دسته بندي علمی – پژوهشی : 
ادغام پویای ماشین های مجازی در مراکز داده- قسمت ۵

دسته بندي علمی – پژوهشی : ادغام پویای ماشین های مجازی در مراکز داده- قسمت ۵

از سوی دیگر در هنگام کوچ ماشینهای مجازی به منظور فرار از وضعیت فرابار نیز تصمیم گیری تنها بر مبنای بهرهوری پردازنده نیز کار کاملا صحیحی نمیباشد؛ چراکه ممکن است میزبانی از لحاظ حافظه اصلی و یا پردازنده و یا هر دو معیار دچار وضعیت فرابار شود. در نتیجه بر اساس نوع فرابار شدن میزبان میبایست سیاست مناسب را جهت انتخاب ماشین مجازی مناسب جهت کوچ انتخاب کرد.
ارتباط بین بهرهوری پردازنده و حافظه اصلی
به منظور اثبات گفتههای انجام شده و اطمینان از صحت منطق روش ارائه شده در ابتدا اقدام به بررسی میزان وابستگی بهرهوری پردازنده و حافظه اصلی میپردازیم. به منظور ارزیابی میزان وابستگی بهرهوری پردازنده و حافظه اصلی از همبستگی استفاده میکنیم. بدین شکل که به ازای هر ماشین مجازی، میزان بهرهوری پردازنده و حافظه اصلی ماشین مجازی در طول ۲۴ ساعت را به صورت نمودار نمایش داده و میزان وابستگی این دو نمودار را با کمک همبستگی محاسبه میکنیم. به منظور ارزیابی هر چه دقیقتر، اقدام به ارزیابی همه ماشینهای مجازی موجود درون بارکاری معرفی شده کردهایم که نتایج آن در شکل ۳-۲ مشاهده میشود. همانطور که مشخص شده است حدود ۹۳% ماشینهای مجازی میزان وابستگی بهرهوری پردازنده و حافظه اصلی آنها کمتر از ۱۰% است.
شکل ۳-۲ میزان وابستگی بهرهوری پردازنده و حافظه اصلی ماشینهای مجازی
شناسایی میزبانان فروبار
به منظور شناسایی میزبانان فروبار از ترکیب روش ارائه شده در[۲۸] و[۳۸] FFDSUM (رابطه ۳-۱) به منظور ارزیابی هر دو پارامتر پردازنده و حافظه اصلی استفاده شده است به شکلی که این الگوریتم میتواند در سناریو واقعی مورد استفاده قرار بگیرد.
(۱)
در رابطه ۳-۱ مقدار بهرهوری پردازنده میزبان i ام و میزان بهرهوری حافظه اصلی میزبان i ام را نشان میدهد. رابطه ۳-۱ به منظور شناسایی میزبانی به عنوان فروبار از ترکیبی از میزان بهرهوری حاظه اصلی و پردازنده استفاده میکند که درصد تاثیر هر کدام با استفاده از مشخص شده است. مقدار بهینه نیز با کمک روش تپه نوردی[۳۶] محاسبه شده است. الگوریتم زیر به صورت دورهای به منظور شناسایی میزبانان فروبار مورد استفاده قرار میگیرد:
محاسبه به ازای همه میزبانان
انتخاب میزبان با کمترین به عنوان کاندید میزبان فروبار، برای کوچ همه ماشینهای مجازی درون آن. اگر دو و یا چند ماشین دارای کمترین بودند، یکی از آنها را به صورت تصادفی انتخاب میکنیم.
اگر با کوچ همه ماشینهای مجازی روی میزبان کاندید، سرباری درون سایر میزبانان بوجود آمد، عملیات را رها کن.
کوچ همه ماشینهای مجازی درون میزبان کاندید، با استفاده از الگوریتم جایگذاری ماشینهای مجازی (بخش بعد را ببینید) و سپس میزبان کاندید به حالت خاموش تغییر وضعیت میدهد.
روش ارائه شده در مقایسه با کارهای قبلی ارائه شده [۳۹]،[۴۰]،[۴۱] ،[۴۲] و [۴۳] مزایای زیر را دارد:
در این تکنیک از بهرهوری حافظه اصلی نیز به منظور ارزیابی استفاده شده است؛ در حالی که در تکنیکهای پیشین ارائه شده تنها از بهرهوری پردازنده استفاده شده است و برای سناریو واقعی مناسب نیستند. استفاده از بهرهوری حافظه اصلی در شناسایی میزبانان فروبار منجر به کاهش تعداد کوچ ماشینهای مجازی شده و در نتیجه باعث کاهش تخطی از توافق سطح سرویس و انرژی مصرفی میشود. در کوچ زنده ماشینهای مجازی باید همه حافظه ماشین مجازی به میزبان مقصد انتقال یابند و در نتیجه روش ارائه شده، ترافیک شبکه و تعداد کوچ ماشینهای مجازی را کاهش میدهد.
جایگذاری ماشینهای مجازی
