و Q  به ترتیب نشان داده شده است  Mqm نشان دهنده مقدار منابع ( به عنوان مثال حافظه) در دسترس در سرور است که در آن

Є {qє Q }  m  حافظه ، واحد پردازنده (cu ) ، ذخیره سازی (sg) چنین است که Mqm =30 نشان می دهد که حافظه در سرور q ، 30 گیگابایت در دسترس است و فرض می شود که m دلالت بر نوع خاصی از منابع مورد نیاز دارد، یعنی، حافظه در یک سرور .kwm برای نشان دادن مقدار منابع مورد نیاز برای استفاده هر VM درخواستی مورد استفاده قرار می گیرد که =7 KVM نشان می دهد VM v є VM نياز به 7 گیگابایت حافظه فرض می شود که m نشان دهنده حافظه منابع بر روی یک سرور است مجموعه ای از مسیرهای شبکه و مجموعه اي از لینک ها توسط P , L به ترتیب نشان داده شده است ماه یک پارامتر باینری است به طوری که alp=1   اگر پیوند I є L   در مسیر p є P باشد، در غیر این صورت 0 است که در فرمول بندي ها، روش مسیریابی متناوب ثابت با مجموعه ای ثابت از مسیرهای موجود بین یک گره و هر گره دیگر استفاده شده است. این مسیرها مسیرهای متناوب ثابت نشان می دهند که درخواست می تواند برنامه ريزي شود زمانی که از یک سرور باقی مانده در گره اول به سرور متصل در گره دیگر حرکت می کند. Bqcp یک پارامتر باینری است به طوری که1 = bqcp است.

 

اگر مسير p є P یکی از مسیرهای متناوب از سرور باشدq є Q  به سرور، c є Q  ،  در غیر این صورت صفر است، I  مجموعه اي از درخواست ارتباطی را نشان می دهد. هر درخواست اتصال، i є I توسط یک منبع (si) ، مقصد (di)، زمان شروع درخواست شده (ri) و مدت  اتصال  TARD (ti)  را مشخص می کند TARD نشان دهنده تأخیر مجاز تاخیر پذیرفته شده برای هر در خواست ارتباطی می باشد. فرمول بندی سناریوها را تحت پوشش قرار می دهد که شبکه ها می توانند لینک را به سهام یا جریان تقسیم کنند که به انعطاف پذیری بیشتر با فرمول بندی و پوشش مجموعه ای از موقعیت ها اجازه می دهد. مجموعه سهام (طول موج در مورد شبکه نوري) می تواند شامل هر عدد از طول موجها بر اساس خود مشکل باشد مجموعه λ مجموعه اي از تمام طول موج های موجود در شبکه می باشد. این پارامتر h مورد استفاده در محدودیت 6 نشان دهنده تعداد زیادی است که به تضمین راه حل کمک می کند که با توجه به شرایط در محدودیت مشتق شده است. علاوه بر این، پارامتر باینري Wij نشان می دهد اگر درخواست  i قبل از درخواست j برنامه ریزی شده باشد. با استفاده از این پارامتر محدودیت 6 را براي هر جفت درخواست فقط یک بار تست شده تضمین می کند..”ترجمه یار، دانلود رایگان مقالات”

متغیرهای تصمیم گیری

Fi یک متغير تصميم عدد صحیح است که نشان دهنده زمان شروع برنامه ریزی برای درخواست اتصال    Xvq i є Iیک متغير تصمیم دوتایی است به طوری که Xvq = 1   اگر v є VM  در سرور q є Q و برنامه ریزی شده باشد. Yipw یک متغیر تصمیم باینری است به طوری که 1= Yip اگردرخواست،i є I  در مسير p є P  و طول موج w є λ  برنامه ریزی شده باشد.

تابع هدف

این مسئله به عنوان مسئله برنامه ریزی خطی اعداد صحیح (MILP) فرمول بندي شده است. هدف از MILP کاهش

به حداقل رساندن میانگین تاخیر ارتباط درخواست مشتری به و از VM ها است. استقامت در اینجا به عنوان تفاوت بین شروع زمان در خواسته شده توسط مشتری ) توسط ri معرفی شده) و زمان شروع برنامه ریزی شده توسط ارائه دهنده )توسط Fi معرفی شده ( محاسبه شده است حل کننده به دنبال راه حلی است که بهترین راه حل را برای مشتریان به ارمغان می آورد درحالیکه به مشتریان دیگر آسیب نمی رساند. راه حل تحت این فرض کار می کند که در خواست های مشتریان وزن اهمیت مشابه ای به ارائه دهنده دارند. هدف عملکرد این مشکل به شرح زیر است:ترجمه توسط ترجمه یار

 

محدودیت ها

تابع هدف منوط به محدودیت های زیر می شود:

در معادله (2) ما اطمینان می دهیم که VM دقیقا برای یک سرور مشخص می شود. در معادله (3) ما اطمینان می دهیم که درخواست ارتباط دقیقا بر روی یک مسیر فیزیکی و یک طول موج قرار خواهد گرفت (جریان / سهم یک لینک). در (4) ما تضمین می کنیم این VM در سرور هایی با ظرفیت کافی از منابع محاسباتی مورد نیاز VM ها اختصاص داده خواهد شد. در (5) ما اطمینان می دهیم که یک ارتباط فقط بر روی یکی از مسیرهای قانونی جایگزین بین VM و شریک ارتباط ایجاد خواهد شد (یکی دیگر از VM یا گره مشتری( در (6) ما اطمینان می دهیم که حداکثر یک درخواست را می توان در یک لینک خاص در یک زمان در هر طول موج برنامه ریزی کرد و هیچ درخواست دیگری در همان لینک برنامه ریزی نخواهد شد و طول موج تمام می شود. محدودیت (7) تضمین می کند محدودیت 6 تنها برای یک بار برای هر جفت درخواست تست می شود. این نشان می دهد که درخواست i قبل از درخواست j شروع خواهد شد. در معادله (9) و (10) ما اطمینان داریم که زمان برنامه ریزی شده برای درخواست در پنجره مجاز تاخیر در این آزمایش است..”ترجمه یار، دانلود رایگان مقالات”

