دانلود ترجمه مقاله الگوریتم کارآمد به منظور مکانیابی ماشین مجازی در دیتاسنترهای ابری

1. مقدمه 2. کارهای مرتبط 3. شرح مسئله 4. الگوریتم 4.1. تحلیل آفلاین مسئله 4.2. تحلیل آنلاین مسئله 5. آزمایش‌ها 5.1. تنظیمات شبیه‌سازی 5.2. نتایج شبیه‌سازی 6. نتیجه‌گیری

مقدمه: رایانش ابری به یک فناوری در حال ظهور تبدیل شده است که صنعت IT را دگرگون نموده و بر زندگی مردم در سال‌های اخیر تاثیر گذاشته است. امروزه در اکثر مراکز داده‌ی مدرن، از قبیل Amazon EC2 و مرکز داده‌ی Google، تعداد بسیار زیادی از ماشین‌های فیزیکی (PMها) وجود دارد، که سرورها یا میزبان‌ها نیز نامیده می‌شوند، و تعداد کل ماشین‌های فیزیکی موجود در هر مرکز داده می‌تواند به صدها هزار عدد برسد. با این حال، به علت تقاضای نابرابر منابع از سوی برنامه‌های کاربردی، تعدادی از ماشین‌های فیزیکی در اکثر مواقع بسیار کم مورد استفاده قرار می‌گیرند و میزان بهره‌برداری کمی دارند. تعداد زیادی از ماشین‌های فیزیکی غیرضروری نیز باید با صرف هزینه‌های زیاد برای مدیریت و نگهداری از آنها راه‌اندازی شوند، که منجر به اتلاف جدی منابع می‌شود. از این رو، فناوری مجازی‌سازی [2] برای حل این مسائل به کار گرفته می‌شود. با استفاده از مزایای بسیار زیاد مجازی‌سازی، برنامه‌های کاربردی در حال اجرا بر روی ماشین‌های مجازی به طور مستقیم بر روی ماشین‌های فیزیکی قرار نمی‌گیرند. علاوه بر این، یک ماشین فیزیکی به تنهایی می‌تواند چندین ماشین مجازی را تا زمانی در خود جای دهد که درخواست‌های منابع آنها را برآورده می‌کند. به عبارت دیگر، برنامه‌های کاربردی ممکن است قادر به اشتراک‌گذاری منابع موجود بر روی ماشین‌های فیزیکی به صورت جداگانه و ایزوله شده‌ای باشند (یعنی برنامه‌های کاربردی از منابع یکسانی به صورت مشترک استفاده کنند به گونه‌ای که در کار یکدیگر هیچ مداخله‌ای نداشته باشند و به عبارت دیگر، به صورت ایزوله شده از یکدیگر از منابع استفاده کنند). و در اکثر موارد، بار یک ماشین مجازی تقریبا هیچ تاثیری بر روی عملکرد ماشین‌های مجازی دیگری ندارد که با هم بر روی یک ماشین فیزیکی قرار گرفته‌اند [15]. در برخی از موارد ابری، به ویژه در زیرساخت-به-عنوان-یک-سرویس (IaaS)، ماشین‌های مجازی به طور مستقیم به مشتریان عرضه می‌شوند. به طور معمول، مسئله‌ی قرار گرفتن ماشین مجازی یک چالش جدی برای مراکز داده است. معمولا، مشتریان درخواست‌های منابع مورد نیاز خود را از لحاظ منابع پایه شامل CPU، حافظه، شبکه، و غیره به سیستم ابری ارسال می‌کنند، و سیستم ابری باید در مورد تخصیص منابع تصمیم بگیرد. از آنجایی که هزینه‌ی ناشی از ماشین‌های مجازی متناسب با تعداد ماشین‌های مجازی در حال اجرا است [10]، به همین دلیل بسیاری از تحقیقات با هدف استفاده از فناوری مجازی‌سازی برای تلفیق (یکی کردن) ماشین‌های مجازی بر روی تعداد کوچکتری از ماشین‌های فیزیکی صورت گرفته است، بنابراین ماشین‌های فیزیکی ذخیره شده می‌توانند به حالت توان کم یا خاموش در آیند. بدین ترتیب، هدف به حداقل رساندن تعداد ماشین‌های فیزیکی است که از ماشین‌های مجازی درخواست شده میزبانی می‌کنند.

Introduction: Cloud computing has become an emerging technology that transforms the IT industry and affects people’s lives in recent years. Today in most modern cloud data centers, such as Amazon EC2 [16] and Google data center, there are a large number of physical machines (PMs), also called servers or hosts, and the total number of the PMs in each data center can reach hundreds of thousands. However, due to the uneven resource demand of the applications, a good few of the PMs have very low utilization most of the time. An unnecessarily great number of PMs have to be opened with high cost for the management and maintenance, which results in a serious waste of resources. Hence, virtualization technology [2] is applied to settle these issues. With the tremendous benefits of virtualization, applications are running on the VMs, not directly on the PMs. Furthermore, a single PM can accommodate multiple VMs as long as their resource demands are satisfied. In another word, the applications may be able to share the resources on the PMs in an isolated way. And in the majority of cases the load of a VM has almost no effect on the performance of the co-located VMs [15]. In some cloud case, particularly in the Infrastructure-as-a-Service (IaaS), the VMs are provided directly to the customers. Typically, the VM placement problem is a serious challenge for the data centers. Usually, the customers submit their resource requirements in terms of the basic resource, including CPU, memory, network, etc., to the cloud system, and the cloud system needs to decide the resource allocation. As the cost caused by PMs is proportional to the number of running PMs [10], lots of research aim to use the virtualization technology to consolidate the VMs onto a smaller number of PMs so that the saved PMs can be switched to a low power mode or shut down. Therefore, the objective is to minimizing the number of the PMs that hosts the requested VMs.

بخشی از ترجمه مقاله (صفحه 15 فایل ورد ترجمه)