عنوان پایان‌نامه
تامین منابع به طور خودکار در فدراسیونی از ابرهای سبز
- رشته تحصیلی
- مهندسی فناوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2365;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60355
- تاریخ دفاع
- ۲۳ شهریور ۱۳۹۲
- دانشجو
- ابوذر رجبی
- استاد راهنما
- ناصر یزدانی
- چکیده
- رایانش ابری در سالهای اخیر توجهات زیادی را به خود جلب کرده است و روز به روز بر تعداد سرویس های ابری افزوده می شود. در این میان ارائه دهندگان خدمات ابری باید بتوانند سرویس های مورد نظر کاربران را با توجه به کیفیت سرویس خواسته شده که در توافق سطح سرویس بیان می گردد، تأمین کنند. چالشی که در اینجا وجود دارد تأمین سرویس مورد نظر با استفاده از روش هایی انرژی بهینه است. طبق آمارها و پیش بینی ها، مصرف انرژی مراکز داده که بستری برای ارائه خدمات ابری هستند، بخش زیادی از هزینه های ارائه دهندگان را شامل شده و حتی در آینده ای نزدیک از قیمت تجهیزات و ملزومات مراکز داده فراتر می رود. افزایش هزینه ها ارائه دهندگان را مجبور به افزایش قیمت ها می کند که در نتیجه از رغبت مشتریان کاسته می شود. علاوه بر این، مصرف انرژی باعث ایجاد تأثیرات مخرب محیط زیستی می گردد. بنابراین، ضروری به نظر می رسد که توجه ویژه ای به این موضوع گردد. از آنجا که ارائه دهندگان سرویس های ابری دارای چندین مرکز داده در نقاط جغرافیایی مختلف دنیا هستند، در این پایان نامه به مسأله ی تأمین منابع در فدراسیونی از ابرها برای سرویس های بی درنگ ، پرداخته شده است. معماری پیشنهادی، استفاده از دو زمان بند در دو سطح فدراسیون و مرکز داده است. در واقع، مسأله ی مورد بحث زمان بندی سرویس های بی درنگ در این دو سطح است به نحوی که باعث کاهش مصرف انرژی شده و سایر محدودیت های سیستم را نیز برآورده کند. بدین منظور، ابتدا درخواست در سطح فدراسیون بررسی گشته و به یکی از مراکز داده تخصیص می یابد. تصمیم گیری در این سطح بر اساس حداقل کردن انتشار گاز دی اکسید کربن و حداکثر کردن میزان سود ارائه دهنده انجام می شود. در سطح مرکز داده، سرویس های بی درنگ که نوعی از برنامه های کاربردی موازی دارای اولویت هستند، با هدف کاهش مصرف انرژی و با استفاده از دو روش متداول متمرکزسازی و نیز DVS زمان بندی می گردند. برای این کار، مسأله¬ی مورد نظر به طور کامل مدل شده و روابط ریاضی مناسب برای آن بیان شده اند. سپس با استفاده از برنامه ریزی عددی خطی توابع هدف مناسب برای هر یک از زمان بندها نوشته شده است. برای حل مسأله ی برنامه ریزی خطی عددی، از یک الگوریتم فرا ابتکاری با نام الگوریتم رقابت استعماری استفاده شده است. این الگوریتم به گونه ای به کار گرفته شده که ابتدا تعداد سرورهای مورد نیاز را محاسبه کند (متمرکزسازی) و سپس سعی در حداقل کردن انرژی مصرفی از طریق کاهش سطح ولتاژ سرورها (DVS) کند. روش پیشنهادی، الگوریتم رقابت استعماری را طوری بکار می گیرد که با کم کردن فضای مسأله، زمان اجرای آن کاهش یابد. در پایان، آزمایشاتی بر روی داده های واقعی صورت گرفته است. طبق نتایج بدست آمده، روش معرفی شده مصرف انرژی را 9% نسبت به روش مبتنی بر الگوریتم ژنتیک کاهش می دهد در حالیکه سود ارائه دهنده را 12% افزایش می بخشد و نیز زمان اجرای کوتاهتری نیز دارد. واژه‌های کلیدی: رایانش ابری، زمان بندی، سرویس های بی درنگ، الگوریتم رقابت استعماری، تأمین منابع به طور انرژی-آگاه
- Abstract
- Cloud computing has recently attracted more attentions due to providing a wide range of cost-effective services. Cloud providers deliver such services through a set of data centers which are usually distributed over the world. Although cloud services are becoming increasingly popular, the operating expenses of cloud data centers would make the case obscurant. Indeed, the profit of cloud providers strongly depends on the cost of energy consumption. The energy consumption of communication equipment and computing resources contributes to significant portion of providers’ cost. On the other hand, growing energy consumption not only results in higher operational cost but also causes negative environmental impacts. A large number of cloud services have real-time nature (e.g. multimedia services). Minimizing energy consumption is more complicated task for such services due to satisfying the deadline and other important constraints. Each service contains a set of related tasks. The service will be completed once all of its tasks have executed. The tasks of a service can be allocated onto multiple servers and are executed concurrently. Due to various computation powers of the servers, execution time of a task on different servers may vary. In the current research, the efficient scheduling of real-time services on the geographically distributed cloud data centers is addressed. As the data centers are located in various corners of the world, the cost of energy consumption and the amount of CO2 emission in different data centers varies significantly. Therefore, a proper allocation of services in such systems can result in a decrease of CO2 emission and a substantial increase of the providers’ profit. The reduction of CO2 emission also mitigates the destructive environmental impacts. The problem is formulated as an Integer Linear Programming (ILP). As the solution, we propose a two-level scheduler which is able to reach a good compromise between CO2 emission and the profit of cloud provider. The scheduler should also satisfy all real-time services’ deadline, precedence, memory, and disk constraints. The scheduler is an online scheduling approach and based on a powerful meta-heuristic approach known as the Imperialist Competitive Algorithm (ICA). The ICA is utilized in such a way to consolidate tasks on less number of servers. Also, the Dynamic Voltage Scaling (DVS) technique is used to save more energy consumption. The energy consumption of network equipment is also considered. Simulation results based on a real workload indicate that the proposed scheduler reduces the energy consumption by 9% on average while at the same time it improves the provider’s profit by 12% on average Keywords: Resource Provisioning, Cloud federation, Network-awareness, Energy-efficiency, Precedence-constrained Parallel Applications, Task scheduling, Consolidation, DVS, Imperialist Competitive Algorithm.
