Multi-objective optimization solution for virtual machine placement problem / Sanal makine yerleştirme problemi için çok amaçlı optimizasyon çözümü

Abstract

Bulut bilişim, çeşitli hizmetlerin İnternet üzerinden sunulması için gereklidir. Bu hizmetler, gerekli bilgi işlem kaynaklarını sağlamak amacıyla fiziksel makineleri simüle eden Sanal Makineler kullanan Bulut Hizmet Sağlayıcıları tarafından yönetilir. Bu kaynakların verimli bir şekilde yönetilmesi ve tahsis edilmesi, optimum performansa ve maliyet etkinliğine ulaşmak için çok önemlidir. Bununla birlikte, bulut bilişimin hızla genişlemesi, bulut ortamlarının karmaşıklığını ve ölçeğini artırdı. Sanal makine yerleştirme (VMP), sanal makinelerin fiziksel makinelere en uygun şekilde tahsis edilmesini sağlayan bulut bilişimin kritik bir bileşenidir. Etkili VMP stratejileri, veri merkezi performansını ve enerji yönetimini optimize ederek operasyonel maliyeti ve müşteri memnuniyetini etkiler. Bu çalışma çok amaçlı VMP probleminde kaynak kullanımı ve enerji yönetimine odaklanmaktadır. Sorunun çözümü için Genişletilmiş Uyarlanabilir Büyük Mahalle Arama (EALNS) algoritması kullanılmıştır. EALNS algoritması, baskın olmayan çözümlerin arama uzayındaki yayılmasını iyileştirmek ve daha iyi bir Pareto cephesi oluşturmak için bir ağırlık değeri kullanır. EALNS algoritmasını VMP problemine uyarlamak için probleme özgü beş imha ve onarım operatörü kullanılır. Bildiğimiz kadarıyla bu, çok amaçlı bir VMP problemini çözmek için ALNS algoritmasını kullanan ilk çalışmadır. Karşılaştırma deneyleri, son teknolojiye sahip üç çok amaçlı algoritmaya karşı yapılır. Sonuçlar, EALNS algoritmasının mükemmel ölçeklenebilirliğe sahip olduğunu ve rakiplerinden daha yüksek kalitede Pareto cepheleri oluşturduğunu gösteriyor. Delivering different services over the Internet requires cloud computing. These services are managed by Cloud Service Providers using Virtual Machines that simulate physical machines in order to provide the required computing resources. Efficiently managing and allocating these resources is crucial for achieving optimal performance and cost-effectiveness. Nevertheless, the rapid expansion of cloud computing increased the complexity and scale of cloud environments. A key element of cloud computing is virtual machine placement (VMP), which makes sure that virtual machines are distributed among physical servers as efficiently as possible. Effective VMP strategies optimize data center performance and energy management, affecting operational cost and customer satisfaction. This work focuses on resource utilization and energy management on the multi-objective VMP problem. Extended Adapted Large Neighborhood Search (EALNS) algorithm is utilized to solve the problem. The EALNS algorithm uses a weight value to improve the spread of non-dominated solutions and create a better Pareto front. Five problem-specific destroy and repair operators are employed to adapt the EALNS algorithm to the VMP problem. To the best of our knowledge, this is the first work that uses the ALNS algorithm to solve a multi-objective VMP problem. The comparison experiments are done against three state-of-the-art multi-objective algorithms. The results show that the EALNS algorithm has great scalability and creates higher-quality Pareto fronts than its competitors.