برای جستجو در بین هزاران پایان نامه در موضوعات مختلف     

      و دانلود متن کامل آنها با فرمت ورد اینجا کلیک کنید     

 
دانلود پایان نامه

نویسندگان [Nathuji, 2007] بر لزوم وجود کانیزم نظارت و کنترل بهره‌وری منابع در محیط مراکزداده تاکید دارند. در روش آنها، مکانیزم مدیریت مصرف انرژی مشابه آنچه در سیستم عامل وجود دارد، در سطحی بالاتر برای مجاز ساز در نظر گرفته شده است. که با استفاده از اطلاعات دریافتی از ماشین‌های مجازی، در هر زمان کم مصرف ترین انتصاب ماشین‌های مجازی به سرورها را تعیین و انتخاب می‌کند و در صورت لزوم نسبت به تغییر این انتصاب‌ها اقدام می‌نماید. نویسندگان این مقاله راهکار خود را روی مجازی ساز XEN پیاده سازی نموده و بیان داشته‌اند که در آزمایشات انجام شده، تا 34% کاهش در مصرف انرژی صورت گرفته است. عمده ترین ایراد این روش، عدم پیاده سازی راهکاری منسجم برای کنترل منابع در سطح جدید اضافه شده به مجازی ساز است.
روش پیشنهادی در [Verma, 2009] از کنترل بار روی سرورها و ترکیب ماشین مجازی بهره می‌برد، نویسندگان این مقاله، تغییر انتصاب‌های ماشین‌های مجازی را بر حسب مدت زمان پایداری به سه دسته تقسیم نموده‌اند:
در حالت ایستا تخصیص ماشین‌های مجازی به سرورها در دوره‌های ماهانه و یا سالانه بررسی و تغییر داده می‌شود.
در حالت نیمه ایستا این انتصابات در دوره‌های روزانه و یا هفتگی مورد تجدید نظر قرار می‌گیرند.
در حالت پویا انتصاب‌ها در طول چند ساعت و یا چند دقیقه تغییر می‌کنند.
روش پیشنهادی این مقاله انتصاب‌های ایستا و نیمه ایستا است؛ از جمله نکات مثبت روش ارائه شده‌ی این مقاله، امکان بررسی و ذخیره‌ی آمار مربوط به فعالیت سرورها در دوره‌‌های طولانی و در نتیجه امکان استفاده از آمار دقیقتر و موثقتر و همچنین استفاده از انواع الگوریتم‌های پیشبینی برای انجام بهترین انتصاب است. هر چند عدم توانایی تغییر تخصیص‌ها در زمان طولانی یا به قیمت کاهش کارایی سیستم در پاسخگویی به درخواست‌ها در زمان اوج بارِ پیشبینی نشده است و یا برای پرهیز از این رخداد باید با تخصیص سخت‌افزار بیش از حد نیاز تضمین نمود که هیچگاه سیستم اشباع نمی‌شود که این هم به معنی عدم بهره برداری از تمام پتانسیل کاهش مصرف انرژی مرکز داده است.
در [Meisner, 2009] هر سرور مرکز داده به صورت کامل، هدف صرفه جویی قرار گرفت. برای صرفه جویی در این حالت، سیستم در اوقات بیکاری در حالت خواب قرار داده می‌شود. مکان هدف این مقاله سرورها در یک مرکز داده بوده‌اند. ایده‌ی مطرح شده در مقاله پیاده سازی نشده و فقط به صورت تئوری بحث و اندازه گیری شده است. در این ایده نیز سطح بار روی سرور تحت نظارت قرار گرفته و در هنگام بیکاری، سیستم در حالت خواب قرار داده می‌شود و در صورت دریافت تقاضای مربوط به آن سرور، سرور بیدار شده و کار به آن تخصیص می‌یابد. هر چند صرفه جویی قابل توجهی در انرژی مصرفی صورت گرفته است ولی این راه حل دو ایراد دارد. اول اینکه از آنجا که هر سرور مسئول پاسخ به درخواست‌های خود است (بین سرویس دهنده و سرور ارتباط مستقیم و ثابت وجود دارد) راهی برای افزایش مدت زمان بیکاری سرور وجود ندارد. یعنی هر سرور همیشه مسئول پاسخ به درخواست‌های مربوط به خود است پس فواصل بیکاری سرور همان فاصله‌هایی است که طی آن هیچ درخواستی برای سرور ارسال نمی‌شود. حاصل این پیکر بندی کاهش احتمال و مدت زمان بیکاری سرور و نیز احتمال وجود سرور یا سرورها با کار بسیار کم ولی اجتناب ناپذیر است. ایراد دوم مدت زمانی است که درخواست تازه رسیده باید منتظر بماند تا سرور مربوطه بیدار شود. در واقع هر وقت که سرور در حالت خواب قرار دارد، مدت زمان بیدار شدن سرور به مدت پاسخ اضافه می‌گردد؛ هر چند این مدت کوتاه است اما با توجه به امکان تکرار آن برای تعداد زیاد درخواست‌ها، در برخی پیکربندی‌ها قابل چشم پوشی نیست.