راه حل اکتشافی

مدل اکتشافی

 

مدل پیشنهادی در این مقاله به چالش تخصیص منابع در زمان ارائه منابع محاسباتی (پردازنده، حافظه و ذخیره سازی ) اشاره دارد و منابع شبکه با آن مواجه می شوند. یک کنترل کننده مرکزی درخواست های مذکور را با هدفي به حداقل رساندن میانگین تاخیر و درخواست مسدود کردن مدیریت می کند. هدف راه حل حل کردن چالش هزینه ارائه دهنده و موضوع عملکرد برنامه های ابری می باشد.

برای هر درخواست مشتری منبع، مقصد، زمان شروع و مدت زمان ارتباط را تعریف می کند. بنابراین، این مشکل در زیر دسته پیشرفته رزرو مسائل قرار می گیرد.

کنترل کننده مرکزي ( مي تواند برای مثال یک کنترل کننده شبکه تعریف شده نرم افزار ]20 ,19] (SDN) باشد)، جداول بانه مسیرهای شبکه در دسترس، منابع سرور موجود و زمان انقضاي ارتباط به منظور کنترل درخواست های جدید حفظ می شود. کنترل کننده سپس درخواست های VM ها را بر روی سرورها با توجه به روش یا سیاست مورد استفاده تخصیص می دهد. آن دسترسی منابع را با توجه جداول به روز می کند. پس از آن. کنترل کننده در خواست های ارتباطی را برای برآوردن نیاز مشتری برنامه ریزی و مسیریایی می کند، جداول دسترسی مسیر شبکه نیز به روز می شود. همانند هدف اولیه، کنترل کننده با هدف به حداقل رساندن میانگین تاخیر کلیه درخواست های ارتباطی برروی را پیشرفته می باشد. همچنین هدفي نوم، په حداقل رساندن تعداد درخواست های مسدود شده می باشد، به این هدف نائل می شوید بدون در نظر گرفتن آنچه که مسیر استفاده می شود. هدف سیاستهای اکتشافی/ تکنیکهای پیشنهادی بهتر شدن است. اگر چه از نظر ریاضی مقادیر متریک عملکرد مطلوب نیست. در حالی که ارائه این راه حل قابل قبول در مقدار زمان قابل قبول است ..”ترجمه یار، دانلود رایگان مقالات”

تکنیک های اکتشافی برای به حداقل رساندن تاخیر روند تخصيص به دو مرحله متوالی تقسیم می شود:

1- اختصاص VM ها در سرور های مرکز داده اینجا همه درخواست های رزرو VM بر اساس دسترسی منابع سرور قبل از هرگونه درخواست ارتباط ارائه می شود.

2- زمانبندي در خواستهای ارتباط در مسیرهای شبکه در دسترس این پس از آنکه همه VM ها به منابع اختصاص داده شد، رخ می دهد و عملیات در سرورها شروع می شود.

برای اولین مسئله فرعی، سه تکنیک اکتشافی ارزیابی شد. برای مرحله دوم( زیرمجموعه). دو تکنیک های اکتشافی مورد آزمایش قرار گرفتند. برای آزمایش کامل یک اکتشاف برای هر مسئله فرعی استفاده شد. اکتشافات مذکور به شرح زیر تقسیم می شوند..”ترجمه یار، دانلود رایگان مقالات”

تکنیکهای اکتشافی رزرو VM

الف) تکنیک توزیع زمان برابر (ED) : در این اکتشاف TMi زمان کل رزرو شده توسط درخواست ارتباط از دستگاه مجازي VMi (مجموع مدت زمان ارتباط) می باشد. بعد، سهم یک سرور با تقسیم واحدهاي كل زمان محاسبه می شود، تمام VM ها را از طریق تعدادی از سرورها درخواست شده اند. آن بر اساس این فرض است که همه سرورها ( برای منابع محاسباتی و شبکه ) ظرفیت مشابهی دارند. سپس، برای هر سرور. VMها منابع محاسباتی به سرورهاي متناظر یک به یک اختصاص داده می شوند. وقتی سرور تعدادی از VM ها را اختصاص می دهد که سهم سرور محاسبه شده را پوشش دهد، مصرف کننده VMبعد اختصاص یافته منابع در سرور زیر و مراحل قبلی تکرار می شوند. الگوریتم در شیه کد در شکل 3 توضیح داده شده است.

ب) تکنیک فاصله گره (ND )

اول، میانگین فاصله بین هر دو گره محاسبه میشود. دو گره دورتر از یکدیگر (با حداکثر فاصله ) انتخاب می شوند. سپس حداکثر تعداد VM ها بر روی سرور این دو گره مذکور اختصاص داده می شود. بعد گره باقی مانده ارزیابی می شود، گره با حداکثر فاصله متوسط به دو گره قبلی انتخاب می شود. همان فرایند تکرار می شود تا زمانی که تمام سیستم های VMS برنامه ريزي شوند.

