データセンタのための多目的機械再割当アルゴリズムの比較研究【JST・京大機械翻訳】

Saber Takfarinas; Gandibleux Xavier; O’Neill Michael; Murphy Liam; Ventresque Anthony

文献

J-GLOBAL ID：202002271552604373 整理番号：20A0548606

データセンタのための多目的機械再割当アルゴリズムの比較研究【JST・京大機械翻訳】

A comparative study of multi-objective machine reassignment algorithms for data centres

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0548606&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0548606&from=J-GLOBAL&jstjournalNo=W0989A") }}

著者 (5件)： , , , ,
資料名：
巻： 26 号： 1 ページ： 119-150 発行年： 2020年
JST資料番号： W0989A ISSN： 1381-1231 CODEN： JOHEFD 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

高レベルでは,データセンターは,多数の仮想マシン(VM)をしばしば実行する物理機械(サーバ)を収容する大規模IT施設であるが,低レベルでは,データセンターは相互接続され仮想化されたコンピュータ,接続サービス,複雑なサービスレベルの合意の複雑な収集である。データセンタ管理者は,それらを最も良く提供し,企業のためのいくつかのコストを最小化することができるサーバへのVMsの再割当は,多くのモノを節約することができることを知っている。しかし,それらが異なる次元を含むので,決定は複雑になる。本論文は,多目的機械割当問題のための発見的方法と正確なアルゴリズムの比較研究から成る。問題が正確な分解能のためにあまりに複雑であるという一般的な直感を与えて,すべての以前の研究は,First-Fit,GRASP,NSGA-IIまたはPLSのような様々な(メタ)発見的方法に焦点を合わせた。本論文では,問題の単一目的定式化(CBLNS)と古典的多目的解に対する最先端解が,解の数,品質および多様性の間のギャップを橋渡しすることができないことを示した。一方,ハイブリッドメタ発見法は,問題を扱うのにより効果的で効率的であることが証明されているが,正確な分解能の研究は決してなく,それらの結果を定量化することは困難であった。本論文では,問題を扱うために用いられる最も関連する技術を提示し,それらを正確な分解能([数式:原文を参照]-制約)と比較した。この問題が実際に大きく制約されている(スーパーコンピュータの強力なノード上で30日間アルゴリズムを実行し,著者らの問題のほとんどの事例に対して最終解を得なかった)が,メタ発見的(GeNePi)は正確な分解能よりも多くの(+188%)解を得た。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, 【Automatic Indexing@JST】

著者キーワード (3件)： , ,

計算機網 , オペレーティングシステム

, , ,

前のページに戻る