에너지 소모량 최소화를 위한 가상머신과 사용자 태스크 배치 알고리즘 (Virtual Machine and User Task Placement Algorithm to Minimize Energy Consumption)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 48권 / 3호 / 338 ~ 349페이지
· 저자명 : 원동욱, 김화성

초록

클라우드에서 가상 머신을 최적의 물리 머신에 배치하는 전략과 사용자 태스크를 최적의 가상 머신에 배치하는전략은 데이터 센터의 효율적인 전력 관리에 상당한 영향을 미치기 때문에 중요하다. 기존 연구는 데이터센터의전체 가동 중인 물리 머신의 개수를 최소화하도록 가상머신과 사용자 태스크를 물리 머신에 배치함으로써 낭비되는 유휴 전력을 줄였다. 하지만 기존 연구의 에너지 소모량 최적화 모델은 물리 머신의 가동시간이 아닌 특정 임의의 시간만큼 계산하기 때문에 정확도가 낮다. 또한, 최적화 알고리즘인 Best fit은 지역최적해에 수렴한다는 단점이 존재한다. 본 논문에서는 기존 연구보다 더 높은 정확도의 에너지 소모량 모델을 제안하였고, 지역 최적해수렴의 위험에서 벗어나는 유전자 알고리즘을 수정한 최적화 알고리즘을 제안하였다. 실험은 CloudSim 시뮬레이터를 통해서 제안 방안과 기존 논문의 방안에 대해서 성능을 비교 평가하였다. 실험 결과 본 논문의 제안 방안이기존 논문의 방안보다 에너지를 더 효율적으로 소모함을 확인하였다.

영어초록

In the cloud system, the strategy for placing virtual machines on the optimal physical machine and the strategy for placing user tasks on the optimal virtual machine is important because it has a significant impact on e energy consumption in the data center. Existing studies have reduced wasted idle power by minimizing the total number of running physical machines. However, the energy consumption optimization model of the existing research has low accuracy because it calculates for a certain small time rather than the makespan of a physical machine. In addition, an optimization algorithm of existing research has a disadvantage that it converges to a local optimal solution. In this paper, we proposed an energy consumption model with higher accuracy than existing energy consumption model. We also proposed an optimization algorithm modified from a genetic algorithm that escapes the risk of local optimal solution convergence. The experiment was conducted through the CloudSim simulator. As a result, it was confirmed that the proposed method consumes energy more efficiently than the existing method.

참고자료

· 없음