بوده که خواص مورد نظر را بیشتر از جمعیت مرحله قبل دارا میباشد. هر جمعیت یا یک نسل از کروموزوم ها، دارای یک اندازه می باشد که به اندازه جمعیت معروف است. اندازه جمعیت معرف تعداد کروموزومهای موجود در جمعیت یا یک نسل است. اگر تعداد کروموزومها خیلی کم باشد، امکان شکل گیری عملیات جابه جایی به وسیله الگوریتم ژنتیک بسیار کم خواهد بود و تنها قسمت کمی از فضای جستجو مورد کاوش قرار خواهد گرفت. از طرف دیگر، اگر تعداد کروموزومها خیلی زیاد باشد، سرعت الگوریتم بسیار کند خواهد شد. بر اساس تحقیقات، جمعیت های با اندازه مناسب حدود 20 تا 30 کروموزوم دارند . البته گاهی اوقات جمعیت با اندازه 50 تا 100 بهترین جوابها را داده اند. بعضی از تحقیقات نیز نشان میدهد که اندازه جمعیت باید بر اساس نوع مساله و کدگذاری آن تعریف شود و افزایش بیشتر آن بی فایده خواهد بود و هرگز به حل سریعتر مساله کمک نمیکند.
1-5-2 تابع برازندگی23
یکی از مراحل الگوریتم ژنتیک ارزیابی جواب های به دست آمده در هر مرحله است. در واقع ارزش جواب های به دست آمده در هر مرحله تعیین میشود. مناسب بودن یا نبودن جواب با معیاری که از تابع هدف به دست می آید، سنجیده میشود. هرچه که یک جواب مناسبتر باشد مقدار برازندگی بیشتری دارد که با استفاده از محدوده دانش مساله به کار برده میشود. برای آن که شانس بقای چنین جوابی بیشتر شود احتمال بقای آن متناسب با مقدار برازندگی آن در نظر گرفته میشود. بنابراین رشته ای که برازنده تر است با احتمال بیشتری در تولید فرزندان شرکت میکند و دنباله های بیشتری را به وجود میآورد. با ارزشترین جوابها در هر مرحله مانند قویترین موجودات در یک جمعیت میباشند. در تکثیر، رشته های با میزان تطبیق کم، از جمعیت حذف میشوند و رشته های با میزان تطبیق زیاد، تاثیر بیشتری در تولید جمعیت بعدی خواهند داشت.
1-5-3 عملگر ترکیب یا جابه جایی24
ترکیب به معنی باز ترکیب اطلاعات ژنتیکی بین کروموزومها میباشد و در واقع عملگر ترکیب یک روش برای اشتراک اطلاعات مابین کروموزوم ها میباشد. این عملگر خصیصه های والدین را برای ساختن فرزندان ترکیب میکند تا این که کروموزومهای بهتری ایجاد شوند. به طور معمول عملگر ترکیب روی یک جفت از کروموزومها عمل میکند و دو فرزند برای هر جفت تولید میشود. عملگر ترکیب میتواند روی چندین والد نیز عمل کند که در این صورت خصیصه های بیش از دو والد را برای تولید فرزندان ترکیب میکند. علاوه بر این عملگر ترکیب میتواند بیش از دو فرزند را برای هر گروه از والدین تولید کند. وظیفه اصلی این عملگر بهبود برازندگی جمعیت میباشد. عملگر ترکیب برای حفظ و تنوع و گوناگونی جمعیت اجازه نمی دهد که فرزندان فقط ژنهای خوب را به ارث ببرند. پیاده سازی این عملگر به روش کدگذاری کروموزومها وابسته می باشد. بر حسب این که ژنهای والد چگونه ژن های فرزندان را تولید میکنند عملگر ترکیب به انواع مختلفی تقسیم میشوند.
در هرکدام از این روشها پس از ایجاد فرزندان از بین کروموزومهای والد و کروموزومهای فرزند، دو کروموزومی که بیشترین مقدار برازندگی را داشته باشند به نسل بعدی انتقال می یابند. نکته ای که باید به آن توجه کرد این است که عملگر ترکیب ممکن است فرزند نامعتبری را تولید کند؛ بنابراین پس از اعمال این عملگر باید بررسی شود که فرزندان تولید شده معتبر باشند.
1-5-4 عملگر جهش25
بعد از اعمال عملگر ترکیب به منظور اجتناب از همگرایی به بهینه محلی و ایجاد تنوع و گوناگونی در
جمعیت با استفاده از عملگر جهش یک تعداد از کروموزومهای به دست آمده تغییر داده میشوند. با
این عمل کروموزومهای جدیدی که به احتمال در کل جمعیت وجود نداشته اند به وجود می آید.
