.png){kind=icon}
返回
Energy efficient dynamic virtual machine allocation with CPU usage prediction
.png){kind=icon}
OA
AI
DOI：10.1007/s10586-026-06375-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着互联网容量和服务的巨大增长，云计算的需求也显著增加。这种对基于云的数据存储和处理的巨大需求迫使云服务提供商优化其平台和设施。在优化过程中，在保持服务级别协议（SLA）的同时减少能源消耗是最重要的问题之一。动态虚拟机分配和迁移是实现这一目标的技术之一。该技术需要持续测量和预测机器资源的使用情况，以便在正确的时间触发迁移。本文提出了一种利用CPU使用率预测的动态虚拟机分配和迁移方法，旨在提高云数据中心的能源效率，同时保持约定的服务质量（QoS）水平。我们提出的方法称为LRAPS，尝试根据主机的使用历史来估计其短期CPU利用率。然后，利用该估计值在实时迁移过程中检测过载和欠载的主机。如果主机过载，将迁移该主机上运行的部分虚拟机到其他主机以避免SLA违规；如果主机欠载，将尝试将主机上的所有虚拟机迁移到其他机器，以便关闭该主机。我们使用CloudSim进行了广泛的模拟实验，以评估所提出方法的有效性和效率。模拟实验表明，我们的方法具有可行性，能够显著降低云系统的功耗和SLA违规。
Keyword:
Cloud computing
Data centers
Virtual machine placement and migration
CPU utilization prediction
Local regression
期刊
IF:
2.9
论文数:
225
被引数:
1.1K
机构
暂无机构信息
引用论文
Adaptive Energy-Aware Algorithms for Minimizing Energy Consumption and SLA Violation in Cloud Computing.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Data Offloading for Edge-Enabled Smart City Services via Location-Functionality Correlation Analysis基于位置-功能相关性分析的边缘赋能智能城市服务的数据卸载
PREAI
分享收藏SLA-Aware and Energy-Efficient VM Consolidation in Cloud Data Centers Using Robust Linear Regression Prediction Model使用鲁棒线性回归预测模型在云数据中心中实现SLA感知和节能的VM整合IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容