خانه / رشته های فنی مهندسی / رشته مهندسی ICT / دانلود پایان نامه الگوریتم زمانبندی ماشین مجازی در شبکه های ابری

دانلود پایان نامه الگوریتم زمانبندی ماشین مجازی در شبکه های ابری

شبکه ابری

ارائه الگوریتم زمانبندی مهاجرت ماشین های مجازی جهت بهینه سازی همزمان مصرف انرژی و تولید آلاینده ها در شبکه محاسباتی ابر

 

در این پایان نامه تمرکز بر 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.

در نتیجه سبب 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 در شبکه عملیاتی, تولید آلاینده زیستی کربن نیز کاهش یافته که در کاهش هزینه کاربر نقش بسزایی ایفا می کند.

راه حلهای مجازی سازی , علاوه بر کاهش هزینه های انرژی در زیرساختهای مراکز داده ,به طرز چشمگیری بهره برداری و  کارایی سرور را افزایش می دهد.

مجازی سازی با استفاده از تکنیک مهاجرت ماشینهای مجازی ,با ادغام و موازنه بار بین سرورهای فیزیکی و اجرای ده برنامه کاربردی یا بیشتر ماشینهای مجازی برروی یک سرور x86 , می تواند منابع مجازی را با انعطاف زیاد بین سرور های فیزیکی منتقل کند.

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.

همچنین بخوانید:  دانلود جزوه اصول طراحی کامپایلر به زبان فارسی

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

 

این راه حلها 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 انعطاف پذیری و مقیاس پذیری مراکز داده ی ابری، مهاجرت است.

همچنین بخوانید:  دانلود پایان نامه ارائه روشی برای طراحی مبتنی بر سرویس

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 ماشینهای فیزیکی و موازنه بارکاری پویا به کمک مهاجرت کارها در سراسر گره های خوشه مرکز داده می باشد.

الگوریتم زمانبندی

 

فهرست

چکیده
مقدمه

فصل اول کلیات

مقدمه
مروری بر محاسبات ابری
بررسی انواع مختلف توده های ابر، کاربرد، مزایا و معایب
برخی مزایا و معایب محاسبات ابری
معماری سیستم های محاسبات ابری
ماهیت محاسبات ابری
مجازی سازی
مقدمه ای بر مهاجرت ماشین های مجازی
مهاجرت
انواع روش های مهاجرت زنده
الگوریتم ژنتیک
جمعیت ژنتیکی
تابع برازندگی
عملگر ترکیب یا جابه جایی
عملگر جهش
عملگر انتخاب
آشنایی با چالش پیش رو در شبکه محاسباتی ابر
خلاصه و نتیجه گیری

فصل دوم مروری بر ادبیات گذشته

محاسبات ابری
مجازی سازی
مدیریت انرژی در مرکز داده اینترنت IDC
مدیریت انرژی ماشین مجازی و مهاجرت
الگوریتم MBFD
الگوریتم ST
الگوریتم MM
الگوریتم هریسانه
الگوریتمMEF(تغییر اولین تناسب)
نتیجه گیری

فصل سوم ارائه الگوریتم پیشنهادی

مقدمه
الگوریتم پیشنهادی

فصل چهارم نتایج شبیه سازی

مقدمه
ویژگی های شبیه سازی تخصیص و مهاجرت ماشین های مجازی
نرم افزار متلب
نتایج شبیه سازی
نتیجه گیری

همچنین بخوانید:  دانلود تحقیق درباره "شبکه های ادهاک بی سیم"

فصل پنجم نتیجه گیری و پیشنهادات

نتیجه گیری
کار آینده

فهرست جداول

فهرست شکل ها

 

دانلود پایان نامه الگوریتم زمانبندی ماشین مجازی در شبکه های ابری
قیمت : 9900 تومان
فرمت فایل : Word
تعداد صفحه : 86
حجم فایل : 2 مگابایت

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

This site uses Akismet to reduce spam. Learn how your comment data is processed.