2-5- الگوریتم MBFD……………………………………………………………………

2-6- الگوریتم ST…………………………………………………………………………

2-7- الگوریتم MM………………………………………………………………………

2-8- الگوریتم هریسانه……………………………………………………………………. 41

2-9- الگوریتمMEF(تغییر اولین تناسب)……………………………………………. 42

2-10- نتیجه گیری……………………………………………………………………….. 43

فصل سوم- ارائه الگوریتم پیشنهادی

3-1- مقدمه………………………………………………………………………………… 45

3-2- الگوریتم پیشنهادی……………………………………………………………….. 45

فصل چهارم- نتایج شبیه سازی

4-1- مقدمه……………………………………………

4-2- ویژگی های شبیه سازی تخصیص و مهاجرت ماشین های مجازی… 55

4-3- نرم افزار متلب…………………………………………………………………… 59

4-4- نتایج شبیه سازی………………………………………………………………… 61

4-5- نتیجه گیری……………………………………………………………………….. 66

فصل پنجم- نتیجه گیری و پیشنهادات

5-1- نتیجه گیری………………………………………………………………………. 68

5-2- کار آینده…………………………………………………………………………….. 68

چکیده:

در سال های اخیر با توجه به رشد روز افزون درخواستها و پیوستن مشتریان جدید به دنیای محاسبات، سیستم های محاسباتی نیز باید تغییر کنند و قدرتمندتر وانعطاف پذیرتر از قبل عمل نمایند. در این میان محاسبات ابری به عنوان مدلی فراتر از یک سیستم ارائه شد که در حال حاضر توانایی پاسخگویی به اکثر درخواست ها و نیازمندی ها را دارد.

راه حل های مجازی سازی به طور گسترده ای برای حل مشکلات مختلف مراکز داده مدرن بکار می روند که شامل : استفاده کمتر از سخت افزار، استفاده بهینه از فضای مراکز داده , مدیریت بالای سیستم و هزینه نگهداری می شوند.

عمده چالش هایی که سرور های بزرگ با آن مواجه هستند عدم وجود قابلیت اطمینان بالای سیستم و هزینه های عملیاتی بالا به علت مصرف انرژی زیاد است. بنابراین، استقرار و زمانبندی vm ها برپایه انرژی آگاه یک ضرورت فوری برای دستیابی به این اهداف است. زمانبندی کار برای چندین سال توسط محققان مختلف مورد مطالعه قرار داده شده است ، اما توسعه خوشه های مجازی و محیط ابر پنجره جدیدی به سوی محققان جهت رویکردهای جدید زمانبندی باز کرده اند .

یکی از تکنیک های مورد نیاز جهت افزایش انعطا ف پذیری و مقیاس پذیری مراکز داده ی ابری، مهاجرت است. عمل مهاجرت با اهداف گوناگونی از جمله توازن و تقسیم بار، تحمل پذیری در برابر خرابی، مدیریت انرژی، کاهش زمان پاسخ و افزایش کیفیت سرویس، تعمیر و نگهداری سرورها انجام می شود.

اجزای اصلی زمانبندی کار در محیط مجازی شامل :استقرار vmها در بین ماشین های فیزیکی و موازنه بارکاری پویا به کمک مهاجرت کارها در سراسر گره های خوشه مرکز داده می باشد.

در این پایان نامه تمرکز ما روی زمانبندی مهاجرت ماشین های مجازی در مرکز داده ابر با استفاده از الگوریتم وراثتی می باشد . نتایج شبیه سازی موید امکان پذیری و کارایی این الگوریتم زمانبندی می باشد و منجر به کاهش قابل توجه مصرف انرژی کل در مقایسه با استراتژی های دیگر می شود.و از آنجا که تمرکز ما روی انرژی عملیاتی مراکز داده است با کاهش مصرف انرژی عملیاتی, تولید آلاینده زیستی کربن نیز کاهش یافته که در کاهش هزینه کاربر نقش بسزایی ایفا می کند.

