زمان بندی چند منبعی و شبیه سازی توان در رایانش ابری

ترجمه مقاله زمان بندی چند منبعی و شبیه سازی توان در رایانش ابری

ترجمه مقاله Multi-resource scheduling and power simulation for cloud computing

چکیده مقاله

زمان بندی چند منبعی و مصرف انرژی دو مساله بسیار مهم در بحث رایانش ابری است. به دلیل مقیاس و پیچیدگی منابع مختلف، اغلب اجرای تحلیل نظری عملکرد و مصرف توان الکوریتم های زمان بندی و تامین منابع بر روی بستر های تست ابری دشوار است. بنابراین ساختار های شبیه سازی به راه های مهمی برای ارزیابی کامل تبدیل شده اند. نرم افزار CloudSim محبوب ترین و قدرتمندترین پلتفورم شبیه سازی برای رایانش ابری است. با این حال، این نرم افزار نیازمند بهبود بیشتری است تا بتواند شبیه سازی های چند منبعی یا آگاه از انرژی را انجام دهد. برای غلبه بر این مشکل، نرم افزار CloudSim را همراه با یک زمان بندی چند منبعی و مدل مصرف توان توسعه داده ایم به طوری که امکان ارزیابی دقیق تر از مصرف توان در زمان بندی چند منبعی پویا را فراهم می کند. آزمایش های گسترده ای بر روی شش ترکیب الگوریتم اختصاص تسک (کار) انجام شده است و الگوریتم های اختصاص منبع عملکرد قدرتمند و راحتی برتر پلتفورم CloudSim توسعه یافته به نام MultiRECloudSim را نشان می دهند. ما به آسانی می توانیم آزمایش ها را برای یافتن کارآیی و مصرف توان الگوریتم ها تحت آرگومان های مختلف همراه با پلتفورم MultiRECloudSim گزارش کنیم.

مقدمه

رایانش ابری به سرعت توجه بیشتری را در هر دو حوزه دانشگاهی و صنعت کسب کرده است. در فناوری رایانش ابری، ادغام سرور روشی برای استفاده کارآمد از منابع سرور برای کاهش تعداد کل سرور هایی است که کاربران به آن ها نیاز دارند. رشد فرآیند ادغام سرورها به دلیل فناوری مجازی سازی است، به طوری که به چندین ماشین های مجازی (VM) این توانایی را می دهد تا منابع فیزیکی موجود یک رایانه را به اشتراک بگذارند. کل منابع ماشین های مجازی که سرور یکسانی را به اشتراک گذاشته اند، نبایستی به منابع آن سرور برسد در حالی که تعداد سرورها می بایست تا حد امکان کم باشد. مجازی سازی سرور روش های فنی را برای ادغام چندین سرور ارائه می کند و افزایش کاربری و صرفه جویی در انرژی را به ارمغان می آورد.

چکیده انگلیسی

Resource scheduling and energy consumption are the two of most significant problems in cloud computing. Owing to the scale and complexity of various resources, it is often difficult to conduct the theoretical analysis of the performance and power consumption of scheduling and resource provisioning algorithms on Cloud testbeds. Thus, simulation frameworks are becoming important ways to complete evaluation. CloudSim is one of the most popular and powerful simulation platforms for cloud computing. However, it requires much improvement to enable CloudSim to perform multi-resource or energy-aware sim- ulations. To overcome this problem, we have extended CloudSim with a multi-resource scheduling and power consumption model, which allows more accurate valuation of power consumption in dynamic multi-resource scheduling. Extensive experiments on six com- binations of task assignment algorithms and resource allocation algorithms demonstrate the powerful functionality and superior convenience of the extended CloudSim, MultiRE- CloudSim. Different task assignment and resource scheduling policies will bring about very different ener gy cost. We could easily repeat the experiment to find out the efficiency and the power consumption of the algorithms under diverse arguments with MultiRECloudSim.

منبع : sciencedirect.com