بخشی از مقاله
چکیده
یکپارچه سازی ماشین های مجازی روشی است که به منظور افزایش بهره وری منابع فیزیکی بوده که منجر به کاهش مصرف انرژی و هزینه ارائه خدمات می باشد.امروزه محاسبات ابری مورد توجه بسیاری از سازمان ها می باشد. محاسبات ابری این پتانسیل را داراست که در چند سال آتی روش انجام محاسبات در سازمان ها را تغییر دهد. جدی ترین مشکلی که تأمین کننده ابر با آن مواجه است، بحث مصرف انرژی می باشد. با استفاده از تکنیک های مختلفی همچون مجازی سازی،زمان بندی و مدیریت منبع می توان ،یک فرآیند زیر ساختی با هدف بهبود مصرف انرژی در مراکز داده ای ابر ایجاد کرد.
مقدمه
در تکنولوژی رایانش ابری ، کاربران می توانند از طریق ابزارهای مختلف نظیر رایانه های شخصی،رایانه های همراه ،تلفن همراه به برنامه ها،فضای ذخیره سازی،پردازش و حتی سکوهای توسعه کاربردی در اینترنت از طریق سرویس های ارائه شده توسط رایانش ابری دسترسی داشته باشند برنامه های محاسبات ابری مدل مبتی بر پرداخت فوری به کاربران سرتاسر دنیا پیشنهاد می کنند. با اینکه مراکز داده محاسبات ابری مصرف زیادی دارند ولی محاسبات ابری هزینه های کلی عملکرد بهتر و بالایی دارند - - 5 به همین خاطر به روش هایی نیاز است که مصرف انرژی را در مراکز داده بتوان کم کرد تا هم از هزینه ها کاسته شود و هم از تولید کربن زیاد جلوگیری شود. تعاریف و تعابیر مختلفی از رایانش ابری موجود است.
رایانش ابری مدلی است که برای فراهم کردن دسترسی آسان بر اساس تقاضای کاربر از طریق شبکه به مجموعه ای از منابع قابل تغییر و پیکربندی - مثل شبکه ها،سرورها،فضای ذخیره سازی،برنامه های کاربردی و سرویس ها - که این دسترسی بتواند با کمترین نیاز به مدیریت منابع و یا نیاز به دخالت مستقیم فراهم کننده سرویس به سرعت فراهم شده یا آزاد گردد و از مجازی سازی و قابلیت استفاده چندگانه نیز پشتیبانی می کند. - - 2 از تعریف رایانش ابری می توان استنتاج نمود که شامل قابلیت های مختلف فناوری اطلاعات به نام زیرساخت ،سکو و نرم افزار است که میتوان از انها با عنوان اشکال،بخش ها،سبکها سطوح یا لایه های مختلف رایانش ابری نام برد - - 17 تکنولوژی مجازی یک فناوری مهم برای بهبود دادن بهره وری انرژی مرکز داده ها می باشد.
قراردادن ماشین مجازی یک راه حل برای مدیریت درخواست ها در محاسبات ابری می باشد - 4 - . در چندسال گذشته،شیوه های زیادی برای تخصیص ماشین های مجازی پیشنهاد شده است. شیوه های تخصیص ماشین مجازی موجود برای مسئله تخصیص ماشین مجازی تنها به انرژی مصرف شده توسط مرکز داده توجه دارند و مصرف انرژی در مرکز داده را بهبود می بخشد.اما به مصرف انرژی در شبکه های ارتباطی در مرکز داده توجه نمی کند .
مصرف انرژی در شبکه های ارتباطی نسبت به مرکز داده ها زیاد ناچیز نیست و از این رو در تخصیص ماشین های مجازی برای اینکه مرکز داده ها را از نظر انرژی موثرتر بسازد باید مورد توجه قرار گیرد.در پژوهش - - 19الگوریتم ژنتیک برای مسئله تخصیص ماشین های مجازی جدید پیشنهاد شده است که به مصرف انرژی هم در سرورها و هم شبکه های ارتباطی در مراکز داده توجه می کند. در پژوهش - - 15 یک مدل بهینه سازی چند هدفی مبتنی بر آنالیز کاملی از تأثیر دمای cpu استفاده از منبع و مصرف انرژی در انتخاب ماشین مجازی پیشنهاد می دهد. الگوریتم استفاده شده در این مطالعه نامبرده براساس xen مانیتور ماشین مجازی انجام گرفته است که نشان می دهد می تواند بهترین تبادل ها را در بین استفاده از منبع دمای cpu و مصرف انرژی مراکز داده داشته باشد.
