امروزه خدمات رایانش ابری روز به روز در حال گسترش است این گسترش استفاده از ابر، افزایش مصرف انرژی وانتشار دی اکسید کربن را با خود به همراه دارد. به همین دلیل محاسبات سبز در این حوزه از اهمیت خاصی برخوردار است.مراکز داده ابری از تکنولوژی مجازی سازی برای میزبانی ماشین های مجازی متعدد روی یک سرور استفاده می کنند. باکاربرد موثر الگوریتم های جایگذاری و یکپارچه سازی ماشین های مجازی، تامین کنندگان ابر قادر خواهند بود تا بازدهانرژی را افزایش داده و انتشار کربن را کاهش دهند. در این مقاله یک معماری جامع به منظور مصرف بهینه انرژی پیشنهادشده است. در رهیافت پیشنهادی، مساله تخصیص و مدیریت ماشین های مجازی به بخش های کوچکتری مانند تشخیصسرورهای دارای وضعیت بحرانی، انتخاب ماشین های مجازی برای مهاجرت و جایگزینی آنها در مقصد، تشخیص سرورهایکم بار و یکپارچه سازی بار آنها روی تعداد کمتری از سرورها تقسیم شده است. در هر بخش الگوریتم جدیدی ارایه شده ویا الگوریتم های موجود بهبود داده شده اند. مطالعات قبلی روی کاهش انرژی مصرفی در مراکز داده با تعداد کم سرور متکیبودند در حالی که در این مقاله نشان می دهیم که به کارگیری الگوریتم ژنتیک در جایگذاری ماشین های مجازی در مراکزگسترده داده با سرورهای نامتجانس، انرژی مصرفی را به میزان قابل توجهی کاهش می دهد. شبیه سازی الگوریتم ها درسناریوهای مختلف در شبیه ساز کلودسیم، عملکرد بهتر الگوریتم جامع پیشنهادی را تایید می کند.(1395)
امروزه خدمات رایانش ابری روز به روز در حال گسترش است این گسترش استفاده از ابر، افزایش مصرف انرژی وانتشار دی اکسید کربن را با خود به همراه دارد. به همین دلیل محاسبات سبز در این حوزه از اهمیت خاصی برخوردار است.مراکز داده ابری از تکنولوژی مجازی سازی برای میزبانی ماشین های مجازی متعدد روی یک سرور استفاده می کنند. باکاربرد موثر الگوریتم های جایگذاری و یکپارچه سازی ماشین های مجازی، تامین کنندگان ابر قادر خواهند بود تا بازدهانرژی را افزایش داده و انتشار کربن را کاهش دهند. در این مقاله یک معماری جامع به منظور مصرف بهینه انرژی پیشنهادشده است. در رهیافت پیشنهادی، مساله تخصیص و مدیریت ماشین های مجازی به بخش های کوچکتری مانند تشخیصسرورهای دارای وضعیت بحرانی، انتخاب ماشین های مجازی برای مهاجرت و جایگزینی آنها در مقصد، تشخیص سرورهایکم بار و یکپارچه سازی بار آنها روی تعداد کمتری از سرورها تقسیم شده است. در هر بخش الگوریتم جدیدی ارایه شده ویا الگوریتم های موجود بهبود داده شده اند. مطالعات قبلی روی کاهش انرژی مصرفی در مراکز داده با تعداد کم سرور متکیبودند در حالی که در این مقاله نشان می دهیم که به کارگیری الگوریتم ژنتیک در جایگذاری ماشین های مجازی در مراکزگسترده داده با سرورهای نامتجانس، انرژی مصرفی را به میزان قابل توجهی کاهش می دهد. شبیه سازی الگوریتم ها درسناریوهای مختلف در شبیه ساز کلودسیم، عملکرد بهتر الگوریتم جامع پیشنهادی را تایید می کند.(1395)