Energy efficient dynamic virtual machine allocation with cpu usage prediction in cloud datacenters
İşlemci kullanım tahminiyle enerji verimli dinamik sanal makine yerleştirmesi
- Tez No: 486732
- Danışmanlar: PROF. DR. İBRAHİM KÖRPEOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Enerji, Computer Engineering and Computer Science and Control, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
İnternet kapasitesinin ve servislerinin son zamanlardaki hızlı artışı bulut bilişim ihtiyacının da hızla artmasına sebep olmaktadır. Bulut temelli bilgi depolama ve işlemci gereksinimi bulut sağlayıcıların kendi platformlarını ve tesislerini en iyi şekilde kullanmalarını zorunlu hale getirmektedir. Tesislerin ve ekipmanların en iyi şekilde kullanılabilmesi için enerji tüketiminin azaltılması ve servis anlaşmalarının belirli bir seviyede tutulması gerekmektedir. Dinamik sanal makine yerleşmesi ve taşınması bu hedefe ulaşmada kullanılan yöntemlerden biridir. Bu yöntemin en iyi şekilde uygulanabilmesi için fiziksel makine kaynak kullanım oranlarının sürekli gözlemlenmesi ve tahmin edilmesi gerekmektedir. Bu tez çalışmasında, fiziksel makine işlemci kullanım oranlarını tahmin ederek enerji tasarrufu ve servis kalitesi sağlayan yeni bir dinamik sanal makine yerleştirme ve taşınma yöntemi sunmaktayız. Önerdiğimiz yöntem, LRAPS, fiziksel makinelerin geçmiş işlemci kullanım bilgilerine bakarak gelecekte gerekecek işlemci kullanım oranını tahmin etmeye çalışmaktadır. Daha sonra bu tahmin kullanılarak normal yükleme değerinin üstünde ya da altında olan fiziksel makineler tespit edilmektedir. Eğer bir makine aşırı yüklenmişse, o makinede bulunan bazı sanal makineler servis anlaşmasını bozmamak için uygun olan diğer fiziksel makinelere taşınır; eğer bir makine az yüklenmişse, o makinede bulunan bütün sanal makineler enerji tasarrufu sağlamak için uygun olan diğer fiziksel makinelere taşınır. Yöntemimizin performansını ve etkinliğini görmek için kapsamlı simülasyon deneyleri gerçekleştirdik. Simülasyon deneyleri yöntemimizin uygulanabilir olduğunu, enerji tasarrufu yapmanın yanı sıra servis anlaşmasını sağladığını da gösterdi.
Özet (Çeviri)
With tremendous increase in Internet capacity and services, the demand for cloud computing has also grown enormously. This enormous demand for cloud based data storage and processing forces cloud providers to optimize their platforms and facilities. Reducing energy consumption while maintaining service level agreements (SLAs) is one of the most important issues in this optimization effort. Dynamic virtual machine allocation and migration is one of the techniques to achieve this goal. This technique requires constant measurement and prediction of usage of machine resources to trigger migrations at right times. In this thesis, we present a dynamic virtual machine allocation and migration method utilizing CPU usage prediction to improve energy efficiency while maintaining agreed quality of service levels in cloud datacenters. Our proposed method, called LRAPS, tries to estimate short-term CPU utilization of hosts based on their utilization history. This estimation is then used to detect overloaded and underloaded hosts as part of live migration process. If a host is overloaded, some of the VMs running on that host are migrated to other hosts to avoid SLA violations; if a host is underloaded, all of the VMs in that host are tried to be migrated to other machines so that the host can be powered off. We did extensive simulation experiments using CloudSim to evaluate the efficiency and effectiveness of our proposed method. Our simulation experiments show that our method is feasible to apply and can significantly reduce power consumption and SLA violations in cloud systems.
Benzer Tezler
- Energy efficient resource management in cloud datacenters
Bulut veri merkezlerinde enerji verimli kaynak yönetimi
İLKSEN ÇAĞLAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- An energy-aware combinatorial virtual machine allocation model for green cloud computing
Yeşil bulut bilişim için enerji-farkında birleşimsel sanal makine tahsis modeli
MUSTAFA GAMSIZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ HAYDAR ÖZER
- Secure and energy-efficient resource allocation in network slicing
Ağ dilimlemede güvenli ve enerji-verimli kaynak tahsisi
UMUT CAN GÜLMEZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN ANGIN
- Yapısal adaptif sayısal ağlar kullanarak sıkıştırılabilir akışın paralel analizi
Başlık çevirisi yok
SONER ÇETİNKAYA
Yüksek Lisans
Türkçe
1998
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiUzay Bilimleri ve Teknolojisi Ana Bilim Dalı
DOÇ. DR. A. RÜSTEM ASLAN
- Path defined directed graph vector (pgraph) method for multibody dynamics
Çoklu gövde dinamiğine yönelik yol tanımlı ve yönlü grafik vektörü metodu
MUSA NURULLAH YAZAR
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SIDDIK MURAT YEŞİLOĞLU