بخشی از مقاله
خلاصه
رشد روزافزون تکنولوژی رایانش ابری و همچنین استفادهی همهجانبه از سرویسهای ابری، منجر به ایجاد روند افزایشی در میزان مصرف انرژی مراکز داده رایانش ابری گردیده است. مسئله یکپارچهسازی ماشین مجازی با استفاده از مهاجرت زنده ماشینهای مجازی از میزبانهای دارای سربار و میزبانهای کمبار و خاموش نمودن گرههای بیکار، به رویکردی مؤثر برای دستیابی به مراکز داده رایانش ابری انرژی کارا بدل گردیده است. بهطورکلی یکپارچهسازی ماشینهای مجازی به سه زیر مسئله تقسیم میشود:
چه زمانی باید ماشین مجازی مهاجرت کند؟ کدام ماشین مجازی مهاجرت کند؟ ماشین مجازی کجا مهاجرت کند؟ برای زیر مسئله اول، تشخیص اینکه کدام میزبان دارای سربار و کدام میزبان کمبار است تا ماشینهای مجازی بهمنظور کاهش مصرف انرژی از این میزبانها مهاجرت داده شوند بررسی میشود. در روش پیشنهادی که بهمنظور تشخیص میزبانهای دارای سربار و میزبانهای کمبار انجام شده است؛ با توجه به بارکاری میزبانها به سه کلاس کمبار، متوسط بار و سربار تقسیم شدهاند و از الگوریتم K نزدیکترین همسایگی استفادهشده است تا میزبانها را در این سه کلاس دستهبندی کند.
برای زیر مسئله دوم، سیاستهایی برای انتخاب ماشین مجازی از میزبانهای فیزیکی دارای سربار مانند سیاست حداقل اندازه حافظه، حداقل اندازه پردازنده و سیاست حداقل اندازه حافظه و پردازنده، استفادهشده است. برای زیر مسئله سوم، جایابی ماشینهای مجازی در میزبانهای مناسب بهعنوان مقصد مهاجرت از الگوریتم PABFD استفادهشده است. نتایج شبیهسازی با استفاده از شبیهساز کلودسیم، بهصورت میانگین کاهش 19/78 درصدی مصرف انرژی را نشان میدهد.
.1 مقدمه
رایانش ابری اخیراً بهعنوان یک رویکرد برای تحویل دادن خدمات فناوری ارتباطات و اطلاعات در سازمانها توجه زیادی را به خود جلب کرده است. در سالهای اخیر توسعهدهندگان خدمات فناوری اطلاعات، مثل آیبیام، مایکروسافت، گوگل و سایر سازمانهای بزرگ مشابه، مراکز داده را برای خدمات رایانش ابری توسعه دادهاند. همچنین مراکز داده دارای هزاران سرویسدهنده و سوئیچ میباشد. از طرف دیگر به دلیل گرمای تولیدشده توسط این مراکز داده، نیاز به تجهیزات خنک کننده میباشد.[1] در حقیقت مراکز داده در رایانش ابری مقدار زیادی از انرژی الکتریکی را مصرف میکنند و این بهنوبه خود باعث افزایش هزینههای عملیاتی و تولید دیاکسید کربن در محیط پیرامون ما میشود.
درنتیجه برای کاهش انتشار دیاکسید کربن در محیط اطراف و برای داشتن رایانش ابری سبز نیاز به تکنیکهایی برای کاهش مصرف انرژی در مراکز داده بیشازپیش احساس میشود.[3] سرورها در زمانهای بیکاری که روشن هستند 70 درصد از انرژی مصرفی در زمان اوج کار را مصرف میکنند. بنابراین روشن بودن سرور با حجم بار کم اقتصادی به نظر نمیرسد. ازاینرو کاهش تعداد میزبانهای فیزیکی روشن تأثیر به سزایی در مصرف انرژی دیتاسنترها دارد، ولی این عمل نباید باعث پایین آمدن کیفیت سرویس شود.