در پژوهش - - 11 روش منطقی فازی را به عنوان راهبری آنلاین برای تصمیم گیری پیشنهاد کرده است تا وظیفه انتخاب ماشین های مجازی را در اتحاد پویای ماشین مجازی ارتفا دهد .روشها می تواند معیارهای چندگانه انتخاب ماشین مجازی را ادغام میکند به گونه ای که همه مفاد و همکاری های ممکن انها را در آموزش دراز مدت با خود همراه داشته باشد،در واقع این روش می آموزد که چگونه راهبرد بهینه ای بیابد که معیارهای چندگانه را برای انتخاب ماشین مجازی در طول روند اتحاد پویای ماشین مجازی در رابطه با بهبود موازنه ی انرژی به عملکرد به کار گیرد. روش استفاده شده در این مقاله براساس جعبه ابزار cloud sim انجام گرفته است .
مراکز داده خود مستلزم مقایر بسیار عظیمی از انرژی برای انجام فعالیت و در نتیجه هزینه های عملیاتی بالا و انتشار کربن دی اسید - co2 - می باشند. بر طبق آمار مصرف داده 3درصد از کل تولید برق جهانی و انتشار دویست میلیون تن co2 در سال 2012 می باشد که انتظار میرود این درصد افزایش قابل توجهی در سال های آتی داشته باشد - . - 10در سال های اخیر تحقیقات قابل توجهی بر روی ساخت مراکز داده پایدار و سازگار با محیط زیست بویژه در کاهش مصرف انرژی متمرکز شده است.
تکنولوژی مجازی سازی نقش مهمی در کاهش مصرف برق در مراکز داده از طریق ایجاد ماشین مجازی - - VM در سرور فیزیکی واحد - تحت عنوان میزبان - و اجرای روند تحکیم ماشین مجازی - VMC - ایفاد می کند - . - 16با توجه به پویایی بار کاری تعداد ماشین های مجازی واقع در یک میزبان ممکن است متفاوت بوده و باعث تخریب عملکرد هم در مورد استفاده بیش از حد CPU ویا افزایش مصرف انرژی در موارد دیگر شود - - 13 از این رو VMC در یک مرکز داده ابری نیاز به انجام انتقال های زنده از ماشین های مجازی دارد به عنوان مثال حرکت یک VM بین میزبان ها برای پاسخگویی به بار کاری متنوع و به حداقل رساندن تعداد میزبان های فعال امر ضروری است.
در تحقیقات مشابه بررسی پژوهش های مربوط به الگوریتم های VMC در مراکز داده ابری به بررسی و شناسایی مزایا و محدودیت های هر الگوریتم کمک خواهد کرد. پینهیرو و همکاران - - 8 مدیریت انرژی را در سطح مرکز مورد مطالعه قرار داده اند. این نویسندگان یک الگوریتم توسعه یافته دارند که می تواند گره های روشن و خاموش را به صورت پویا مطابق با کارایی و توان تصمیم گیری مورد انتظار تغییر دهد.
نتوجی و شوان - - 14 یک VMC دینامیک و پویا را برای به حداقل رساندن مصرف انرژی یک مرکز داده به کار برده اند. این نویسندگان همچنین مزایای انرژی بدست آمده توسط VMC را نشان داده اند. آنچه نتیجه گرفتند که مصرف انرژی را می توان زمانی که ماشین های مجازی تثبیت یافته و تحکیم می شوند به طور قابل توجهی به حداقل رساند و مصرف انرژی را تا 34 درصد بهبود بخشد. در مطالعه - - 1 نویسندگان مشکل VMC را به چهار مشکل زیر طبقه بندی کرده اند: شناسایی و آشکار سازی میزبان های پربار،شناسایی و میزبان های تحت بارگذاری شده ،انتخاب ماشین های مجازی برای مهاجرت و قرار دادن ماشین های مجازی انتخاب شده . به طور معمول، میزبان های موجود در ابر مراکز داده به سه حالت پربار،تحت بار و غیر فعال - آماده بکار - طبقه بندی شده اند. میزبان پربار زمانی است که تقاضای کلی به CPU ماشین های مجازی در میزبان ،بیش از ظرفیت CPU میزبان بوده و در نتیجه باعث نقض توافق های سطوح سرویس - SLAV - می شود - - 12
کارهای گذشتگان
در سالهای اخیر کارهای بسیاری در رابطه با مسئله بهینه سازی تخصیص منابع در راستای کاهش مصرف سوخت انجام گرفته است که به نمونه هایی از آنها در اینجا اشاره میشود .به عنوان مثال مارتین بیچلر و گروهش در - 7 - با استفاده از روش برنامه ریزی خطی طرحی برای تخصیص ماشین های مجازی پیاده کرده اند .آنها اگرچه از متغیرهای تصمیم گیری دودویی استفاده کردند اما روش آنها فقط برای تخصیص منبع ایستا جوابگو بود و ماهیت پویای محیط ابری را پوشش نمی داد .