الگوریتم در شبه کد در شکل 4 توصیف میشود. filINude تابعی است که اساسا سعی می کند بسیاری از VM ها احتمالی در گره نامیده شده را برنامه ریزی کند تا زمانی که منابع گره خسته می شوند. filINode در شکل 5 نشان داده شده است.

ج) تکنیک توزیع مبتنی بر منابع (RB)؛

در این اکتشافی، انتخاب سرور بر اساس نوع VM درخواست شده می باشد. همانطور که در جدول 3 نشان داده شده است. سه نوع VM ها در آزمایش استفاده می شود . i) حافظه بالا فوق العاده بزرگ (MXL) پیکربندی حافظه بالایی دارند، 2) CPU فوق العاده بزرگ ((CXL دارای یک قدرت محاسباتی بالا هستند..”ترجمه یار، دانلود رایگان مقالات”

iii) استاندارد فوق العاده بزرگ

(SXL) برای برنامه های معمولی بیشتر مناسب است که فضای ذخیره سازی زیادی نیاز دارند. بسته به نوع درخواست VM توسط مشتري، اکتشافی سرود را با بالاترین مقدار منابع مربوطه در دسترس انتخاب می کند. سپس VM منابعی را به سرور اختصاص میدهد.این باعث مي شود که توزیع متعادل تر شود دهد.

تکنیک های اکتشافی رزرو ارتباطی

a ) تکنیک اولویت مدت (DP)

در این اکتشافی، ارتباط با کوتاه ترین مدت زمان اولویت داده می شود. اول، در خواست ارتباط بر اساس مدت زمان درخواست شده مرتب می شوند. مرحله بعدی انتخاب ارتباط با کوتاه ترین ملت و برنامه ريزي آن را در کوتاه ترین مدت مسیر در دسترس است. این مرحله تکرار می شود تا زمانیکه کلیه درخواست ارتباطی ارائه شود. الگوریتم در شبه کد در شكل 6 توضیح داده می شود..ترجمه توسط ترجمه یار

ب) الگوریتم حريص (GA) :

در این اکتشاف، که در شکل 7 نشان داده شده است. برنامه ریزی بر اساس ارتباط شروع زمان درخواست شده (RST) می باشد، درخواست ارتباط با RST قبلی در مسیر اول در دسترس بدون در نظر گرفتن طول مسیر برنامه ریزی شده باشد.

تجزیه و تحلیل پیچیدگی راه حل های اکتشافی

مشکل تخصیص منابع در مرکز داده ابر تنوع از مشکل حلقه شناخته شده است این مسئله کوله پشتی دو شکل دارد. در فرم تصمیم گیری

که کمتر دشوار است . همانطور که سوال در مورد NP۰ مکمل این است: آیا ارزش عینی حداقل  Kبدون بیش از وزن مخصوص W به دست مي آيد؟ فرم بهینه مسئله – فرمی است که ما سعی می کنیم در این کار حل کنیم – تلاش می کنیم تا احتمال ارزش عینی را بهینه سازی کنیم . فرم بهينه سازي    NP-Hard است. این بدان معنی است که حداقل سختی تمام مشکلات NP است. آنجا راه حل فعلی در زمان چندجمله ای برای این فرم وجود ندارد. این باعث معرفی الگوریتم های اکتشافی شد. این ممکن است برای خواننده مورد توجه قرار گیرد تا پیچیدگی الگوریتم های معرفی شده اکتشافی را بازدید کند..”ترجمه یار، دانلود رایگان مقالات”

ابتدا متغیرهایی را که در این تجربه و تحلیل در نظر گرفته شده را بازبینی می کنیم. VM نشان دهنده مجموعه VMاست. N نشان دهنده مجموعه ای از گره ها است S مجموعه اي از سرور ها است. R  مجموعه درخواست های اتصال است T تاخیر مجاز برای هر درخواست و D میانگین مدت زمان ارتباط است. این تجزیه و تحلیل با هدف تنها یک تقريب از پیچیدگی زمان برای نشان دادن ارائه شده است که این الگوریتم ها در داخل زمان چند جمله ای و به نوبه خود اجرا می شود – عملا توسط آن مقياس گسترده ای از شبکه هاي ابر استفاده می شود. نگاه کنید به الگوریتم های یک به یک معرفی شده ، متوجه می شویم که توزیع زمان برابر پیجیدگی  O( | VM || R | + | S | ) را دارد. فاصله گره الگوریتم ها در   O(| N3 || S | + | V | )اجرا می شوند. توزیع مبتنی بر منابع در O ( |V||S|) اجرا می شود که سریع ترین در میان الگوریتم جابه جایی VM 3 ما معرفی کردیم. مانند برای ارتباط الگوریتم های اکتشافی زمان بندی مدت زمان اولویت در

O( | R  O ( | R ||lg | R | + | R |.T.D + DT . |(1+lg |R| )

اجر می شود. در نهایت الگوریتم زمان بندی اتصال حريص در  O (R.T.D)اجرا می شود. بنابراین، تمام الگوریتم های ذکر شده در زمان چندجمله ای اجرا می شود و می تواند نتیجه را برای مشکل مقیاس بزرگ در دوره های زمانی عملی تولید کند.