مقدمه:

در سال 1969 Leonard Kleinrock [1]، یکی از دانشمندان ارشد شبکه اصلی پروژه های پیشرفته پژوهشی آژانس (ARPANET) که پایه گزار اینترنت است ، گفت : ” هم اکنون ، شبکه های رایانه ای هنوز در مراحل ابتدایی خود هستند ، اما هنگامیکه رشد کنند و پیچیده شوند ، ما احتمالا گسترش صنایع همگانی کامپیوتر ” را خواهیم دید که ، مانند برق و تلفن در حال حاضر ، که به منازل و دفاتر در کشور خدمات ارائه می کنند. این بینش از صنایع همگانی محاسبات بر اساس مدل تأمین کننده خدمات ,تحول عظیم از کل صنعت محاسبات در قرن 21 که به موجب آن خدمات کامپیوتری برحسب تقاضا[1] خواهد شد را پیش بینی می کند، مانند خدمات ابزار دیگر موجود در جامعه امروز به راحتی در دسترس است. به طور مشابه ، کاربران (مصرف کنندگان) تنها زمانی که به خدمات محاسبات فراهم کنندگان دسترسی داشته باشند به آنها پرداخت می کنند. علاوه بر این ، مصرف کنندگان دیگر نیازی به سرمایه گذاری زیادی در ساخت و نگهداری پیچیده زیرساخت های فناوری اطلاعات نخواهند داشت.
در چنین مدلی ، کاربران به خدمات مورد نیاز خود دسترسی می یابند بدون در نظر گرفتن اینکه آن خدمات میزبانی کجا هستند. از این مدل به عنوان محاسبات همگانی یا اخیرا محاسبات ابری[2] یاد می شود [2]. دومی نشان دهنده زیرساخت به عنوان یک “ابر” است که از آن کاربران می توانند برحسب تقاضا به برنامه های کاربردی به عنوان خدمات از هر نقطه جهان دسترسی یابند. از این رو ، محاسبات ابری را می توان به عنوان یک پارادایم جدید برای تأمین پویای خدمات کامپیوتری با حمایت مراکز داده معرفی کرد که معمولا تکنولوژی ماشین مجازی3 را برای تثبیت و اهداف محیط زیست بکار می گیرد.[3] .

تا همین اواخر ، تنها نگرانی , استقرار مراکز داده ابر با کارایی بالا بدون هیچ گونه توجهی به مصرف انرژی بوده است. مراکز داده به طور متوسط انرژی زیادی به اندازه 25000 خانوار مصرف می کنند[4]
بخش قابل توجهی از انرژی الکتریکی مصرف شده توسط منابع محاسباتی به گرما تبدیل می شود. دمای بالا منجر

به تعدادی از مشکلات ، مانند کاهش قابلیت اطمینان سیستم و در دسترس پذیری، و همچنین کاهش طول عمر دستگاه ها می شود.

مراکز داده ها فقط پرهزینه نیستند ، بلکه آسیبی جدی به محیط زیست نیز وارد می کند. کربن تولیدی این مراکز در حال حاضر بیش از کربن تولیدی یک کشور با تمام تاسیسات صنعتی است [5]. میزان کربن زیاد بخاطر حجم زیاد برق مورد نیاز برای خنک کردن سرورهای متعدد میزبان در مراکز داده ها است. ارائه دهندگان سرویس ابری برای اطمینان از این که سود شان به دلیل هزینه های بالای انرژی به طرز چشمگیری کاهش پیدا نکند ودرعین حال بتوانند خدمات را با کیفیت و سرعت بالاتری ارائه دهند همچنین باتوجه به افزایش فشار از سوی دولت های جهان به منظور کاهش میزان کربن ، که تاثیر قابل توجهی در تغییرات آب و هوایی دارد, نیاز به اتخاذ اقدامات لازم دارند. [6].

در این بین راه حلهای مجازی سازی , علاوه بر كاهش هزینه های انرژی در زیرساختهای مراكز داده ,به طرز چشمگیری بهره برداری و كارایی سرور را افزایش می دهد. مجازی سازی با استفاده از تکنیک مهاجرت ماشینهای مجازی ,با ادغام و موازنه بار بین سرورهای فیزیكی و اجرای ده برنامه كاربردی یا بیشتر ماشینهای مجازی برروی یك سرور x86 , می تواند منابع مجازی را با انعطاف زیاد بین سرور های فیزیکی منتقل کند [7].

