چکیده فارسی :

مجازی سازی منبع ، یکی از مهمترین مشخصه های یارانش ابری است . جایگذاری ماشین های مجازی (VMها) در ماشین های فیزیکی ، کارآیی کاربرد منابع و کیفیت خدمات را تعیین می نماید . در رایانش ابر توزیع شده ، که مراکز داده ها (DCها) درشمار بزرگی از حوزه های جغرافیایی بسط می یابد و کلیه DC ها از طریق اینترنت سرعت بالا متصل می شوند . جایگذاری VM های وظیفه ای بزرگ یا یک سازمان متمرکز بر به حداقل رساندن مسافت ها و پهنای باندهای بین DC هاست . این کار باعث به حداقل رساندن نهفتگی و بهبود دسترسی پذیری می شود . کلاستر dc در ابتدا با VM های درخواستی سازگار می شود . هدف این تحقیق به حداقل رساندن حداکثر فاصله بین DC می باشد . برخلاف روش وچود که تنها فاصله های موجود بین مراکز داده ها را مورد ملاحضه قرار می هد ، الگوریتم 2-approximation بر اساس خوشه بندی کارآمدتری از طریق کاربرد کامل توپولوژی و مشخصه تراکم شبکه ابر توسعه داده می شود . این شبیه سازی ، نشان می دهد که الگوریتم پیشنهادی بطور خاصی برای مسائل مقیاس بزرگ مناسب است . پس VM های درخواستی باید کلاستر DC بخش بندی شوند بنابر این هزینه بالا پهنای باند بین DC مصرف شده و دسترس پذیری آن بهبود داده می شود معرفی یک مدل نیم ارتباطی ، یک الگوریتم جدید هیوستیک که پهنا باندهای مصرف شده را کاهش می دهد ، برای بخش بندی VM ها ارائه می گردد . پیچیدگی زمان آن از طریق ضریب logn) o )به ²n) O )کاهش داده می شود و 3 برابر سریع تر از روش موجود اجرا می یابد .

چکیده انگلیسی:

Resource virtualization is one of the most prominent characteristics of cloud computing. The placement of virtual machines (VMs) in the physical machines determines the resource utilization efficiency and service quality. Especially for distributed cloud computing, where the data centers (DCs) span a large number of geographical areas and all DCs are connected by high speed internet, the placement of VMs of one big task or of one organization focuses on minimizing the distances and bandwidths between DCs. This minimizes communication latency and improves availability. A data center cluster should be found firstly to accommodate the requested VMs. The purpose is to minimize the maximum inter-DC distance. In contrast to existing method that only considers the distances between data centers, a more efficient clustering based 2-approximation algorithm is developed by taking full use of the topology and the density property of cloud network. The simulation shows the proposed algorithm is especially appropriate for very large scale problems. Then, the requested VMs should be partitioned to the DC cluster, so that the expensive inter-DC bandwidth is saved and the availability is improved. With the introduction of a half communication model, a novel heuristic algorithm which further cuts down the used bandwidths is presented to partition VMs. Its time complexity is reduced to O(n2) by a factor of O(logn) and it runs 3 times faster than the existing method.