راه حل غیر بهینه

اگر چه راه حل بهینه می تواند با استفاده از فرمول بندی در بخش “فرمول ریاضی” حاصل شود. این تنها احتمال برای مقابله با مسئله در مقیاس کوچک است . حتی در زمان استفاده یک شبکه 5 گره با 4 سرور و 7 پیوند آنها را ارتباط می دهد تعداد متغیرهای بهینه سازی می تواند به بزرگی 5000 متغیر باشد زمانی که برنامه زمانبندي 50 درخواست متعلق به 5 VM باشد. از سوی دیگر، روش های اکتشافی راه حل قابل قبول در زمان های نسبتا سریع حاصل می شود اما کیفیت راه حل قابل اثبات نیست. این ما را انگیزه دار می کند تا به مرحله بعدی حرکت کنیم که یافتن روش دستیابی به یک راه حل غیر بهینه است. روش معرفی شده در اینجا بر اساس تکنیک تجزبه است. ما روش در شکل 8 نشان می دهیم مراحل به شرح زیر است

1- در مرحله 1، مجموعه اي از درخواست ارتباط شناخته شده برای ارزیابی وابستگی متقابل پیش پردازش می شود. این با محاسبه ارتباطات فرکانس بین هر دو نقطه در شبکه حل می شود. به طور خاصتر، فرکانس درخواست های ارتباط بین هر VMi و VMj محاسبه می شود و همچنین فرکانس درخواست ارتباطی بین VMi و گره k که یک ابر خصوصی را نشان می دهد. این به ما نشان می دهد کدام مسیر، بیشتر ارتباطات VM را دارد. این ارتباط با وابستگی این VM نزدیک است و باید به طور ایده آل برآنچه که برنامه ریزی شده تاثیر بگذارد..”ترجمه یار، دانلود رایگان مقالات”

2- در مرحله دوم، یک تابع مفید بر اساس مقادير فرکانس اتصال تولید شده در مرحله 1 ساخته شده است. تابع ابزار به عنوان تابع هدف، مسئله اصلی عمل می کند که VM ها را در میزبان اختصاص می دهد.

3- بعدا یک مشکل اساسی که ما اختصاص VM ها به سرورها و ارتباطات مسيرهاي خاص بدون برنامه ریزی آنها تولید می شوند را کنترل می کنیم به عبارت دیگر، ها متغير تصميم گيري Xvq با توجه به محدودیت های برنامه ريزي حل می کنیم. این یک وظیفه قابل اجرا برای VM ها ایجاد می کند که هدفي آن برنامه ریزی VMهای نزدیک به یکدیگر هستند.

4- پس از گرفتن مکان وظایف VM . یک مسئله فرعی که در آن تلاش می کنیم تا برنامه ریزی بهینه برای ارتباط داده تحت این وظیفه شرایط خام VM پیدا کنیم. به عبارت دیگر. ما برای متغیر تصمیم گیری Yipw ، Fi در مسئله فرعی را حل می کنیم. حداقل تاخیر ایجاد شده از زیر مجموعه هدف ارزشمندی است که ما به دنبال آن هستیم. همانطور که در هر تجزیه مبتنی بر بهینه سازي. موفقیت روش تجزیه بستگی به راه حل مشکل اصلی انتخاب شده دارد . ما مسئله اصلی و مسئله فرعی را به شرح ذیل مطرح می کنیم.ترجمه توسط ترجمه یار

 مشکل اصلی فرمول سازی

ما ابتدا تابع فاصله را معرفی می کنیم این نشان دهنده فاصله بین دو گره اندازه گیری شده توسط تعداد لینک در کوتاهترین مسیر بین آنها می باشد. تابع فرکانس بر اساس مدت ارتباط نیز اضافه شده است. این تابعی است که در آن زمان ارتباط به عنوان عامل غالب ترجیح داده می شود. تابع فرکانس مقداری است که وابستگی متقابل بین VMيا بين VM و یک ابر خصوصی (گره مشتری( را معرفی می کند. گزینه دیگر در اینجا بسته به تعداد ارتباطات مورد درخواست بین این دو نقطه به جای مقدار کل زمان ارتباط می باشد. هنگامی که با مقدار تابع فرکانس را محاسبه می کنیم. عملکرد نرم افزار به شرح ذیل ساخته شده است:

منوط به

(13)                                                                  (4)(2)

مشکل اصلی، یافتن تخصيص VM است که ارزش تقطه به نقطه وابستگی متقابل را به حداکثر می رساند.

مساله فرعی

همانطور که مسئله فرعی بر برنامه ریزی تمرکز دارد. هدف عملکرد آن مشابه فرم مطلوب است یعنی به حداقل رساندن میانگین تاخیر در ارتباط می باشد. در این مورد، ارزش نهایی هدف آرام به طور مستقيم از راه حل مسئله فرعی نشات می گیرد. تفاوت این است که مسئله فرعی در حال حاضر می داند که VM اختصاتی داده شده است و ارتباطات بر طبق آن برنامه ریزی شده است. هدفي مسئله فرعی به شرح زیر است

منوط به

(15)                                                                                           (3),(5)-(11)

نتایج

شبیه سازی محیط

مشکل با استفاده از یک رویداد گسسته مبتنی بر برنامه شبیه سازی، شبیه سازی شده است و در یک مقیاس عملی تر با استفاده از تکنیک های جستجوی اکتشافی که در گذشته مورد بحث قرار گرفته حل شده است. شبکه مورد استفاده برای آزمایش شبکه NSF است (در شکل 9) این شامل 14 گره است که 3 گره های مرکز داده هستند و بقیه گره های مشتری در نظر گرفته می شوند [21]. گره ها با استفاده از سرعت بالا شبکه با جزئیات گره پیوسته متصل می شوند که تا 3 برابر خطوط ( جریان ) در هر لینک افزایش می یابند روش مسیریابی متناوب ثابت با 3 مسیر در دسترس بین یک گره و هر نوع گره دیگر استفاده می شود. بیکربندي سرور و درخواست پارامترهای داده در جدول 4 بطور مبسوط و مشروح بیان شده است پیش شرط درخواست ارتباط در این آزمایش مجاز نیست .”ترجمه یار، دانلود رایگان مقالات”

