منابع پایان نامه درمورد اعداد و ارقام

ر کاری را در سرورها چک می کند و سپس در مواقع لازم عمل مهاجرت صورت می گیرد. و سپس ارزیابی مجدد انجام گرفته و رشته با مصرف انرژی حداقل انتخاب می شود.
6- Overload/underload
7- Migration
جمعیت اولیه:
شکل 3-2 رشته کروموزوم پیشنهادی
جدول بالا مصداق یک رشته جمعیت یا همان کروموزوم هست.به تعداد 200 کروموزوم تولید می شود که بصورت تصادفی مکان vm ها را روی host ها تنظیم می کند.هر کروموزوم یک راه حل است که به صورت تصادفی ماشین های مجازی را بر روی سرورها تخصیص می دهد.
براین اساس جهت انتخاب جمعیت اولیه 200 رشته (کروموزوم) که هر رشته مکانهای ماشین مجازی(vm) را در میزبان ها (host) ها بصورت تصادفی تعیین می کند تولید می کنیم.هر کروموزم را به طول 1052 انتخاب می کنیم . 1052 تعداد ماشین های مجازی است که بنا داریم به 800 میزبان تخصیص دهیم. هر ژن مقدار یکی از 800 سرور را می گیرد به نحوی که انرژی مصرفی مینیمم شود. پس هر کروموزوم را یک آرایه یک سطری در نظر می گیریم که 1052 ستون دارد. هر درایه مشخص می کند که ماشین مربوطه روی کدام میزبان مستقر شده است. پس هر درایه یا همان ژن در بیان ژنتیک , شماره ماشین فیزیکی است. مثلا در درایه اول اگر مقدار 275 قرار گرفت بدین معنی است که ماشین مجازی اول روی سرور 275 ام قرار گرفته است. هر ماشین مجازی می تواند در هر لحظه فقط روی یک میزبان باشد. از طرف دیگر هر میزبان مقدار محدودی ظرفیت دارد .
این شروط را در تولید جمعیت اولیه اعمال می کنیم تا جمعیت ما به خوبی جاگذاری شود.
تعداد تکرار را به دفعات تغییر دادیم و بهترین نتیجه به تکرار 1000 تعلق گرفت. بنابراین هر کدام از 200 کروموزوم ,1000 بار بروز رسانی می شود و طی مراحل الگوریتم ژنتیک(ارزیابی- ترکیب-جهش) بهینه سازی خواهد شد.
تابع ارزیابی : Power(cromosome) ? ,ابتدا انرژی میزبان ارزیابی شده و سپس مجموع انرژی میزبان های یک رشته را محاسبه می کنیم. در انتها انرژی رشته ها را با هم مقایسه کرده رشته با انرژی حداقل انتخاب می شود.
در این الگوریتم , با استفاده از جدولی در مقاله[74] دو تن از پیشتازان محاسبات ابری یعنی آقای Buyya و Belaglazov سعی در انتخاب تابع ارزیابی کردیم.در این جدول که در زیر ارائه شده است با توجه به دو نوع پردازنده که در مراکز داده ابر استفاده می شوند و در شبیه سازی ها از این مدل استفاده می گردد در سطر اول, بار کاری روی سرور به درصد بیان شده است و در سطر دوم و سوم به ترتیب مصرف انرژی توسط این پردازنده ها با توجه به بارکاری بیان شده است.
جدول 3-1 مصرف انرژی پردازنده ها با توجه به بار کاری
مشخصات این دو پردازنده به صورت زیر می باشد:
HP ProLiant ML110 G4 (Intel Xeon 3040, 2 cores _ 1860 MHz, 4 GB),
HP ProLiant ML110 G5 (Intel Xeon 3075, (2 cores _ 2660 MHz, 4 GB)
بنابراین با توجه به این اعداد و ارقام زمانیکه سرور نوع اول روشن باشد ولی هیچ برنامه ای روی آن اجرا نشود مصرف انرژی آن 86 وات ساعت می باشد و همینطور زمانیکه ده درصد ظرفیت پردازنده بار کاری روی آن باشد مصرف انرژی 89.4 وات ساعت خواهد بود. باقی نیز به همین نحو بدست آمده اند و در آخر مشاهده می کنیم که زمانیکه بار کاری پردازنده صد در صد باشد مصرف انرژی آن 117 وات ساعت خواهد بود.
در پردازنده نوع دوم هم به همین نحو است که زمانیکه سرور روشن و بیکار باشد مصرف انرژی آن 93.7 وات ساعت و زمانیکه بار کاری سرور صد در صد باشد مصرف انرژی 135 وات ساعت را داریم.
از آنجا که هر دو نوع این سرورها دو هسته ای63 هستند ما ظرفیت کامل دوپردازنده را در نظر می گیریم.
با توجه به انرژی های مصرفی بدست آمده به ازای هر بار کاری سرور, یک تابع خطی بدست می آید. زیرا در هر کدام از انواع پردازنده ها با یک شیب ثابت , انرژی مصرفی بالاتر می رود.
در نتیجه فرمول زیر را استفاده می کنیم:
در صورتیکه برنامه روی پردازنده نوع اول برود 86+31*درصدبار کاری در میزبان را محاسبه می کنیم.
که این عبارت است از انرژی مصرفی روشن بودن دستگاه باضافه تفاضل کامل بودن و خالی بودن سرور ضرب در درصد پر بودن سرور نوع اول.
در صورتیکه برنامه روی پردازنده نوع دوم برود93.7+46.3*درصدبار کاری در میزبان را محاسبه می کنیم.
که این عبارت است از انرژی مصرفی روشن بودن دستگاه باضافه تفاضل کامل بودن و خالی بودن سرور ضرب در درصد پر بودن سرور نوع دوم.
با این کار متوجه می شویم که آیا بار کاری میزبان به نقطه بحرانی تعیین شده رسیده است یا خیر.
اگر بار کاری میزبان کمتر از ده درصد ظرفیت آن بشود ماشین های مجازی را از روی آن منتقل کرده به میزبان های دیگر با این شرط که سرور مقصد با این انتقال به نقطه بحرانی نرسد.
همچنین اگر بار کاری میزبان به بیش از 90 در صد ظرفیت آن برسد چند ماشین مجازی را از روی این میزبان به سایر سرورها منتقل می کنیم تا درصد بار کاری به حد نرمال برسد.
انتخاب64
در این قسمت با استفاده از تابع ارزیابی کروموزوم ها را بررسی کرده. جمعیت در هر تکرار را صد در نظر گرفته و هر کروموزوم را ارزیابی کرده , پنج تا کمینه تر را از بین والد را

مطلب مرتبط با این موضوع :  مقاله با موضوعسلسله مراتب، زبان فرانسه، استان تهران

دیدگاهتان را بنویسید