5-1-5 عملگر انتخاب26
پس از اعمال عملگرهای GA مجموعه ای از رشته ها برای دور محاسباتی بعد با تعدادی برابر جمعیت
اولیه تعیین می شوند. این مجموعه تشکیل شده از کلیه رشته های فرزند (حاصل از عملگرهای ترکیب و
جهش) و تعدادی از رشته های مرحله قبل می باشد. انتخاب این تعداد از رشته های اولیه به طور تصادفی
از بین رشته های با عدد برازندگی بالاتر انجام می شود. این مرحله را تکثیر گویند[18].
1-6 آشنایی باچالش پیش رو در شبکه محاسباتی ابر
تا همین اواخر ، تنها نگرانی , استقرار مراکز داده ها با کارایی بالا بدون هیچ گونه توجهی به مصرف انرژی بوده است. مراکز داده ها به طور متوسط انرژی زیادی به اندازه 25000 خانوار مصرف می کنند[4].
بر اساس گزارش مک کینزی ” کل انرژی برآورد شده برای مراکز داده در سال 2010 به 11،5 میلیارد دلار رسیده است و هزینه های انرژی در یک مرکز داده بطور معمول هر پنج سال دو برابر می شود” .[19]
بخش قابل توجهی از انرژی الکتریکی مصرف شده توسط منابع محاسباتی به گرما تبدیل می شود. دمای بالا منجر به تعدادی از مشکلات ، مانند کاهش قابلیت اطمینان سیستم و در دسترس پذیری، و همچنین کاهش طول عمر دستگاه ها می شود.
مراکز داده ها فقط پرهزینه نیستند ، بلکه آسیبی جدی به محیط زیست نیز وارد می کند. کربن تولیدی این مراکز در حال حاضر بیش از کربن تولیدی یک کشور با تمام تاسیسات صنعتی است[5] .میزان کربن زیاد بخاطر حجم زیاد برق مورد نیاز برای خنک کردن سرورهای متعدد میزبان در مراکز داده ها است. ارائه دهندگان سرویس ابری برای اطمینان از این که سود شان به دلیل هزینه های بالای انرژی به طرز چشمگیری کاهش پیدا نکند ودرعین حال بتوانند خدمات را با کیفیت و سرعت بالاتری ارائه دهند همچنین باتوجه به افزایش فشار از سوی دولت های جهان به منظور کاهش میزان کربن ، که تاثیر قابل توجهی در تغییرات آب و هوایی دارد, نیاز به اتخاذ اقدامات لازم دارند[20].
کاهش استفاده از انرژی مراکز داده یک مسئله چالش انگیز و پیچیده است زیرا برنامه های کاربردی محاسبات و داده ها به سرعت در حال رشد است به طوری که به طور فزاینده ای سرورها و دیسک های بزرگتر جهت پردازش سریع مورد نیاز است.
تکنیک های مختلفی به منظور کاهش مصرف انرژی در خوشه های کامپیوتری مقیاس بزرگ ، مانند مقیاس فرکانس ولتاژ پویا 27زمانبندی برنامه ها و الگوریتم های موازنه بار ارائه شده است.
در این بین راه حلهای مجازی سازی , علاوه بر کاهش هزینه های انرژی در زیرساختهای مراکز داده ,به طرز چشمگیری بهره برداری و کارایی سرور را افزایش می دهد. مجازی سازی با استفاده از تکنیک مهاجرت ماشینهای مجازی ,با ادغام و موازنه بار بین سرورهای فیزیکی و اجرای ده برنامه کاربردی یا بیشتر ماشینهای مجازی برروی یک سرور x86 می تواند منابع مجازی را با انعطاف زیاد بین سرور های فیزیکی منتقل کند[21] .
ریشه مشکل در سخت افزار سرور وکامپیوتراست. مراکز داده حقیقتا با کمبود انرژی جهت تجهیزات خود رو به رو هستند. و این کمبود انرژی اثر مستقیمی روی هزینه پرداختی مشتریان جهت استفاده از خدمات ابر و کاهش کیفیت سطح خدمات دارد و مشکلاتی از قبیل کاهش دسترس پذیری و کاهش طول عمر دستگاه را بوجود آورده و قابلیت اطمینان سیستم را نیز پایین می آورد.
همچنین با توجه به رشد روزافزون تولید مواد آلاینده توسط سرورها نیاز به روشی جایگزین جهت بهینه سازی همزمان مصرف انرژی تولید آلاینده های زیستی و درعین حال حفظ و ارتقاء کیفیت خدمات SLA احساس می شود.
1-11 خلاصه و نتیجه گیری
محاسبات ابری سعی دارد نسل جدیدی از مراکز داده ای را , با ارائه کردن سرویس ها و خدمات در ماشین های مجازی شبکه شده به صورت پویا , به گونه ای ممکن سازد که ارائه دهندگان خدمات کاربردی بتوانند سرویس ها و برنامه های کاربردی را با انعطاف پذیری و سهولت بیشتری ارائه کنند و کاربران نیز بتوانند از هر جایی از دنیا به برنامه های کاربردی دسترسی داشته باشند.