اكتشافی

همانطور که در بخش های قبلی توضیح داده شد. هر آزمایش شامل دو مرحله و بنابراین دو اکتشافات مورد نیاز است:

یکی به برنامه VMs در سوور و دیگر برنامه ریزی درخواست ارتباط است پنج تکنیک قبل از ايجاد 6 ترکیب احتمالی توضیح داده شد. به هر حال ما انتخاب کردیم تا نتایچ از بهترین 4 ترکیب ( بهترین 4 راه حل کامل) را نمایش دهیم. این به خاطر محدودیت های فضایی است. 4 ترکیب انتخاب شده تمام 5 اکتشافات را پوشش می دهد. سناریوهاي شبيه سازي و اکتشافات ترکیبی برای دو مسئله فرعی به شرح زیر استفاده می شود

1-EDGA : روش توزیع زمان برایر و الگوریتم حريص

2-RB-DP  :روش توزيع مبتنی بر منابع و روش اولویت دوام

3-ED-DP :روش توزیع زمان برابر و مدت زمان تکنیک اصلی

ND – DP-4 :تکنیک گره دور و الگوریتم حرص

در شکل ما 10 و 11، عملکرد 4 روش بر اساس درصد مسدود شده مقایسه می شوند. این به عنوان افزایش بار درخواست ارزیابی می شود. شگل 10 مقایسه درصد درخواست های مسدود شده را نشان می دهد (درخواست هایی که نمی توان برنامه ریزی کرد، جایی که مقدار پارامتر تاخیر اندکی مجاز است) ۱ واحد زمان.( این بدان معنی است که این سناریو شبیه به الزامات در خواست تحمیل به زمان بندی زمان واقعی می باشد.”ترجمه یار، دانلود رایگان مقالات”

محور x نشان دهنده بار درخواستی است که توسط λ/μ    اندازه گیری می شود. λ نشان دهنده میزان ورود و μ  نشان دهنده میزان خدمات می باشد. شکل 11 همان مقایسه را نشان می دهد زمانی که مجاز بودن تاخیر در هر درخواست زياد (30000 واحد زمانی) است. در هر دو سناریو متوجه شدیم که روش هاي   -ED – DP , BR-DP مزیت واضح با امتیاز دادن به طور مداوم درخواست های کم مسدود شده را نشان داده اند. عامل مشترک برای این 2 روش در حال استفاده DP برای برنامه ریزی اتصالات می باشد. بنابراین، این مزیت روش استفاده از DP بر GA هنگام برنامه ریزی در خواست انصال در شرایط زمانی سخت یا واقعی را نشان می دهد. علاوه بر این، همانطور که در شکل 11 دیده می شود، RB-DP به خوبی مزیت بیش از ED-DP از نظر درصد مسدود کردن را نشان داده است.

با توجه به ماتریس عملکرد دیگر، میانگین تاخیر در هر درخواست ارزیابی ها در شکل 12 نشان داده شده است. شکل نشان می دهد که مقادير متوسط تاخير در هر درخواست در زمان استفاده از چهار روش تولید می شود. تاخیر مجاز در این آزمایش اندک است (25 واحد زمان (یک بار دیگر روش های ED- DP و RB – DP نشان دهنده یک مزیت واضح با امتیاز دهی ثابت تاخیر کمتر در هر درخواست می باشد. همچنین، از شکل متوجه شدند که EB – DP  نتایج کمی بهتر از RB – DP را تولید می کند (میانگین کمتر تاخیر)

بنابراین، استفاده از روش RB – DP مناسب، تراز سناریوهایی است که تاکید بر محدمت به بیشترین تعداد درخواست ما دارد از سوی دیگر، استفاده از ED – DP برای سناریوهایی مناسب تر است که در آن عملکرد درخواست یا سطح خدمات فرد بیش از راه دادن درخواست های بیشتر اولویت بندی شده است. نتایج راه حل ساده

با توجه به شبکه ای که ما تست کردیم. از یک شبکه 5 گره در این آزمایش ها با 2 گره همانند گره های مرکز داده و بقیه به عنوان گروه هاي مشتري (ابر خصوصی) استفاده کردیم. چهار سرور در آزمایش ها با 2 سرور در هر مرکز داده مورد استفاده قرار گرفت.”ترجمه یار، دانلود رایگان مقالات”

برای اتصال گره ها در شبکه فیزیکی، 7 لينک استفاده و 20 مسیر مختلف تعریف شد. دو مسیر روتین جایگزین برای هر دو گره تعریف شد.

شکل 12 ، درخواست میانگین تاخير ناشی از روشهای زمانبندی انجام شده است (تاخیر مجاز / درخواست =25 واحد زمان) داده حاوی اطلاعات مربوط به 5 نمونه VM است.ترجمه توسط ترجمه یار

انتخاب این شبکه بخاطر دو عامل است. اول، متراکم کردن درخواست در معماري با منابع محدود که شبکه را تحت فشار زیادی قرار می دهد تا اثر ظرفیت شبکه را از بين ببرد که بر نتایج تاثیر خواهد داشت. این به کنترل بیشتر با حذف هر گونه عوامل مرتبط به طراحی شبکه با توزیع گره اجازه خواهد داد که ممکن است فشار بر الگوريتم زمانبندي را کاهش دهد. این راه اندازه مشکل فقط با استفاده از پارامترها کنترل می شود ما آزمایش می کنیم که کدام تعداد درخواست ها مشخصات و توزیع آنها هستند. دوم، آن را ساده تر می کند تا نتایج و زمان اجرایی راه حل ساده نسبت به راه حل بهینه را مقایسه کند.

