Anda di halaman 1dari 1

Resume: Probabilistic Virtual Machine Assignment

Salah satu penyebab utama inefisiensi energi di pusat data adalah daya idle terbuang
ketika server dijalankan pada pemanfaatan yang rendah. Pada tahun 2005, pusat data
menyumbang 0: 8% dari seluruh konsumsi energi dunia, biaya $ 7: 2 miliar (US). Sebagian dari
masalah adalah bahwa kebanyakan server dan desktop yang digunakan hanya 5-15% dari waktu
mereka diaktifkan, namun kebanyakan x86 hardware mengkonsumsi 60-90% dari daya beban
kerja yang normal bahkan ketika menganggur.
Virtual Machine Assignment Problem (VMAP) adalah masalah, mengingat distribusi
probabilistik atas beban VM, menemukan tugas awal yang mendistribusikan beban pada VMs
sehingga semua memiliki akses ke sumber daya yang memadai dan jumlah server yang
digunakan diminimalkan. Penelitian sebelumnya telah sebagian ditangani VMAP. Satu hal yang
penelitian sebelumnya belum dibahas adalah apa yang terjadi ketika beban didistribusikan
probabilistik. Secara khusus, kami ingin menyelidiki bagaimana distribusi beban dapat
dimasukkan ke dalam kemasan mesin virtual ke server. Penelitian sebelumnya telah tidak
terfokus pada sub-aspek tertentu dari VMAP.
Sebuah model baru untuk Virtual Machine Assignment Problem diusulkan. Model ini
menggunakan ide-ide dari Bin Packing Soal konvensional, di mana server sampah dan VMS
adalah item, dengan dua variasi. Pertama, memungkinkan beberapa bobot untuk setiap item dan
beberapa kapasitas untuk setiap bin. Jumlah dari semua berat satu jenis sampah setiap harus
kurang dari kapasitas yang sesuai di tempat sampah itu. Kedua, model kami mengusulkan bahwa
VMS memiliki banyak probabilistik. Beban probabilistik harus dimasukkan ke dalam algoritma
tugas untuk hasil terbaik. Kami, menunjukkan kelayakan menggunakan beban probabilistik
dengan algoritma tugas dengan memodifikasi tiga algoritma kemasan dikenal. Menambahkan
teori probabilitas membantu administrator sistem untuk memilih nilai persentil yang benar
mewakili tempat di fungsi distribusi kumulatif terbalik mewakili beban sumber daya. Nilai kecil
untuk menghasilkan nilai ICDF algoritma tugas yang lebih konservatif sedangkan nilai yang
lebih besar untuk menghasilkan nilai ICDF algoritma tugas yang lebih agresif. Untuk masalah
yang kita diselidiki, tampaknya algoritma optimasi seperti RGGA tampil baik.