مصرف انرژی در یک مرکز داده ابری نه تنها به کارآمدی سختافزار، بلکه به بهبود لایههای نرمافزاری یا همان مدیریت منابع مستقر بر روی زیرساخت و کارآمدی برنامههای اجراشده در سیستم نیز وابسته است. ازآنجاییکه هزینههای سختافزار زیاد است و معمولاً اندازه مراکز داده محدود میباشند بنابراین چگونگی بهبود بهرهوری منابع به یک موضوع مهم تبدیلشده است. یک روش برای بهبود استفاده از منابع، کاهش مصرف انرژی و حفظ کیفیت سرویس، مهاجرت و یکپارچهسازی ماشینهای مجازی میباشد که از طریق تکنولوژی مجازیسازی صورت میگیرد
ازآنجاییکه مسئله ما یکپارچهسازی ماشینهای مجازی است و کاهش مصرف انرژی در مسئله یکپارچهسازی ماشینهای مجازی با استفاده از امکان مهاجرت توسط کاهش بارکاری میزبانهای دارای سربار و همچنین با مهاجرت ماشینهای مجازی از میزبانهای کمبار و خاموش نمودن میزبانهای بیکار محقق میشود.
با استفاده از امکان مهاجرت و یکپارچهسازی ماشینهای مجازی در مراکز داده ابری میتوان بارکاری میزبانها و مصرف انرژی را مدیریت کرد. بهمنظور کاهش مصرف انرژی با استفاده از مهاجرت ماشینهای مجازی میتوان ماشینهای مجازی میزبانهایی که بهرهوری پایینی دارند را به میزبانهای دیگر منتقل کرد با این عمل میزبانهای مذکور بیکار میشوند و برای کاهش مصرف انرژی وضعیت آنها غیرفعال میشود. هنگامیکه بارکاری ماشینهای مجازی یک میزبان بهقدری افزایش پیدا کند که امکان کاهش کارایی و کیفیت سرویس ماشینهای مجازی وجود داشته باشد. تعدادی از ماشینهای مجازی برای مهاجرت انتخاب میشوند تا از بارکاری میزبان کاسته شود.
ماشینهای مجازی انتخابشده به میزبانهای فعال دیگر مهاجرت میکنند و درصورتیکه میزبانهای فعال منابع لازم برای سرویس ماشینهای مجازی مهاجر را نداشته باشند، با فعال کردن یک یا چند میزبان غیرفعال، بارکاری مرکز داده مدیریت میشود. استفاده همزمان از دو تکنیک یکپارچهسازی ماشینهای مجازی و مهاجرت، بهمنظور بهبود کارایی منابع و کاهش مصرف انرژی، یکپارچهسازی پویای ماشینهای مجازی نامیده میشود.[8]یکپارچهسازی پویای ماشین مجازی در بهبود کارایی منابع و کاهش مصرف انرژی تأثیر به سزایی دارد.[9] ازاینرو یکپارچهسازی پویای ماشینهای مجازی را موردبررسی قرار میدهیم. یکپارچهسازی پویای ماشینهای مجازی به سه زیر مسئله تقسیم میشود: چه زمانی باید ماشین مجازی مهاجرت کند؟
در طول عمر یک مرکز داده ابری بهصورت مکرر نیاز است که ماشینهای مجازی از یک میزبان فیزیکی به میزبان فیزیکی دیگری منتقل شود. در زیر مسئله اول، تشخیص اینکه کدام میزبان دارای اضافهبار - سربار - و کدام میزبان کمبار است تا ماشینهای مجازی بهمنظور کاهش مصرف انرژی از روی این میزبانها مهاجرت داده شوند بررسی میشود.
2 - کدام ماشین مجازی مهاجرت کند؟
پسازآنکه در زیر مسئله اول زمان مهاجرت تشخیص داده شد. باید تصمیم گرفت که کدامیک از ماشینهای مجازی برای انتقال داده شدن به ماشین فیزیکی جدید مناسب است که سیاستهایی برای انتخاب ماشینهای مجازی از ماشین فیزیکی برای مهاجرت به ماشین فیزیکی دیگر موردبررسی قرار میگیرد.