برای درخواست های ارتباط حاصل از مشتریان. همانند] 22.[ مقادير ورودی آنها بر اساس روند پواسون تنظيم شده است. طول عمر درخواست ارتباط (مدت زمان ) به طور معمول با میانگین 100 واحد زمانی توزیع شد و تعد كل درخواست های ارتباطی به تدریج از 20 تا 3000 درخواست افزایش می یابد. هردرخواست ارتباطی با یک منبع یک مقصد، زمان شروع درخواست و مدت زمان در ارتباط است گره هاي متبع / VM به صورت یکنواخت نوزیع شد.

برای ارزیابی راه حل های بهینه و ساده ما از استودیوی بهینه سازی 4.LOG CPLEX v12.ا IBM استفاده کردیم، هر دو راه حل بهینه و ساده با استفاده از زبان برنامه نویسی بهینه (OPL) برنامه ريزي و چند گانه مراحل تست انجام شد. هر دو راه حل برای مقادیر متعدد بار شبکه نرمال تست شدند.”ترجمه یار، دانلود رایگان مقالات”

جدول 5 مقایسه بین مقادیر عینی بدست آمده با استفاده از طرح بهینه در مقایسه با مقادیر حاصل از طرح ساده( تجزیه شده ) براي مقياس اندک مسئله را نشان می دهد (حداکثر تا 200 درخواست) در حالی که راه حل بهینه قادر به زمانبندی تمام درخواستها بدون هیچ تاخيري (تداخلی) می باشد. راه حل سالانه میانگین تاخير قابل قبولی را در مقایسه بدست آورد.

همانطور که از جدول متوجه شدید، زمان اجرا برای طرح بهینه کمی برای مجموعه داده های کوچک بهتر است، اما همانطور که تعدادي از درخواست ها رشد می کنند. تفاوت در زمان اجرا آشکار می شود. این تا زمانی ادامه پیدا می کند که راه حل بهینه غير قابل انجام شود در حالی که راه حل ساده هنوز در دوره نسبتا کوتاه اجرا می شود. حداکثر تعداد درخواست ما راه حل بهینه بستگی به تعداد ماشین آلات مورد استفاده دارد و پارامترهاي بارگذاری شبکه برای تولید داده هاي ورودي استفاده می شود.

در مورد مسائل بزرگ در مقیاس بزرگ. نتایج تجربی در جدول 6 نشان می دهد که راه حل ساده به میانگین تاخیر قابل قبول در مقایسه با راه حل مطلوب دست یافته است اثر افزایش اندازه مشکل بر منار متوسط تاخير در هنگام استفاده راه حل ساده آشکار است. میانگین تاخیر به دست آمده کمتر از %10 از میانگین مدت زمان درخواست می باشد (طول عمر). این به خوبی در مجموعه محدود در [23] براي تاخير قابل قبول ارتباط است که صف طول عمر (%50) یا مدت زمان درخواست ارتباط است.

همچنین بهبود قابل ملاحظه ای نسبت به عملکرد راه حل اکتشافی است که در همان جدول نشان داده شده است (مقدار میانگین تاخیر حدود 20 درصد از عمر درخواستی) جدول همچنین افزایش در میانگین تاخير را در زمان افزایش تعداد در خواست ها نشان می دهد (اندازه مشكل) این به خاطر این واقعیت است که تاخیر به عنوان اولویت داده شده به درخواست قبل از آن تجمع می یابد. بر اساس زمان اجرا. همانطور که تعداد درخواست ها رشد می کند تفاوت در زمان اجرای بین راه حل های مطلوب و ساده آشکار می شود راه حل بهینه غیر قابل انجام می شود در حالی که راه حل ساده هنوز در برنامه نسبتا کوتاه مدت 300 درخواست در یک دوره بین 8-11 دفینه بسته به بار شبکه اجرا می شود.”ترجمه یار، دانلود رایگان مقالات”

برای نشان دادن تاثیر پارامتر تاخیر مجاز بر اساس نسیت پذیرش درخواست نتایج در جدول 7 ارائه شده اند. با استفاده از راه حل اکتشافی با ترکیب RB – DP جدول افزایش در نسبت پذیرش را نشان می دهد همانطور که ما تاخیر مجاز در هر درخواست را برای بارگذاری شبکه خاص افزایش می دهیم برای اندازه گیری نسبت پذیرش، ما حداکثر پارامتر دوره انتظار را معرفی کردیم (یا تاخیر مجاز همانطور که در بخش های قبلی مورد بحث قرار گرفت). این پارامتر نشان دهنده مدت زمانی است که یک درخواست اتصال انتظار می رود خدمت پیش از آن مسدود شده است .

