چکیده فارسی :

رایانش ابری خدمات سودمند بسیاری برای باشتراک‌گذاری حجم زیادی از داده‌ها، منابع ذخیره‌سازی و منابع رایانش ارائه می‌کند و دانش موردنیاز برای تحقیق در این زمینه را ارائه می‌کند. کاربرهای ابر، برنامه‌های خود و داده‌های مرتبط را بر مبنای مصرف خود استفاده می‌کنند. ماشین‌های مجازی (VM) معمولاً برنامه‌ها با حجم مصرف داده زیاد را هاست می‌کنند. عملکرد این برنامه‌ها اغلب به انواع رایانش I/O با مصرف داده زیاد، حجم بار کاری، ویژگی‌های CPU روی گره‌های رایانش، ماشین‌های مجازی و شبکه بستگی دارد. از این رو، وظایف برنامه بر مبنای حجم کار دارای زمان تکمیل متفاوتی بر مبنای تصمیم استقرار ماشین مجازی و بازیابی داده‌های بزرگ هستند. تعامل اصلی این پایان‌نامه، ارائه عملکرد بالا برای برنامه‌های اجراشده توسط ابر است که از طریق بحداقل‌رسانی زمان تکمیل، بحداقل‌رسانی هزینه‌ی تولید و بحداکثررسانی خروجی لینک‌های ابر بدست می‌آید. ما به منظور ارائه راه‌حلی برای بحداقل‌رسانی زمان تکمیل وظایف در حجم کار ایستا و پویا، یک الگوریتم استقرار ماشین مجازی پیشنهاد می‌کنیم که منابع محاسبه، معیارهای کیفیت سرویس (QoS) و وضعیت ماشین مجازی و داده‌های I/O با مدل صف‌بندی را در نظر می‌گیرد. نتایج بدست‌آمده توسط روش‌شناسی پیشنهادی نشان می‌دهند که الگوریتم استقرار ماشین مجازی بهینه‌ی ما دارای هزینه پردازش و زمان تکمیل کمتری در مقایسه با الگوریتم‌های سنتی همانند FCF و زمان‌بندی اولویت است.

کلیدواژه. محاسبه ابری ، ماشین مجازی ، زمان تکمیل ، هزینه پردازش ، بازده ، زمان‌بندی.

چکیده انگلیسی:

Cloud computing gives many beneficial services to share large scale of information, storage resources, computing resources, and provide knowledge for research. Cloud users deploy their own applications and related data on a pay-as-you-go basis. Virtual machines (VMs) usually host these data-intensive applications. The performance of these applications often depends on workload types I/O data-intensive or I/O computation, workload volume, CPU attributes on computing nodes, Virtual machines and the network. Therefore, the application jobs in the workload have different completion times based on the VM placement decision and large data retrieval. The main contribution of this thesis to gain high performance for the applications executed on the cloud by minimizing the completion time, minimizing the production cost and maximizing the throughput of cloud links. To provide a solution for minimizing the overall jobs’ completion time (computing time as well as data transferring time) in both static and dynamic workloads, we propose VMs placement algorithm that considers computation resources, Quality of Service (QoS) metrics and virtual machine status and I/O data with priority based probability queuing model. The results obtained by the proposed methodology shows that the proposed optimal VM placement algorithm has a reduced processing cost and completion time compared with the traditional algorithms such as FCFS and priority scheduling.
Keywords: Cloud Computing , Virtual Machine , Completion Time , Processing Cost , Throughpu t, Scheduling.