بابروف و همکارانش نیز در - 3 - با طبقه بندی جریانهای کاری یک الگوریتم برای یکپارچگی ماشینهای فیزیکی که به صورت دورهای برای به حداقل رسانی ماشینهای روشن و نقض SLA که همان سطح عملکرد قرارداد شده با کاربر است، مورد استفاده قرار میگرفت ارائه کردند .اسپیتکامپ و همکارانش در - 18 - یک فرمول خطی برای مسئله یکپارچگی پویای ماشین های مجازی ارائه کردند؛ و نگاشت بعضی از ماشینهای مجازی را به سرورهای خصوصی که ویژگیهای خاصی دارند منحصر کردند .ضمنا برای تعداد مهاجرتها نیز مقدار آستانه ای در نظر گرفتند که از آن حد تجاوز نکند .همچنین آنها در فرمول سازی خود به معیار هزینه نیز توجه داشتند.
چرا مجازی سازی
- فضای موجود را با ترکیب سرورها حفظ می کند.تخصیص هر سرور به یک نرم افزار کاربردی واحد شیوه متداول به شمار می آید.
- روشی را در اختیار شرکت ها قرار می دهد تا افزونگی را بدون خرید سخت افزار اضافی تجربه کنند.
- سیستم های مستقل و تفکیک شده ای را در اختیار برنامه نویسان قرار می دهند که می توانند نرم افزار های کاربردی و یا سیستم های عامل جدید را در انها آزمایش کنند.
- مهاجرت از یک سرور فیزیکی به یک سرور مجازی که به آن Physical to virtual می گویند .
انواع مجازی سازی سرور:
مجازی سازی کامل: از یک نوع نرم افزار ویژه بنام Hypervisor استفاده می شود.Hypervisor در تعامل مستقیم با فضای دیسک و CPU سرور فیزیکی است. مجازی سازی ناقص:تا حدودی متفاوت است. بر خلاف تکنیک مجازی سازی کامل،سرورهای مهمان در یک سیستم مجازی سازی ناقص از وجود یکدیگر اطلاع دارند. کل سیستم در مجموع بصورت به هم پیوسته کار می کند. مجازی سازی سطح سیستم عامل:اساساً از یک Hypervisor استفاده نمی شود.بلکه قابلیت مجازی سازی در واقع بخشی از سیستم عامل میزبان به شمار می آید که تمام توابع یک Hypervisorکاملاً مجازی سازی شده را انجام می دهد.این مجموعه تحت عنوان یک محیط همگن شناخته می شود.
رویکردهایی که از تکنیک مجازی سازی استفاده کرده اند:
در سال 2011 روشی با عنوان استراتژی striping ارائه شد در این روش برای هر ماشین مجازی،ابتدا تما میزبان هایی که نمی توانند ماشین مجازی مربوطه را میزبانی کنند و منابع مورد نیاز آنها را ندارند، از رده خارج می کند. از میان میزبان های باقی مانده،موردی را که در حال حاضر میزبان کمترین تعداد ماشین مجازی است انتخاب می کند.هنگامی که آن را پیدا کرد ماشین مجازی را با آن تطبیق می دهد،این سناریو تا زمانی که تمام ماشین های مجازی اختصاص یابند،ادامه خواهد داشت. استراتژی striping سعی دارد ماشین ها مجازی را در بیشترین تعداد ممکن از میزبانها منتشر کند - - 6
در سال 2011 روشی با عنوان - 6 - packing ارائه شد. این استراتژی در مقابل روش striping قرار داد. برای هر ماشین مجازی جدید، ابتدا تمام میزبان هایی که نمی توانند ماشین مجازی مربوطه را میزبانی کنند و منابع مورد نیاز آنها را ندارد، از رده خارج می کند،از میان میزبانهای باقیمانده،موردی را که در حال حاضر میزبان بیشترین تعداد ماشین مجازی است انتخاب می کند،هنگامی که آن را پیدا کرد ماشین مجازی را با آن تطبیق می دهد. این سناریو تا زمانی که تمام ماشین های مجازی انتخاب یابند ادامه خواهند داشت.