در [Das, 2010] از مهاجرت ماشین مجازی برای صرفه جویی مصرف انرژی استفاده شده است. در این مقاله، هدف صرفه جویی در مصرف رایانه‌های شخصی موجود در یک مرکز تجاری، در شرایطی که این رایانه‌ها به صورت شبکه با هم و نیز با یک سرور مرکزی در ارتباطند و کاربر مواقع زیادی مشغول کار کردن از راه دور است. در روش مقاله‌ی ذکر شده برای تشخیص بیکاری رایانه بار آن تحت نظارت قرار نمی‌گیرد بلکه فعالیت‌های کاربر است که ملاک فعالیت رایانه در نظر گرفته می شود. در این روش چنانچه به مدتی بیش از یک آستانه وقفه‌ای از سوی ماوس یا صفحه کلید رایانه صادر نشد (ماوس و صفحه کلید فعالیتی نداشتند) رایانه بیکار تلقی می‌گردد و پس از انتقال سیستم عامل آن (در قالب ماشین مجازی) به یک رایانه‌ی همیشه فعال و در دسترس، رایانه‌ی اول به خواب می‌رود. هدف دیگر که در این مقاله مد نظر قرار گرفته است در دسترس بودن یک سیستم عامل در تمام محیط‌های یک فرد است مانند منزل و دفتر کار، لازمه‌ی این کار استفاده‌ی رایانه از راه دور است. با توجه به اینکه رایانه‌ها و سیستم عامل‌های امروزی همگی مجهز به ابزارهای صرفه جویی مصرف انرژی هستند، استفاده از چنین روشی در اکثر محیط‌ها کارآمد به نظر نمی‌رسد. همچنین پتانسیل صرفه جویی انرژی در مراکز داده بسیار بیشتر از رایانه‌های شخصی است به خصوص که روش استفاده شده در این کار تنها بخشی از رایانه‌های شخصی را هدف قرار می‌دهد نه همه‌ی آنها را. به علاوه ایجاد شبکه بین رایانه‌های شخصی و پیکربندی آن به شکلی که توانایی مهاجرت ماشین مجازی را فراهم سازد پرهزینه و دشوار است.
صرفه جویی در انرژی با استفاده از ترکیب ماشین مجازی
عده‌ای دیگر از روش‌های صرفه جویی انرژی مراکز داده، از مجازی سازی و ابزارهای آن نظیر مهاجرت ماشین مجازی (ترکیب ماشین مجازی ) بهره می‌برند. در این بخش چند نمونه از این گروه را شرح می‌دهیم.
در[Jung, 2008] هدف بررسی هزینه‌ی ترکیب ماشین‌های مجازی بر کیفیت سرویس‌دهی در معماری‌های چند لایه‌ ی کاربردهای وب است. نویسندگان این مقاله برای اولین بار هزینه‌ی ناشی از توقف سرویس دهی و یا کاهش توانایی سرویس دهی مرکزداده (در اثر تخصیص نادرست منابع) را مورد توجه قرار داده‌اند. آنها عنوان نموده‌اند که هر روشی برای ترکیب ماشین‌های مجازی باید با در نظر گرفتن کیفیت سرویس دهی باشد و در غیر اینصورت می‌تواند منجر به عدم توانایی سرویس دهی مناسب و در نتیجه پرداخت جریمه گردد.
در این مقاله، نویسندگان تابعی برای تصمیم گیری تغییر تخصیص ماشین‌های مجازی با در نظر گرفتن اهمیت حفظ کیفیت سرویس ارائه داده‌اند اما این تابع بر اساس یک پیکر بندی خاص و با فرض اطلاع داشتن از یک سری پارامترهای سیستم ارائه شده و قابلیت استفاده محدودی دارد.
