بخشی از مقاله
خلاصه : امروزه به کارگیری مراکزداده با پراکندگی جغرافیایی به منظور تقسیم بار و افزایش تحمل خرابی بسیار مورد توجه ارائه دهندگان خدمات ابری می باشد . یکی از چالش های ارائه دهندگان خدمات ابری کاهش زمان پاسخ و هزینه های انرژی می باشد که در این راستا، با توجه به نرخ متغیر هزینه های انرژی در کشور های مختلف و زمان پاسخ به سرویس گیرندگان، ماشین های مجازی را در بین کشور های مختلف میزبانی می نمایند.
روش های ارائه شده عمدتا از هزینه های برق، میزان انتشارکربن ناشی از برق مصرفی مراکز داده و مدت زمان پاسخ، به عنوان پارامترهای تاثیر گذار در الگوریتم های خود استفاده نموده اند. در این مقاله، الگوریتم پیشنهادی - سیروکومولوس - علاوه بر موارد فوق، هزینه های انتقال ماشین های مجازی، را به عنوان یکی دیگر از پارامترها، در نظر گرفته است. نتایج ارزیابی الگوریتم سیروکومولوس، برای سه مرکز داده از سری مراکز داده آمازون، در مقایسه با الگوریتم های پیشین نشان میدهد، هزینه های انرژی تا حداکثر %2,53 و مدت زمان پاسخ تا حداکثر %2,12 بهبود پیداکرده است.
.1 مقدمه:
در محاسبات ابری منابع سخت افزاری، پردازشی، نرم افزار، خدمات، پلت فرم و فضای ذخیره سازی، از طریق بستر اینترنت در دسترس سرویس گیرندگان قرار خواهد گرفت. هدف از بهره گیری این دسته از خدمات، حذف هزینه های هنگفت نگهداری تجهیزات رایانه ای برای شرکت ها و موسسات می باشد. به طورکلی محاسبات ابری به معنای اشتراک گذاری خدمات میزبانی شده از طریق اینترنت می باشد. پایه ریزی این تکنولوژی بر اساس منطق به اشتراک گذاشتن پردازنده ها، فضاهای ذخیره سازی، شبکه و کاربریهایی که توسط سوم شخص ارائه می شود، بنا نهاده شده است .
[1] تقاضای سیری ناپذیر استفاده از منابع ابری توسط مشاغل و اشخاص، باعث گردیده است که مدیریت منابع2، بعنوان یکی از مهمترین دغدغه های تصمیم گیری مدیران خدمات ابری محسوب شود. امروزه یکی از محبوب ترین خدمات ابری، زیرساخت به عنوان سرویس 3نامدارد، که درحقیقت اجاره دادن منابع سخت افزاری سطح پایین ماشین های فیزیکی4 مانند پردازنده، فضای حافظه و فضای ذخیره سازی، در قالب ماشین های مجازی می باشد. این دسته از خدمات معمولا به صورت، پرداخت با توجه به نیاز مشتری5 ارائه می گردد که باعث کاهش هزینه های جاری و راه اندازی کاربران می گردد .[2] خدمات بسیاری در قالب سرویس های ابری قابل ارائه می باشد.
در این راستا، ارائه دهندگان سرویسهای ابری، انباره عظیمی از منابع مورد نیاز این خدمات را فراهم نموده اند. این منابع عظیم می توانند در قالب یک مرکزداده و یا مراکزداده با پراکندگی جغرافیای ارائه شوند. در اکثر قریب به اتفاق شبکه های مبتنی بر پروتکل IP، بهینه بودن توان عملیاتی و به کارگیری مناسب از لینک های ارتباطی6، از اصلی ترین مواردی است که در طراحی آن شبکه ها مد نظر گرفته می شود. استفاده از پهنای باند بالا، به خودی خود، نیاز های کنونی شبکه های امروزی را مرتفع نمی سازد.
وجود پهنای باند بالا معمولا برای انتقال حجم بزرگی از داده و یا کاربری های که عنصر زمان در آنها دخیل نمی باشند، الزامی می باشد. شبکه های کنونی علاوه بر پهنای باند مناسب، نیازمند مدت زمان پاسخ متعادل و معقولی نیز می باشند. برخی از کاربری هایی که نیازمند انتقال حجم اندکی داده در بازه زمانی مشخص می باشند همانند انتقال صدا و تصویر و یا کاربری هایی که نیازمند دریافت پاسخ های بلادرنگ می باشند، مانند شبکه سنسورها و یا بازی های برخط، نمونه هایی از این ارتباطات می باشند. در نتیجه تاخیر در ارتباطات، نکته حیاتی و پررنگی در شبکه های کنونی بوده که نادیده گرفتن آنها، باعث تخریب کاربری آن در شبکه می باشد .
[3] گسترده نمودن جغرافیایی مراکزداده، در صورت پیاده سازی مناسب تقسیم بار، دارای مزایای بسیاری می باشد. کاهش تاخیر7 در ارائه خدمات و افزایش نرخ انتقال داده، از مزایای نزدیکی جغرافیایی سرویس گیرنده به مرکزداده می باشد. وجود تاخیر در ارتباط، در کاربری های همچون انتقال صدا بر بستر شبکه8 و نیز بازی های آنلاین، باعث افت چشم گیر کیفیت می گردد و به منظور ارتقا کیفیت خدمات9 می بایست تاخیرهای موجود در ارتباطات به حداقل ممکن برسد.
