.png){kind=icon}
返回
GrC-VMM: An intelligent framework for virtual machine migration optimization using granular computing
.png){kind=icon}
PRE
AI
DOI：10.1016/j.simpat.2025.103169.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虚拟机迁移（VMM）是云计算环境中的关键组成部分，能够实现动态资源管理和系统优化。然而，现有方法常面临停机时间增加、资源消耗过度以及在异构环境中决策过程复杂等挑战。本文提出了一种基于粒计算（GrC）原理的新型框架，通过系统的虚拟机分类和优先级排序来解决这些挑战。所提出的框架采用三阶段方法：（1）特征提取和粒生成，将虚拟机属性（如工作负载、停机敏感度和资源利用率）转化为有意义的粒；（2）基于粒的决策规则生成，使用形式化的GrC方法；（3）基于优先级的分类，采用加权隶属函数。使用CloudSim 5.0进行的实验评估证明了该框架在多个性能维度上的有效性。结果显示分类准确率为92.1%，资源利用率为83.7%，迁移停机时间减少了1.9秒。该框架表现出线性计算复杂度O(N)，证实其在大规模部署中的可扩展性。此外，在不同工作负载模式（资源密集型、服务导向型和混合型）下的性能分析验证了该框架的鲁棒性和适应性。这些结果表明，所提出的基于GrC的方法为优化云计算环境中的虚拟机迁移提供了有前景的解决方案，同时保持了运营效率和服务质量。
期刊
IF:
4.6
论文数:
2.6K
被引数:
4.8K
机构
暂无机构信息
引用论文
A new metaheuristic‐based method for solving the virtual machines migration problem in the green cloud computing一种基于元启发式算法的方法，用于解决绿色云计算中的虚拟机迁移问题
PREAI
分享收藏A Bio-inspired VM Migration using Re-initialization and Decomposition Based-Whale Optimization.png)
ICT EXPRESS
OAAI
ICT EXPRESSIF4.2
OAAI分享收藏Host utilization prediction using hybrid kernel based support vector regression in cloud data centers基于混合核的支持向量回归的云数据中心主机利用率预测OAAI
OAAI分享收藏分享收藏Migration-Based Load Balance of Virtual Machine Servers in Cloud Computing by Load Prediction Using Genetic-Based MethodsIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容