نویسندگان در [Kusic, 2009] مدیریت مصرف انرژی در محیط مجازی شده‌ی مراکز داده را به صورت یک مسئله‌ی بهینه‌سازی خطی تعریف نموده‌اند و برای تعیین بهترین تخصیص، سعی در پیشبینی حالات آتی سیستم دارند. آنها هدف از این تابع بهینه سازی را بیشینه نمودن سود سرویس دهنده به وسیله‌ی کمینه نمودن هزینه‌های ناشی از مصرف برق و پرداخت جریمه تخطی کیفیت سرویس به مشتریان قرار داده‌اند. آنها با استفاده از فیلتر کالمن تخمینی از میزان درخواست‌های آینده‌ی سیستم به دست آورده و تخصیص‌ جدید را متناسب با این پیشبینی اعمال می‌کنند. هر چند که استفاده از فیلتر کاملن این مزیت را دارد که در طولانی مدت پیشبینی‌های بسیار دقیقی از وضعیت آینده‌ی سیستم خواهیم داشت و در نتیجه تخصیص‌های نزدیک به بهینه صورت می‌گیرند ولی راه حل ارائه شده 2 ایراد دارد:
اول اینکه در این روش تابع، در طول زمان یادگیری نسبت به مدل کاربرد پیدا می‌کند که این یادگیری پایه‌ی تصمیمات آینده برای تغییر تخصیص‌ها است. این روند تا حدی نیازمند ثبات الگوی کاربرد است و از اینرو فقط برای محیط‌هایی با یک کاربرد خاص نتیجه‌ی مناسبی دارد.
دوم اینکه از آنجا که این روش قطعی است، زمان اجرای آن و سربار ناشی از آن، به خصوص در مقایسه با روش‌های اکتشافی، بسیار زیاد خواهد بود [Beloglazov, 2012].
در مقابل روش‌هایی که از الگوریتم‌های اکتشافی استفاده ‌می‌کنند، هیچیک از این محدودیت‌ها را ندارند. یعنی نه محدود به یک کاربرد خاص هستند و نه زمان اجزا و سربار زیادی به سیستم تحمیل می‌کنند.
در [Kumar, 2009] نویسندگان از پارامتری به نام پایداری برای تخصیص ماشین‌های مجازی استفاده نموده‌اند. این پارامتر به صورت مدت زمانی که یک جابجایی ماشین مجازی ثابت و موثر باقی خواهد ماند، تعریف شده است. همچنین برای پیشبینی منابع مورد نیاز یک کاربرد آنها از یک تابع تجمعی احتمال متغیر با زمان بهره برده‌اند.
مشکل چنین راه حلی، عدم آگاهی و توانایی تخمین پیش از کارکرد، چنین پارامترهایی است که خلاف فرض نویسندگان مقاله است. آنها فرض کرده‌اند که پارامترهای توزیع مانند انحراف معیار و میانگین منابع مورد نیاز از پیش دانسته شده‌اند، که در اکثر کاربردها چنین فرضی صادق نیست. همچنین نویسندگان فرض نموده‌اند که میزان استفاده از منابع از یک توزیع نرمال پیروی می‌کند در حالیکه مطالعات زیادی خلاف این امر را نشان می‌دهند[Barford, 1998] ، [Feitelson, 2002] و [Li, 2009].
نویسندگان [Beloglazov , 2010] ضمن بررسی و تاکید بر لزوم استفاده از ترکیب ماشین مجازی برای کاهش مصرف برق مراکزداده، مسئله‌ی حفظ کیفیت سرویس دهی را عنوان نموده روشی برای اطمینان از آن عنوان می‌کنند. در روش آنها حدود ثابتی برای دسته‌بندی سرورها به فروبار، متعادل و فرابار در نظر گرفته نمی‌شود بلکه به مرور زمان در حین کارکرد با توجه به بازخوردهایی که از کیفیت سرویس دهی دریافت می‌گردد، این حدود نیز در دامنه‌ای تغییر می‌کنند. نحوه‌ی ارزیابی راه حل ارائه شده استفاده از شبیه ساز بوده و نتایج در مقایسه با کارهای گذشته تفاوتی در میزان صرفه‌جویی مصرف برق ندارد. البته با این روش میزان مهاجرت‌ها کاهش یافته و کیفیت سرویس در سطح بالاتری قرار دارد.
هر چند حدود متغیر دسته بندی، راهکاری صحیح است و می‌تواند به نتایج بهتر منجر شود تمامی محیط‌ها لزومی به استفاده از این روش وجود ندارد و مثلاً در محیط‌های همگن و یا با الگوی کم و بیش ثابت کاری، می‌توان با بررسی آماری از ابتدا حدودی ثابت تعیین نمود که تا حد بسیار زیادی به اثر بخشی حدود متغیر باشند. مزیت استفاده از حدود ثابت، کاهش سربار پردازشی ناشی از عملکرد نرم‌افزار است.
در مراکز داده استفاده از راهکاری که بر مصرف انرژی همه‌ی مجموعه نظارت داشته از پتانسیل تمامی سرورها برای صرفه جویی مصرف برق بهره ببرد، در کنار ابزارهایی که صرفه جویی انرژی را در سطح یک سرور انجام می‌دهند بسیار کارآمد خواهد بود.
فصل سوم
دسته بندی : علمی