برای آن یک ارزش ایده آل همان ارزش استفاده شده در ا23]. يعنی، نیمی از درخواست طول عمر می باشد. به عبارت دیگر، اگر ارتباط برای بیش از %50 مدت زمان خود صبر کرد و برنامه ريزي نشده بود سپس مسدود شده با ارائه نمیشود جدول 6 نسبت پذیرش و میانگین تاخیر برای درخواست با یک مدت زمان متوسط 100 واحد زمانی را نشان می دهد با توجه به این سناریو بود که در آن درخواست ها با خستگی بالا مسدود شده است تجارت بین میانگین تاخیر ارتباط و درصد (یا تعداد) ارتباطات مسدود شده را ارائه می دهد .ترجمه توسط ترجمه یار

جدول 6: زمان اجرا و متوسط تا خیر برای درخواست ارتباط برای مشکلات بزرگ در هنگام افزایش متوسط مدت زمان اتصال به 100 واحد زمان

متوجه شده اید که میانگین تاخیر کاهش می باید همانطور که ما درخواستها را با تاخیر بالا حذف می کنیم و آنها را مسدود در نظر می گیریم، میانگین تاخیر کمتر از %2 از درخواست طول عمر می تواند تضمین شود. اگر ما مایل به قربانی کردن 13 درصد از درخواست های مسدود شده باشیم. تصمیم به استفاده از این سناریو برای آب و هوای مناسب معماران راه حل ابر نیست. این بستگی به حساسیت مشتری به دقت و کیفیت در مقابل سرعت دستیابی به نتایج دارد.”ترجمه یار، دانلود رایگان مقالات”

مقایسه با راه حل های قبلی

هنگام برنامه ریزی مقایسه بین راه حل پیشنهادی و راه حل های موجود در پیشینه تحقيق، ما با چالش مواجه می شویم. همانطور که در جزئیات بخش کار مرتبط بحث شد “. راه حل هایی در دسترس پارامترهای مورد نظر و ابعاد پوشیده شده از مشکل تخصیص منابع ابر متنوع هستند. این محدودیت تعدادی از راه حل هایی دارد که به طور واقعی می تواند برای حل این عطر و طعم خاص مشکل مورد استفاده قرار گیرد. به هر حال، ما قادر به استفاده از الگوریتم های اجرا شده در [6]  (بهترین روش مناسب کاهش اصلاح شده ) [25,24] (برنامه ریزی سبز) برای حل مشکل مشابه و مقایسه عملکرد آنها به روشی که ما توسعه دادیم. تمرکز این بود: ظرفیت شبکه (حداقل درصد مسدود کردن ) و عملکرد ( زمانی که مسدود کردن مسئله نیست. به حداقل رساندن میانگین تاخیر در هر درخواست ارائه شده یک اولویت است.) این مقایسه برای اولین شبکه کوچکتر به منظور کشف اثر استرس بر روی یک شبکه ابر انجام شد. سپس، همان مقایسه برای سناریوی شبکه واقع گرایانه تر بزرگتر انجام شده همانند آزمایش های قبلی، تست ها برای اندازه های مسائل مختلف و سطوح مختلف مجاز هر درخواست انجام شد.

نتایج شبکه کوچک

شكل 13 عملکرد سه الگوریتم را بر اساس درخواست درصد مسدود برای سناریوهای متفاوت مقایسه می کند همانطور که تاخیر سطح مجاز افزایش می یاید.”ترجمه یار، دانلود رایگان مقالات”

جدول 7 میزان پذیرش درخواست ارتباط برای بارهای شبکه مختلف با استفده از راه حل های ساده

شكل 13 درصد مسدود کردن درخواست نتایج برای 3 برنامه ریزی الگوریتم های اندازه گیری شده براي 4 موارد مختلف اخیر مجاز

این شکل نشان می دهد که تکنیک ما ( RB – DP ) به طور مداوم بهتر (درصد مسدود کردن کمتر) از الگوریتم زمانبندي سبز عمل می کند، آن همچنین نشان می دهد که DP-RB در همان سطح MBFD برای سطح ناخیر مجاز قبل از نشان دادن یک مزیت برای تاخیر مجاز بالا انجام می شود.

شكل 14 نتایجی را برای متریک دیگر، میانگین درخواست تاخیر ارائه می دهد. شكل 14 نشان می دهد که RB- DF با انجام همان سطح از دو الگوریتم های دیگر شروع می شود و در حالی که ما سطح تاخیر مجاز برای درخواست ها را افزایش می دهیم، RB – DP نشان دهنده مزیت قابل توجه است ) همانطور که در آخرین مورد تاخير مجاز = 1000 واحد زمانی مشاهده شد.( تاثیر افزایش تاخیر مجاز. اساسا از بین بردن نیاز برای برنامه ریزی هر درخواست به محض اینکه آن ) برای جلوگیری از درخواست مسدود( حاصل شود. در عوض، آن بر آزمایش برای نشان دادن الگوریتم تمرکز می کند که می تواند درخواست را در کارآمد ترین شیوه برنامه ریزی کند / ارائه دهد و این، به نوبه خود، تاخیر میانگین در هر درخواست را کاهش می دهد .”ترجمه یار، دانلود رایگان مقالات”

نتایج شبکه بزرگ

روند مشابهی در زمان آزمایش در شبکه های بزرگ انجام می شود (شبکه NSF). در شكل 15 درصد مسدود کردن برای سه الگوریتم برای اندازه های مسائل مختلف نشان داده شده است. اندازه مشکل در اینجا توسط تعدادي لز درخواست های ارسال شده به کنترل مرکزی در هر چرخه نشان داده شده است.