در این پژوهش به منظور جایگذری ماشینهای مجازی که به عنوان کوچ انتخاب شدهاند دو الگوریتم ارائه شده است. در این بخش نیز همانند روش پیشین از هر دو پارامتر بهره وری پردازنده و بهره وری حافظه اصلی استفاده شده است. روشهای بسته بندی[۳۷] میتوانند به منظور تطبیق ماشینهای مجازی به ماشینهای فیزیکی استفاده شود. به شکلی که میزبانان به عنوان سطل[۳۸] ها و ماشینهای مجازی به عنوان اشیائی که درون سطلها قرار میگیرند، در نظر گرفته میشوند[۴۴].
در روش قبلی ارائه شده به دلیل استفاده از بهرهوری پردازنده به عنوان تنها پارامتر ارزیابی از بسته بندی یک بعدی برای حل مساله استفاده شده است. یکی از قابل توجه ترین روشهای اکتشافی ارائه شده به منظور بسته بندی یک بعدی استفاده از الگوریتم حریصانه است به شکلی که ماشینهای مجازی به صورت نزولی و بر اساس بهره وری پردازنده مرتب شده و به ترتیب در اولین میزبانی که فضای کافی برای ماشین مجازی مذکور داد قرار میگیرند. این روش اغلب به عنوان جایگذاری در اولین بهترین[۳۹](FFD) نامیده میشود که در بیشتر کارهای قبلی ارائه شده [۳۹]،[۴۰]،[۴۱]،[۴۲] و [۴۳] از نسخههای مختلف آن استفاده شده است. اما در این کار به دلیل استفاده از پارامترهای بهرهوری پردازنده و حافظه اصلی دیگر نمیتوان از بسته بندی یک بعدی یاری جست. در نتیجه به منظور حل مساله فوق از بسته بندی دو بعدی استفاده شده است.
روشهای مختلفی از نسخه FFD برای بسته بندی در محیط دو بعدی وجود دارند. در این مطالعه ما دو روش از آنها را مورد ارزیابی قرار دادهایم.
(۳-۲)
(۳-۳)
در رابطههای فوق a یک بردار به شکل a = a1,…,
ad است. این بردار دو هدف را دنبال میکند. اول، این بردار نیاز به نرمال سازی و تراز کردن ابعاد را دارد. دوم، اینکه معادلات وزن دهی تقاضاها بر اساس اهمیت و یا همسایگی حقیقی آنها به منظور جایگذاری را انجام میدهند.
به آسانی میتوان نشان داد که الگوریتم FFD برای بیشتر ورودیها عملا بسیار ضعیف عمل میکند. به عنوان مثال، با در نظر گرفتن چندین نمونه از ماشین مجازی که نیمی از آنها دارای بهرهوری حافظه اصلی ۳۰% و پردازنده ۱۵% هستند و نیمی دیگر از ماشینهای مجازی دارای بهرهوری حافظه اصلی ۱۵% و پردازنده ۳۰% میتوان این قضیه را نشان داد. در حالت راه حل بهینه چهار ماشین مجازی درون یک میزبان قرار میگیرند(دو ماشین مجازی از هر نمونه). در حالی که روش FFD احتمالا سه ماشین مجازی را درون یک میزبان قرار میدهد. این مثال میتواند یک وضعیت بد جایگذاری ماشینهای مجازی دورن میزبانان را نمایش دهد. این نوع از حالات ممکن است که در سناریو واقعی رخ دهد. به عنوان نمونه محاسبات علمی نیاز زیادی به پردازنده و نیاز کمی به ورودی/خروجی دارند؛ در حالی که وب سرورها نیازهایی تقریبا عکس این را دارند. لذا باید روشی ارائه دهیم که همه فضای احتمالی رخ داده برای ماشینهای مجازی را در نظر گرفته باشد.
بسته بندی برداری[۴۰]
این روش اکتشافی به منظور حداکثر سازی ضرب نقطهای بین بردار ظرفیت خالی میزبان و بردار تقاضای ماشین مجازی تعریف شده است[۴۵].
(۳-۴)
در رابطه ۳-۴ و به ترتیب میزان بهرهوری پردازنده و حافظه اصلی ماشین مجازی i ام؛ همچنین و میزان بهرهوری پردازنده و حافظه اصلی ماشین مجازی j ام میباشد.
بسته بندی بر اساس تناسب[۴۱](PBP) ابعاد
روش بسته بندی بر اساس تناسب(PBP) حالت بهبود یافتهای از روش بسته بندی برداری است. رابطه ۵ روشی نوین است که به منظور جایگذاری ماشینهای مجازی آنرا ارائه دادهایم.
) ۳-۵
بر اساس رابطه فوق، روش ما هر ماشین مجازی به میزبان j ام کوچ میکند، اگر و فقط اگر PBP متعلق به آن، دارای بیشترین مقدار برای میزبان j ام باشد. روش PBP در الگوریتمهای ۳-۱ و ۳-۲ نمایش داده شده است.

دانلود متن کامل این پایان نامه در سایت abisho.ir

الگوریتم ۳-۱ جایگذاری ماشینهای مجازی با PBP
Input: VmsToMigrateList
Input: HostList
Output: MigrationMap
۱: Sort VmsToMigrateList By FFD_Sum (Decreasing)