كاهش مصرف انرژي با استفاده از سري بايتونيك براي تخصيص ماشين‌هاي مجازي به ميزبان‌هاي فيزيكي در محاسبات ابري

Energy Efficient for the allocation of VMs to PMs using the series Bitonic in cloud computing

امروزه مصرف انرژي با رشد استفاده منابع افزايش پيدا مي‌كند تخصيص نامناسب ماشين‌هاي مجازي به ميزبان‌هاي فيزيكي موجب هدر رفتن انرژي بيشتري مي‌شود. در اين شرايط تخصيص بهينه ماشين‌هاي مجازي باعث كاهش تعداد مهاجرت‌ها در بين ميزبان‌هاي فيزيكي شده و در نتيجه مصرف انرژي كاهش مي يابد.روش پيشنهادي اين مقاله بر اساس كاهش مصرف انرژي بوسيله‌ي تخصيص بهينه‌ي ماشين‌هاي مجازي به ميزبان‌هاي فيزيكي با استفاده از ايجاد دسته‌هايي از ماشين‌هاي مجازي كه داراي بار متوازن نسبت بهم مي‌باشد، قرار‌داده‌شده‌است.خاصيت توازن بار با بكارگيري خاصيت سري بايتونيك در محيط ايجاد مي‌گردد. سري بايتونيك جهت كارهاي موازي‌سازي استفاده مي‌شود و يك سري صعودي-نزولي و يا نزولي-صعودي است كه اعداد طوري در كنار هم قرار مي‌گيرند كه به‌طور يكنواخت صعودي يا نزولي نيستند. ارزيابي‌‌هاي انجام شده‌ نشان مي‌دهد كه با تخصيص مناسب ماشين‌هاي مجازي مي توانيم مصرف انرژي را به حداقل برسانيم. با توجه به نتايج آزمايش‌ها در محيط ناهمگن و ايستا تعداد مهاجرت‌ها به ميزان 25/23% و انرژي مصرفي به ميزان 25% بهبود داشته‌است.

Each Today, energy consumption will increase with the growing use of inappropriate allocation of virtual machines to physical hosts would be wasting more energy. Proposed method based on the reduction of energy consumption by optimizing the allocation of virtual machines to physical hosts, virtual machines created using categories that each is load balanced. Using Bitonic series load balancing in a cloud environment is provided. Bitonic series used to parallelize tasks and a series of min-max or max-min order. So that the sequence numbers are not uniformly ascending or descending order. Evaluations show that the appropriate allocation of virtual machines reduce energy consumption. According to the results in a heterogeneous and static environment, migration to the 23/25% and energy consumption by 25% is optimal.