کاری که در این تحقیق انجام می شود ارائه الگوریتم زمانبندی مهاجرت ماشین های مجازی جهت حل معضل انرژی و آلودگی در محیط محاسباتی ابراست.

فصل اول: کلیات

1-1- مقدمه

در این فصل مقدمه ای در مورد پیدایش شبکه محاسبات ابری و یکسری از بحث های کلی در مورد مجازی سازی[1] و مهاجرت ماشین های مجازی[2] در محیط ابر و الگوریتم ژنتیک[3] بیان شده است. در ادامهمروری بر ابر, آشنایی با مسائل و چالش های مهم موجود در ابر , ضرورت انجام این تحقیق و اهداف پژوهش آورده شده است. این فصل با خلاصه و نتیجه گیری از فصل و نیز تشریح ساختار پایان نامه به پایان رسیده است.

2-1-مروری بر محاسبات ابری

سیر تکاملی محاسبات به گونه ای است که می توان آن را پس از آب , برق , گاز و تلفن به عنوان عنصر اساسی پنجم فرض نمود.در چنین حالتی , کاربران سعی می کنند براساس نیازهایشان و بدون توجه به اینکه یک سرویس در کجا قرار دارد و یا چگونه تحویل داده می شود , به آن دسترسی یابند. نمونه های متنوعی از سیستم های محاسباتی ارائه شده است که سعی دارند چنین خدماتی را به کاربران ارائه دهند . برخی از این سیستم های محاسباتی عبارتند از : محاسبات خوشه ای[4], محاسبات شبکه ای[5] و اخیرا محاسبات انبوه[6] که از آن به عنوان محاسبات ابر یاد می شود. محبوبیت این سه رویکرد محاسباتی , از دید موتور جستجوی گوگل مورد ارزیابی قرار گرفته است که نتیجه آن در شکل 1-1 نمایش داده شده است و حاکی از آن است که محبوبیت محاسبات ابری , پس از ظهور مفاهیم اولیه آن در سال 2007 , با فاصله زیادی نسبت به سایر رویکردهای محاسباتی در حال افزایش است [8].

برای شناخت بهتر محاسبات ابری از دید زیرساخت , ابتدا نگاهی به سیر تکاملی سیستم های محاسباتی از ابتدا تاکنون می اندازیم تا بتوانیم جایگاه آن را در بین دیگر سیستم ها تشخیص دهیم . اگر کامپیوتر های اصلی[1] را بعنوان نسل اول سیستم های محاسباتی در نظر بگیریم , ما با یک سیستم بسیار بزرگ مواجه بودیم که کاربران از طریق یک پایانه[2] واحد به آن دسترسی پیدا می کردند. بهمروراین سیستم ها کوچکتر شدند و با توان پردازشی بیشتر بصورت رایانه های شخصی در اختیار همه کاربران قرار گرفتند. سپس این امکان فراهم شد که با اتصال مجموعه ای از این سیستم های کوچک , شبکه ای با توان پردازشی بیشتر فراهم نمود تا پاسخگوی نیازهای پردازشی بیشتر و سنگین تر باشند.اما نیازهای پردازشی به شکل فزاینده ای درحال افزایش بودند و نیاز به سیستم های محاسباتی بزرگتر و قوی تر احساس شد. بنابراین تعداد زیادی از این شبکه ها بصورت اختصاصی در سرتاسر اینترنت به هم متصل شدند وشبکه محاسباتی گریدرا بوجود آوردند. در این بین مشاهده شد که میلیون ها کاربر در اینترنت وجود دارند که در اکثر اوقات از تمام توان رایانه خود استفاده نمی کنند و سیستم محاسباتی دیگری شکل گرفت تا کاربرانی که تمایل داشته باشند , زمان های بیکار سیستم خود را برای کارهای محاسباتی عام المنفعه هدیه کنند. بنابراین تعداد بسیار زیادی منبع محاسباتی کوچک در شبکه ای تحت عنوان محاسبات داوطلبانه به هم پیوستند و توان پردازشی عظیمی بوجود آوردند .

[1] -Mainframe