Abstract
Cloud Computing is evolving as a key computing platform for sharing resources that include infrastructures, software, applications, and business processes. As the scale of cloud datacenter becomes larger and larger, how to reduce energy consumption in large-scale datacenters become a big problem to resolve as soon as possible. How to improve high-throughput cloud computing resource allocation strategy is taken into account. High-throughput computing resource consolidation is an effective method to increase resource utilization and in turn reduces energy consumption. However, high-throughput cloud computing resource consolidation can lead to two problems. Firstly, the freeing up of resources that could sit idling yet still drawing power. Secondly, the energy consumption of communication being ignored for a long time. Based on these considerations, this paper proposes a Particle Swarm Optimization Tabu Search Mechanism, aiming to maximize the resource utilization and explicitly taking into account both active and idle energy consumption in minimizing finish time. Our proposed mechanism allows turning off the spare servers, thus reducing the overall datacenter power consumption. We conducted extensive experiments based on the platform of CloudSim. By comparing with traditional algorithms, we prove that the proposed algorithm can save energy consumption reducing by 67.5% based on the consideration of communication in minimizing finish time
چکیده
رایانش ابری یا کلود کامپیوتینگ را می‌توان به‌عنوان یکی از پلت فرم‌های رایانشی کلیدی برای به اشتراک‌گذاری منابع در نظر گرفت، که متشکل از زیر ساختارها، نرم‌افزار، اپلیکیشن ها و پروسه‌های شغلی می‌باشد. با توجه به افزایش روزافزون مقیاس دیتاسنتر‌های ابری، چگونگی کاهش مصرف انرژی در دیتاسنتر‌های بزرگ‌مقیاس به یکی از مسائل و چالش‌های عمده مبدل گردیده است که باید در سریع‌ترین زمان ممکن پاسخ داده شود. چگونگی بهبود استراتژی تخصیص منابع رایانش ابری را نیز باید در نظر گرفت. تثبیت منابع رایانش ابری که از توان عملیاتی بالایی برخوردار می‌باشند را می‌توان روشی کارآمد برای افزایش نرخ بکار گیری منبع و به دنبال آن کاهش مصرف انرژی دانست. اگرچه تثبیت منابع رایانش ابری می‌تواند دو مسئله را به همراه داشته باشد. اول اینکه آزادسازی منابع می‌تواند علیرغم تخلیه‌ی انرژی، بیکار ماندن منابع را به همراه داشته باشد. دوم اینکه مصرف انرژی محاورات برای مدتی طولانی نادیده گرفته می‌شود. با توجه به این ملاحظات، در این مقاله قصد داریم یک مکانیسم جستجوی ممنوعه بهینه‌سازی ازدحام ذرات را ارائه دهیم تا بتوان نرخ بکار گیری منبع را بیشینه نموده و مصرف انرژی در زمان بیکاری و فعال بودن منابع را نیز مدنظر قرار دهیم. مکانیسم پیشنهادی ما اجازه داده تا سرورهای پراکنده در زمان بیکاری خاموش شده و بنابراین مصرف انرژی کلی دیتاسنتر‌ها کاهش پیدا کند. آزمایش‌های گسترده‌ای را نیز بر مبنای پلت فرم CloudSim انجام داده‌ایم. با مقایسه‌ی الگوریتم‌های مرسوم، اثبات کرده‌ایم که الگوریتم پیشنهادی می‌تواند بر مبنای در نظر گرفتن تکمیل یک فرآیند محاوره در کمترین زمان ممکن، به کاهش 67.5 درصدی مصرف انرژی دست پیدا کند.