❖ استراتژی Load Balancing - free CPU count -
سیاست مبنی بر تعداد ،load balancing نوع پیشرفته استراتژی striping است.برای هر ماشین مجازی جدید،ابتدا تمام میزبان هایی که نمی توانند ماشین مجازی را میزبانی کنند و منابع مورد نیاز آنها را ندارند،از رده خارج میکند. از میان میزبان های باقیمانده موردی را که در حال حاضر بیشترین تعداد هسته های CPU آزاد دارد را انتخاب می کند،هنگامی که آن را پیدا کرد ماشین مجازی را با آن تطبیق می دهد. این سناریو تا زمانی که تمام ماشین های مجازی اختصاص یابند،ادامه خواهد داشت.استراتژی load balancing به دنبال آن است که میزان بار CPU را در میزبان ها کمینه کند - . - 9
❖ استراتژی Load Balancing - free cpu ratio -
این سیاست،نوع پیشرفته سیاست قبلی است. برای هر ماشین مجازی ابتدا تمام میزبان هایی که نمی توانند ماشین مجازی مربوطه را میزبانی کنند و منابع مورد نیاز آنها را ندارند، از رده خارج می کند. از میان میزبان های باقی مانده،موردی که نسبت تعداد هسته های CPU آزاد به تعداد هسته های CPU اختصاص داده عدد بزرگتری داشته باشد را پیدا می کند.هنگامی که آنرا پیدا کرد ماشین مجازی را با ان تطبیق می دهد. این سناریو تا زمانی که تمام ماشین های مجازی اختصاص یابند، ادامه خواهد داشت. این استراتژی به دنبال آن است که بار CPU در یک پرازنده را کیمنه کند و طراحی شده است تا اندکی بهتر از روش قبل عمل کند - 9 - .
❖ استراتژی Watts per Core
این استراتژی،شیوه ای برای کاهش مصرف انرژی است. برای هر ماشین مجازی جدید،ابتدا تمام میزبان هایی که نمی توانند ماشین مجازی مربوطه را میزبانی کنند و منابع مورد نیاز آنها را ندارند از رده خارج میکند. از میان میزبانهای باقی مانده با توجه به منبع نیروی هر میزبان موردی را که کمترین میزان وات اضافی در هر هسته CPU را خواهد داشت. انتخاب می کند هنگامی که آن را پیدا کرد ماشین مجازی را با آن تطبیق می دهد این سناریو تا زمانیکه تمام ماشین های مجازی اختصاص یابند ادامه خواهد داشت برای محاسبه این وات اضافه تصور می کنیم میزبان هایی که میزبان هیچ ماشین مجازی نیستند می توانند در حالتی قرار گیرند که دارای توان مصرفی پایین تر باشند - - shutdown, hibernating و به طور موثر صفر وات مصرف می کنند. این روش همواره به دنبال میربانی است که به ازای هر هسته وات اضافه کمتری مصرف کند و از این طریق میزان مصرفی کلی را کاهش دهد.
❖ استراتژی Cost per Core
این استراتژی شیوه ای برای کاهش هزینه است. برای هر ماشین مجازی جدید. ابتدا تمام میزبان هایی که نمی توانند ماشین مجازی مربوطه را میزبانی کنند و منابع مورد نیاز آنها را ندارند، از رده خارج می کند. از میان میزبان های باقی مانده،میزبانی انتخاب می شود که هزینه اضافه استفاده به ازای هر هسته آن کمتر باشد. هنگامی که آن را پیدا کرد ماشین مجازی را با آن تطبیق می دهد. این سناریو تا زمانی که تمام ماشین های مجازی اختصاص یابند ادامه خواهد داشت. این روش نیز تصوری همچون روش قبل دارد. استراتژی Cost per Core با اتخاذ روش مذکور سعی دارد هزینه کلی انرژی را کاهش دهد. - 9 -
نتیجه گیری:
مدیریت انرژی در مرکز داده،یکی از چالش برانگیزترین موضوعاتی است که تولید کنندگان با آن مواجه هستند.بدلیل افزایش روزانه داده و پردازش،امکان حفظ کنترل مصرف انرژی به شیوه مورد نیاز وجود ندارد. در این پژوهش نیز به بیان تکنیک های مجازی سازی که روشی برای کاهش مصرف انرژی است پرداخته شد. با استفاده از این تکنیک از طریق اتحاد و مهاجرت زنده ماشین های مجازی می توان مصرف انرژی را به طور چشم گیری کاهش داد. در حقیقت در بعضی از تکنیک ها با خاموش کردن سرورهای بیکار یا انتقال این سرورها به حالت کم انرژی، مصرف انرژی کاهش پیدا می کند.