شکل 14 : نتایج میانگین تاخیر درخواست برای 3 الگوریتم زمانبندی ارائه میدهد برای 4 موارد مختلف تاخیر مجاز ارزیابی شده است.ترجمه توسط ترجمه یار

این نتایج برای سطح تاخير مجاز 5= واحد زمانی نشان داده شده است (سطح بسیار پایین) که فشار اضافی برای ارائه درخواست در یک دوره کوتاه از ورود آنها می افزاید و تمركز الگوریتم های کار در ارائه بیشترین تعداد درخواست ها در سطوح تدریجی نیست.در شكل 16، نتایج مشابهی برای تعداد بیشتری از درخواست ها بین 3000 تا 10000 در هر دوره نشان داده شده است. این ثابت می کند که نتایج تجربی ما سازگار است هنگامی که شبکه در معرض بار بالاتر که نزدیک است یا از ظرفیت آن فراتر می رود. در هر دو صورت، آنها نشان می دهند که تکنیک ها ( RB – DP ) همواره از دو الگوریتم دیگر تحت بارهای بالا بهتر عمل می کند شکل 17 عملکرد الگوریتم ها را در مورد خاصی از سطوح تاخیر مجاز بالا بررسی می کند.

RB – DP مزایای واضح را از لحاظ مسدود کردن درصد متریک برای سطوح مختلف تاخیر مجاز ارائه می دهد.”ترجمه یار، دانلود رایگان مقالات”

حرکت به ماتریس دوم، شکل 18 عملکرد سه الگوریتم براساس درخواست میانگین تاخیر در زمان تغییر سطوح تاخیر مجاز (یا درخواست طول عمر) را نشان می دهد RB-DP در یک سطح قابل مقایسه به دو الگوریتم دیگر برای تاخیر سطوح مجاز کوچک و سپس فراتراز عملکرد MBFD سطوح متوسط طول عمر درخواست شروع می شود و سپس به وضوح بیش از هر دو الگوریتم یا سطوح بالاتر 400 واحد زمانی آغاز می شود.

این نتایج پتانسیل راه حل ما را براساس به دست آوردن عملکرد بهتر در هر دو درصد مسدود کردن )درخواست ارتباط بیشتری مورد قبول و احتقان شبکه کمتر است ( و میانگین تاخیر (کیفیت بهتر شرایط سرویس برای کاربران ابر) ثابت می کند.

نتیجه گیری

ما یک راه حل جامع برای مقابله با آن مشکل تخصیص منابع در مرکز داده هاي ابر محاسباتی معرفی کردیم [26] اول، مشکل به صورت مدل خطی عدد صحيح ترکیبی فرمول بندي شد، این فرمول با استفاده از یک کتابخانه بهینه سازی برای مجموعه داده های کوچک حل شد. به هر حال پیدا کردن راه حل بهینه برای سناریوهای کارآمد بزرگتر با استفاده از فرمول ریاضی مطلوب، امکان پذیر نیست. بنابراین ما 5 روش اکتشافی را برای مقابله با دو طرف مشکل، یعنی رزرو VM و برنامه ريزي ارتبط معرفی کردیم. عملکرد این تکنیک ها مورد تجزیه و تحلیل قرار گرفت و مقایسه شد.”ترجمه یار، دانلود رایگان مقالات”

اگر چه راه حل مسئله مقياس حل شد، یک راه حل اکتشافی بصورت بهینه سازی تضمینی ارائه نمی کند. این انگیزه را برای معرفی یک راه حل غير قطعی به وجود می آورد راه حل شامل 4 مرحله می باشد که وابستگی VM را به عنوان عامل غالب در فرایند تخصيص VM مورد سوء استفاده قرار می گیرد. این به ما اجازه می دهد مرحله زمانبندی را بطور بهینه در مرحله بعدی حل کنیم که باعث می شود راه حل به طور قابل توجهی بهبود یابد. این راه حل سده نتایجی مطابق با پارامترها از پیش تعیین شده در پیشینه تحقیق برای میانگین تاخیر ارتباط ارائه می دهد. نتایج نیز برای سناريوي نشان داده شد که مسدود کردن درخواست مجاز است. نتایج بدون قربانی کردن امکان سنجی محاسباتی حاصل شد که روش ما یک راه حل معنی برای رسیدن به سطوح تاخیر ارتباط قابل قبول را نشان می دهد، علاوه بر این، راه حل پیشنهادی با دو الگوریتم برجسته در پیشینه تحقیق مقایسه شده راه حل پیشنهاد شده نشان داده شد تا بر اساس به حداقل رساندن هر دو میانگین تاخير در خواست و مسدود کردن درصد فرمول سناریوهای شبکه ایر مفید باشد. این باعث داشتن نامزد قوی برای استفاده در سناریوهای ابر می باشد که در آن تمرکز بر متریک مانند درخواست های پذیرفته شده ارتباط بیشتر و شبکه کمتر احتقان با میانگین تاخیر درخواست می باشد (کیفیت بهتر شرایط خدمات برای کاربران ابر).ترجمه توسط ترجمه یار

در آینده ما قصد داریم از طرح خود برای آزمایش با ساير اهداف مهم ارائه دهنده ابر استفاده کنیم [27، 28]. حفظ حریم خصوصی در هنگام پردازش و ارتباط داده ها از طریق منابع ابر یک چالش مهم است.”ترجمه یار، دانلود رایگان مقالات”

 

error: شما فقط اجازه مطالعه دارید
قیمت می خواهید؟ ما ارزانترین قیمت را ارائه می کنیم. کافیست فایل خود را یا از طریق منوی خدمات ترجمه => ثبت سفارش ترجمه ارسال کنید یا برای ما به آدرس research.moghimi@gmail.com ایمیل کنید یا در تلگرام و واتس آپ و حتی ایمو با شماره تلفن 09367938018 ارتباط بگیرید و ارزانترین قیمت ترجمه را از ما بخواهید
+