Một trong những thách thức của bài toán giảm tổng điện năng tiêu thụ của các máy vật lý là bài toán lập lịch/phân bổ máy ảo tiết kiệm năng lượng tiêu thụ của các máy vật lý trong các tru
Trang 1CHƯƠNG 1 GIỚI THIỆU
1.1 Giới thiệu
Điện toán đám mây (ĐTĐM) đang trở thành một mô hình điện toán tiện ích (utility computing) và được định hướng bởi tính kinh tế Các đám mây hạ-tầng-như-một-dịch-vụ (IaaS Clouds) cung cấp tài nguyên cho người dùng (đám mây) dưới dạng máy ảo (virtual machine, viết tắt: VM) ngày càng phổ biến tại các trung tâm dữ liệu (TTDL) ảo hóa đám mây (cloud virtualized data center) Công suất của các trung tâm dữ liệu cỡ lớn này yêu cầu từ vài chục Mega-Watts (MW) để hoạt động Một nghiên cứu ước tính công suất tiêu thụ và chi phí điện năng tiêu thụ cho một trung tâm dữ liệu ở Mỹ khoảng 50 MW và hơn 15 triệu đô-la mỗi năm Nghiên cứu khác chỉ ra chi phí phải trả cho điện năng tiêu thụ tại các trung tâm dữ liệu ngày càng tăng, và xu thế là chi phí về năng lượng tiêu thụ này tiếp tục tăng trong khi chi phí cho phần cứng không đổi
Bài toán lập lịch máy ảo trong các trung tâm dữ liệu ảo hóa đám mây mục tiêu tiết kiệm năng lượng là một vấn đề quan trọng đối với các nhà cung
cấp dịch vụ ĐTĐM để giảm chi phí hoạt động Một trong những thách thức của bài toán giảm tổng điện năng tiêu thụ của các máy vật lý là bài toán lập lịch/phân bổ máy ảo tiết kiệm năng lượng tiêu thụ của các máy vật lý trong các trung tâm dữ liệu ảo hóa đám mây (Energy-aware scheduling/placement of virtual machines in Cloud virtualized data centers) Mặc dù bài toán lập lịch/phân bổ các máy ảo hướng tiết kiệm
điện năng trong các trung tâm dữ liệu ảo hóa đám mây được nghiên cứu nhiều nhưng vẫn còn nhiều thách thức Bài toán lập lịch máy ảo hướng tiết kiệm năng lượng với các ràng buộc về các khoảng thời gian thực thi cố định và không di dời (non-migration) của các máy ảo đang được quan tâm
và có nhiều vấn đề cần nghiên cứu sâu hơn
Luận án này nghiên cứu bài toán lập lịch máy ảo mục tiêu tiết kiệm năng
lượng trong ĐTĐM với các đặc điểm: nhiều tài nguyên (gồm CPU, bộ nhớ,
Trang 2băng thông mạng, v.v…) yêu cầu được sử dụng đồng thời trong các khoảng thời gian cố định (fixed intervals), không nhường (non- preemption) và không di dời (non-migrating) Một số công trình khác như
giải bài toán này theo hướng tối thiểu số máy vật lý sử dụng (và tắt các máy khác không dùng) Tuy nhiên, việc tối thiểu số máy vật lý sử dụng chưa phải là một giải pháp tốt nhất để tối thiểu tổng điện năng tiêu thụ của các máy vật lý trong bài toán lập lịch máy ảo được nghiên cứu trong luận
án này Xét một ví dụ sau:
Bảng 1.1: Ví dụ thông số của năm (5) máy ảo Dữ liệu về CPU, RAM, băng thông mạng của các máy ảo được chuẩn hóa theo tổng khả năng của máy vật lý
VM ID CPU RAM Băng thông mạng Thời gian bắt đầu Khoảng thời gian
Watt) của một máy vật lý tính bởi phương trình: P = P idle + (P max - P idle ).U cpu
trong đó P là công suất của máy vật lý, U cpu là tải CPU của máy vật lý với
0 ≤ U cpu ≤ 1, P max là công suất cực đại với 100% tải CPU của máy vật lý,
P idle là công suất chạy không tải với 0% tải CPU Cho P idle = 175 (W), P max