مقالات بسیاری در خصوص نحوه بهینه سازی انرژی در زمان تقسیم بار [4] [5] [6] به منظور افزایش بهره وری سیستم و کاهش هزینه های انرژی صورت پذیرفته است. این تقسیم بار از طریق مکانیزم هایDNS پویا، تغییر مسیر درخواست های HTTP10 و یا انتقال درخواست های 11 HTTP امکانپذیر می باشد که این موارد در منابع [7] [8] [9] توضیح داده شده اند. خدمات تحت وب در مقیاس های اینترنتی بزرگ اغلب توسط چندین مرکزداده با پراکندگی جغرافیایی در حال ارائه خدمات می باشند، به طوری که چندین هزار سرور در هر مرکزداده میزبانی می شوند. به منظور ارائه این خدمات نیازمند هزاران مگاوات برق بوده که معادل دها میلیون دلار هزینه سالانه می باشد . [4]
با توجه به تقاضای رو به رشد مصرف انرژی مراکزداده، انگیزه ای قوی برای محققان در سراسر دنیا به وجود آمده است که از دو جنبه اقتصادی و زیست محیطی به مطالعه و تحقیق در راستای بهینه سازی مصرف انرژی در مراکز داده بپردازند. بهینه سازی مهندسی پردازنده های چند هسته ای، سیستم های سرمایشی اختصاصی مراکز داده، سیستم های برق رسانی مراکزداده، مجازی سازی و ... همگی به منظور بهبود بخشیدن بهینهسازی مصرف انرژی صورت پذیرفته است [10] [11] [12] [13]، تمرکز این مقالات در راستایکاهش هزینههای برق مراکزداده و سامانه های مصرف کننده برق مانند سیستم های سرمایشی می باشد .[14]
در این مقاله سعی برآن شده که چندین فاکتور تاثیرگذار بر راندمان مراکزداده و نیز هزینه های انرژی مورد ارزیابی قرارگیرد. این فاکتور ها شامل، هزینه های انرژی برق سرورها، هزینه های جابه جایی ماشین های مجازی بین مراکز داده، بررسی امکانپذیر بودن جابه جایی ماشین مجازی با توجه به زمان انتقال و قطعی خدمات، هزینه های برق سیستم های سرمایشی، ترافیک شبکه بین مراکز داده و کاربران، میزان نرخ خواندن و نوشتن اطلاعات12 از/ بر روی اطلاعات، توافق نامه سطح خدمات13 می باشند.
همیشه دستیابی به بهترین حالت برای کلیه آیتم های مطرح شده به صورت یکجا امکانپذیر نمی باشد و گاهاً برخی از المان ها با یکدیگر در تضاد و تلاقی می باشند. با توجه به پراکندگی جغرافیایی مراکزداده و نیز اختلاف زمانی بین مکان های جغرافیایی، هزینه های برق مصرفی، ساعات اوج مصرف برق، پهنای باند و ترافیک های متفاوت به هر مرکزداده و نوع و هزینه سیستم های سرمایشی در هر مرکزداده متفاوت می باشد.
از آنجا که مشخصات ماشین های مجازی و فیزیکی موجود در مراکزداده نیز یکسیان نمی باشد، طبیعتا چالش های دیگری مانند ظرفیت آزاد اتاق های سرور، تقاضای های متفاوت برای منابع، ترافیک شبکه، توده انبوده منبع درخواست های شبکه و ... نیز گریبانگیر تصمیم گیری به منظور انتقال ماشین های مجازی می باشند. در روش پیشنهادی سیروکومولوس، که یک روش مبتنی بر گراف می باشد، به بررسی و کنترل این پارامترهای تاثیر گذار در محیط ابری، پرداخته ایم. با بهره گیری از دیاگرام ورونوی، ارجح ترین مرکزداده برای میزبانی ماشین های مجازی مورد نیاز را در بازه های مشخص زمانی، برآورد و طبقه بندی می کنیم و در نهایت میزان صرفه جویی در هزینه و میزان مصرف برق محاسبه می گردد.
.2 تحقیقات مرتبط
بیشتر فعالیت های انجام شده و تحقیقات موجود به منظور بهینه سازی مصرف انرژی و هزینه های برق، در یک مرکزداده صورت پذیرفته اند که بهترین ماشین فیزیکی برای میزبانی ماشین های مجازی را از بین ظرفیت های آزاد ماشین های فیزیکی مستقر در آن مرکزداده محاسبه می نماید و با این جایگزینی، حداکثر استفاده از ظرفیت آن مرکزداده صورت پذیرفته و ماشین های فیزیکی بلا استفاده، خاموش شده و یا در حالت خواب قرار میگیرند. در این صورت علاوه بر صرفه جویی در برق مصرفی ماشین های فیزیکی در میزان مصرف برق تجهیزات شبکه موجود در آن مرکزداده و نیز در مصرف برق سیستم سرمایشی اتاق سرور نیز صرفه جویی می گردد.
در [15] الگوریتمی ارائه گردیده است، که تعداد سرور های روشن یک مرکزداده را به حداقل مورد نیاز کاهش می دهد، در کنار کاهش این تعداد، آستانه اطمینانی نیز در نظر گرفته شده است که در صورت نیاز به افزایش ناگهانی منابع، با کندی سیستم ها مواجه نباشیم و همیشه سرور هایی روشن و در حالت آماده باش در چرخه سرویس دهی باشند. در [16] به بررسی میزان مصرف برق تجهیزات شبکه مانند سوییچ ها و روتر های شبکه، پرداخته شده است و روش هایی به منظور کاهش و بهینه سازی مصرف انرژی تجهیزات سوییچینگ ارائه گردیده است و میزان مصرف برق به ازا پهنای باند های متفاوت پورت های تجهیزات آنالیز و اندازه گیری شده اند، لیکن از آنجا که لینک های فیبر نوری، با توان مصرفی برق ثابتی عملیاتی می باشند، لذا اینمقاله صرفاً برای یک مرکزداده قابل پیاده سازی می باشد.