مراکز داده این شبکه ها به سرعت در حال افزایش هستند. و به تبع آن افزایش انرژی مصرفی این مراکز تبدیل به چالشی بزرگ شده است. تکنولوژی مجازی سازی, علاوه بر کاهش هزینه های انرژی در زیرساختهای مراکز داده ,به طرز چشمگیری بهره برداری و کارایی سرور را افزایش می دهد. مجازی سازی با استفاده از تکنیک مهاجرت ماشینهای مجازی ,با ادغام و موازنه بار بین سرورهای فیزیکی می تواند منابع مجازی را با انعطاف زیاد بین سرور های فیزیکی منتقل کند [5].
روشی را نیز که ما در این پایان نامه انجام داده ایم زمانبندی مهاجرت ماشین های مجازی در فضای ابر است که پیش بینی می شود با استفاده از الگوریتم ژنتیک بتواند مصرف انرژی مراکز داده و تولید گازهای گلخانه ای را کاهش دهد.
در ادامه ساختار پایان نامه آورده شده است. در فصل دوم برخی از کارهایی را که در این زمینه ارائه شده اند بحث و بررسی کرده ایم. در فصل سوم روش پیشنهادی زمانبندی خودمان را به تفصیل بحث و بررسی می کنیم. در فصل چهارم نتایج شبیه سازی ها برای کار خودمان آورده شده است . همچنین در این فصل روش خودمان را با روش های دیگر با ارائه نمودارهایی مقایسه خواهیم کرد. در نهایت فصل پنجم شامل نتیجه گیری و کارهای آینده است.
فصل دوم
مروری بر ادبیات گذشته
در این بخش ما بحث های مرتبط در سه زمینه محاسبات ابری, تکنولوی مجازی سازی و مدیریت انرژی را بررسی و مرور می کنیم.
2-1-محاسبات ابری
محاسبات ابری به مفهوم پویای ارائه زمان پردازش و مکان ذخیره سازی از منابع محاسباتی ابر اشاره می کند و به کاربران اجازه کسب و انتشار منابع مورد تقاضا را می دهد و همچنین دسترسی به داده ها برای آنها فراهم می کند. از دید کاربر ابر , محاسبات ابری به معنای مقیاس پذیری برحسب تقاضا , انعطاف پذیری جهت هرگونه تغییر و سهولت جهت استفاده و مدیریت می باشد.
بنابراین تعداد سکوهای28 ابری افزایش یافته است از جمله EC2 [24] و Microsoft Live Mesh [25] . علاوه بر این گوگل نیز موتور APP را منتشر کرده است. [26] که به کاربر اجازه می دهد برنامه های کاربردی تحت وب که با زبان پایتون نوشته شده است را اجرا کند. و همچنین یک محیط مدیریتی برپایه وب را برای کاربر فراهم می کند تا بتواند به سهولت اجرای برنامه های کاربردی اش را مدیریت کند. SUN نیز Sun Network.com (sun grid) [27]را عرضه کرده است که به کاربر این امکان را می دهد که انواع مختلف برنامه های کاربردی را مانند برنامه کاربردی Sun Solaris اجرا کند. همچنین ماکروسافت 29سکوی خدماتی ASURE را ارائه کرد.Asure جهت ارائه طیف گسترده ای از خدمات اینترنتی طراحی شد [28] .سکوی خدماتی Asure با استفاده از سیستم عامل تخصصی Windows Asure لایه یکپارچه30 را که روی مراکز داده ماکروسافت میزبان است اجرا می کند و محاسبات و منابع ذخیره سازی را مدیریت می کند. از این ویندوز بعنوان لایه ابر31 توصیف می شود که بر روی تعداد زیادی از سیستم سرورهای ویندوز استفاده می شود از جمله windows server 2008 و hyper-v که سرویس های مجازی سازی را نیز پشتیبانی می کنند.[29]
برای سکوهای محاسبات ابری , عملکرد برنامه های کاربردی و مصرف انرژی موضوعات مهم هستند.
2-2- مجازی سازی
تحقیقات اخیر بیشتردر زمینه مجازی سازی روی بهینه سازی نظارت بر عملکرد بهتر I/O تاکید می کنند. تلاش های محققان [30,31,32] بر روی تاثیر زمانبندی vm بر عملکرد مجازی سازی I/O متمرکز شده است.
Ongaro و همکاران بر روی تاثیر VMM بر عملکرد ورودی/ خروجی32 مطالعه کردند و ایده ای مبنی بر مرتب کردن پردازنده 33 ها در صف اجرایی بر پایه

مطلب مشابه :  منابع و ماخذ پایان نامهعملکرد سازمان، ارزش افزوده، بر عملکرد سازمان
دسته بندی : No category

دیدگاهتان را بنویسید