文献

J-GLOBAL ID：201702288231423254   整理番号：17A1266483

仮想化データセンタにおける需要不確実性の下でのバーチャルマシン(VM)統合のためのロバストなタブー探索発見的方法【Powered by NICT】

A Robust Tabu Search Heuristic for VM Consolidation under Demand Uncertainty in Virtualized Datacenters

著者 (2件)： Nasim Robayet ,  Kassler Andreas J.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCGRID  ページ： 170-180  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 仮想化データセンタ(vDCs)では,仮想マシン(VM)の動的圧密はエネルギー及び資源利用効率の両方を達成するための最も一般的な方法の一つとして用いられている。VMのライブマイグレーションは,動的圧密に使用されているが,動的資源要求によりVMの変化は高頻度と非最適移動につながる可能性がある。を仮定して作業負荷は時間とともに大きく変化する場合VMの決定論的作業負荷は最もenergy/resource効率的なVM配置を確実にするが,最終的には重要な資源競合または過小利用につながる可能性がある可能性がある。一方,それらのピーク需要に依存してVMを割り当てることにより,保守的なアプローチを採用した低利用につながる可能性がある,ピークは短時間頻度または発生した場合。それ故,本研究では,VM資源要求に関する不確実性を考慮しながら,複数のサーバに電力供給による資源競合と追加のエネルギー費用の保護間のバランスを実現してロバストなVMマイグレーション方式を設計した。ガンマロバスト性の理論を使用し,ロバストな混合整数線形計画法(MILP)定式化を導出した。複雑さのため,問題であるオンライン最適化のための解決困難,タブー探索に基づく新しい発見的方法を提案した。いくつかのシナリオを用いて,著者らは,提案したヒューリスティックは短時間で最適に近い解品質を達成することができ,例えばサイズと共にスケールすることをことを示した。さらに,エネルギーコスト対保護レベルとロバスト性の間のトレードオフを定量的に解析した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *発見的方法 ,  定式化 ,  *仮想機械システム ,  *不確実性 ,  圧密 ,  *データセンタ ,  *ロバスト性 ,  品質 ,  電力供給 ,  *タブー探索 ,  エネルギーコスト
準シソーラス用語： ヒューリスティック ,  混合整数線形計画法 ,  ライブマイグレーション ,  *仮想化 , 【Automatic Indexing@JST】

分類 (1件)： オペレーティングシステム  (JD03020J)

タイトルに関連する用語 (8件)： 仮想化 ,  データセンタ ,  需要不確実性 ,  バーチャルマシン ,  統合 ,  ロバスト ,  タブー探索 ,  発見的方法