Iterative Algorithms for Virtual Machine Placement in Cloud Environments. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF (Thesis: Iterative Algorithms for Virtual Machine Placement in Cloud Environments) Thesis_Full_Version.pdf - Accepted Version Download (1MB) | Preview

Arabic Abstract

تقنية التمثيل الافتراضي سهلت تنسيب عدد كبير من الأجهزة الظاهرية المستقلة على خادم فعلي واحد. مشكلة تنسيب الأجهزة الظاهرية هي عبارة عن تعيين الأجهزة الظاهرية على الأجهزة الفعلية مع محاولة تحسين بعض أهداف التصميم. أصبحت هذه مهمة صعبة جدا وخصوصا في مراكز البيانات التي تتلقى العديد من طلبات الأجهزة الظاهرية. تنقسم هذه الأطروحة إلى قسمين. في الجزء الأول، فإننا نهندس خوارزمية بحث الوقواق الأمثل المستوحاة من الطبيعة لحل مشكلة دمج الخوادم في مراكز البيانات. وعلاوة على ذلك، نستخدم مقياس لياقة جديد لتحديد جودة حلول التنسيب. التجارب التي أجريناها تظهر أن خوارزمية بحث الوقواق الأمثل لدمج الخوادم قادرة على التفوق على الخوارزميات الجينية التجمع. وعلاوة على ذلك، المقارنة بين خوارزمية بحث الوقواق الأمثل مع إصدارات محسنة من الارشاديات المبنية على المناسب الأول المخفض والأقل حمولة تشير إلى أنها أفضل وقادرة على العثور على المواضع مع عدد أقل من الخوادم المادية في غضون فترة زمنية حسابية تنافسية. في الجزء الثاني من هذه الأطروحة، تم صياغة مشكلة تنسيب الأجهزة الافتراضية كمشكلة تحسين متعددة الأهداف، تهدف إلى التقليل من استهلاك الطاقة وهدر الموارد من مراكز البيانات في وقت واحد. يتم استخدام دالة التجميع الضبابية كمقياس لياقة للجمع بين أهداف استهلاك الطاقة وموارد الهدر. النتائج التجريبية التي تم الحصول عليها تبين أن خوارزمية بحث الوقواق الأمثل متعددة الأهداف تتفوق بوضوح على الخوارزمية الجينية التجمع بالاضافة الى الطرق المبنية على المناسب الأول المخفض والأقل حمولة.

English Abstract

Virtualization technology has facilitated the placement of a large number of independent virtual machines (VMs) on a single physical server. The virtual machine placement problem is that of mapping these VMs onto physical machines while attempting to optimize certain design objectives. This has become a very challenging task especially in datacenters that receive many VM requests. This Thesis is divided into two parts. In the first part, we engineer the cuckoo search optimization (CSO) algorithm, a novel nature-inspired population-based metaheuristic algorithm, to solve the server consolidation problem of datacenters. Moreover, we use a new fitness measure to determine the quality of placement solutions. Experiments we conducted show that the CSO algorithm for server consolidation is able to outperform the Reordered Grouping Genetic Algorithm (RGGA) and Grouping Genetic Algorithm (GGA). In the second part of this Thesis, the VM placement problem is formulated as a multiobjective optimization problem, aiming at the simultaneous minimization of power consumption and resource wastage of datacenters. In this part we designed and implemented a multiobjective cuckoo search optimization (CSO) algorithm to place VMs on datacenters while simultaneously optimizing the power consumption and resource wastage of the datacenter. The And-Like-Fuzzy-Aggregation (AFA) multi-objective evaluation function is used as a fitness measure to combine the power consumption and resource wastage objectives. Experimental results obtained demonstrate that the multiobjective CSO algorithm clearly outperforms the Reordered Grouping Genetic Algorithm (RGGA) and Grouping Genetic Algorithm (GGA).

Item Type:	Thesis (Masters)
Subjects:	Computer Engineering Research
Department:	College of Computing and Mathematics > Computer Engineering
Committee Advisor:	Sait M., Sadiq
Committee Members:	El-Maleh, Aiman and AlMulhem, Ahmad
Depositing User:	ABUBAKAR BALA (g201201620)
Date Deposited:	15 Feb 2015 05:39
Last Modified:	01 Nov 2019 15:44
URI:	http://eprints.kfupm.edu.sa/id/eprint/139465