- 3 ماشینهای مجازی کجا مهاجرت کنند؟
تعیین محل جدید و مناسب برای ماشینهای مجازی یا به عبارتی مشخص کردن میزبانهای فیزیکی مناسب برای هرکدام از ماشینهای مجازی پسازاینکه ماشینهای مجازی مناسب توسط زیر مسئله دوم برای مهاجرت انتخاب شد، چالش زیر مسئله سوم است. مسئله تخصیص ماشینهای مجازی به میزبانهای فیزیکی یا به عبارتی زیر مسئله سوم شباهت زیادی به مسئله کلاسیک بستهبندی جعبهها دارد[5] که یک مسئله NP-Hard محسوب میشود.[10] مسئله بستهبندی دستهها در محیط ابر به این شکل نگاشت میشود: اشیاء - ماشینهای مجازی - با حجمهای مختلف هستند که باید درون تعداد مشخصی جعبه - ماشینهای فیزیکی - که هریک ظرفیت مشخصی دارند، بستهبندی شوند؛ بهگونهای که تعداد جعبههای استفادهشده به حداقل رسانده شود.
یکپارچهسازی پویای ماشینهای مجازی با استفاده از مهاجرت ماشینهای مجازی از میزبانها و خاموش نمودن گرههای بیکار، به رویکردی بسیار مؤثر برای دستیابی به مراکز داده رایانش ابری انرژی کارا بدل گردیده است. ازاینرو تشخیص میزبانهای دارای سربار و انتخاب ماشینهای مجازی مناسب جهت مهاجرت از این میزبانها و همچنین تشخیص میزبانهای کمبار و مهاجرت ماشینهای مجازی از میزبانهای کمبار به میزبانهای فعال دیگر و خاموش نمودن میزبانهای کمبار مسائل مهمی هستند که میبایست برای بهبود بهرهوری منابع مراکز داده ابری و صرفهجویی در انرژی مصرفی سیستم، در نظر گرفته شوند. ما در این مقاله به زیر مسئله اول، تشخیص میزبانهای دارای سربار و میزبانهای کمبار پرداختهایم . هدف از این مقاله کاهش مصرف انرژی میباشد که این کار را با کمک مهاجرت زنده ماشینهای مجازی از میزبانهای دارای سربار و خاموش کردن میزبانهای کمبار به منظور کم کردن انرژی مصرفی انجام دادهایم.
نوآوری ما در این مقاله عبارت است از:
- استفاده از الگوریتم K نزدیکترین همسایگی برای تشخیص میزبانهای دارای اضافهبار و میزبانهای کمبار سایر قسمتهای باقیمانده در این مقاله به این شرح میباشد. در بخش دو، مطالعات پیشین مورد مطالعه قرار خواهد گرفت. روش پیشنهادی را در بخش سه، ارائه نمودهایم. در بخش چهار، راهکار خودمان را با کمک شبیهساز cloudsim ارزیابی و تحلیل نمودهایم و با روشهای دیگر مورد مقایسه قراردادیم. در بخش پنج، به بحث و نتیجهگیری پرداختهایم و درنهایت در بخش شش مراجع مورداستفاده قرارگرفته را آوردهایم.
.2 مطالعات پیشین
در مطالعه [13]برای تشخیص میزبانهای سربار و میزبانهای کمبار از حد آستانه ایستا استفاده شده است. در روشهای مبتنی بر حد آستانه، برای تشخیص میزبانهای دارای سربار از حد آستانهبالا و برای تشخیص میزبانهای کمبار از حد آستانه پایین استفاده میگردد؛ به این صورت که اگر میزان بهرهوری پردازنده یک میزبان از حد آستانهبالا تجاوز نماید، آن میزبان یک میزبان دارای سربار در نظر گرفتهشده و درصورتیکه میزان بهرهوری آن از حد آستانه پایین کوچکتر باشد، آن میزبان بهعنوان یک میزبان کمبار در نظر گرفته میشود. اگر اعداد ثابتی برای این حد آستانه در نظر گرفته شود حد آستانه ایستا نامیده میشود که برای استفاده در محیطهایی با بارکاری پویا همچون محیطهای رایانش ابری، مناسب نیست؛ درصورتیکه حد آستانه تحت تأثیر یک سری عوامل، مثلاً بارکاری میزبانها، تغییر نمایند، این حدود آستانه تطابق پذیر یا پویا نامیده میشوند . [15 ,14 ,6] در کار پژوهشی[16 ] که بهعنوان روش پایه مورد بررسی قرار گرفته شده است، الگوریتمهای تشخیص سربار مبتنی بر حد آستانه تطابق پذیر و الگوریتمهای تشخیص سربار مبتنی بر رگرسیون، برای کشف و شناسایی میزبانهای دارای سربار استفاده شده است.