= 250 (W), công suất máy vật lý là: P = 175 + 75.U cpu Giả sử các máy ảo
Trang 3sử dụng CPU không đổi và bằng đúng CPU yêu cầu trong suốt thời gian
nó đang thực thi Năng lượng tiêu thụ của một máy vật lý (ký hiệu E) là:
𝐸 = ∫ 𝑃(𝑡)𝑑𝑡𝑡1𝑡2 trong đó P(t) là công suất của máy vật lý theo thời gian t[t 1 , t 2 ], t 1 và t 2 là thời gian bắt đầu và kết thúc thực thi của máy vật lý Nếu dùng giải pháp số máy nhỏ nhất thì một lịch S1 thực thi các máy ảo
có VM ID là 1, 4, 5 gán lên máy vật lý thứ nhất (M1) tại thời điểm bắt đầu
là 0 và các máy ảo có VM ID là 2, 3 gán lên máy vật lý thứ hai (M2) tại thời điểm bắt đầu là 0 thì chỉ cần hai (02) máy vật lý với tổng thời gian bận rộn của cả hai máy vật lý là: (100 + 100) = 200 giờ, công suất tiêu thụ của máy vật lý M1 ở khoảng thời gian [0,1] là: 175 + 750.8 = 235 (W) và khoảng thời gian [1, 100] là: 175 + 750.5 = 212.5 (W), tổng năng lượng tiêu thụ của máy vật lý M1 trong khoảng thời gian [0, 100] là: 2351 +
212.599 = 21272.5 (Wh) Công suất của máy vật lý thứ hai M2 ở khoảng thời gian [0, 1] là: 175 + 750.6 = 220 (W) và ở khoảng thời gian [1, 100] là: 175 + 750.5 = 212.5 (W) và năng lượng tiêu thụ là: 2201 + 212.599
= 21257.5 (Wh) Tổng năng lượng tiêu thụ của cả hai máy vật lý M1 và M2
lý nhưng tổng thời gian bận rộn của cả ba máy vật lý chỉ là (100 + 1 + 1)
= 102 giờ và tổng năng lượng tiêu thụ (ký hiệu: 𝐸𝑆2) là:
𝐸𝑆2= 100250 + (175 + 750.2)1 + (175 + 750.2)1
𝐸𝑆2= 𝟐𝟓𝟑𝟖𝟎 (Wh)
Trang 4Năng lượng tiêu thụ của lịch S2 (25380 Wh) giảm so với năng lượng tiêu thụ của lịch S1 (42530 Wh) là: 40,3% Qua ví dụ phản chứng này cho thấy
việc sử dụng số máy vật lý nhỏ nhất không đạt được mục tiêu tối ưu về năng lượng tiêu thụ trong bài toán lập lịch máy ảo hướng tiết kiệm năng lượng tiêu thụ
1.2 Vấn đề tồn tại cần giải quyết
Bài toán phân bổ máy ảo tiết kiệm năng lượng là bài toán NP-hard Xuất phát từ bài toán đóng thùng (bin-packing problem) các nghiên cứu đề xuất các giải thuật tiết kiệm năng lượng dựa trên tối ưu số máy vật lý nhỏ nhất Các giải pháp di dời sẽ cho phép dồn tải lên một số nhỏ các máy vật lý và tắt các máy khác không dùng là triết lý để tiết kiệm năng lượng ở các công trình Tuy nhiên có một công trình chỉ ra phương pháp di dời các máy ảo như các nghiên cứu trước có những hạn chế với các ứng dụng tính toán hiệu năng cao và tổng thời gian bận rộn của các máy vật lý quyết định tổng năng lượng tiêu thụ của các máy vật lý khi lập lịch các công việc có thời gian thực thi cố định Do đó các phương pháp tối thiểu tổng số máy vật lý dùng không dẫn đến tối thiểu tổng năng lượng sử dụng của các máy vật lý, thay vì vậy nghiên cứu nên tối thiểu tổng thời gian bận rộn (total busy time) của các máy vật lý Bài toán lập lịch mục tiêu tối thiểu tổng thời gian bận rộn cũng là bài toán NP-hard nên cần có giải thuật hiệu quả
1.3 Mục tiêu của luận án
Mục tiêu của luận án là nghiên cứu bài toán lập lịch máy ảo hướng hiệu quả năng lượng (energy-efficient scheduling of virtual machines) trong môi trường điện toán đám mây với các đặc điểm: (i) môi trường điện toán đám mây dạng hạ-tầng-như-một-dịch-vụ (IaaS cloud), đám mây riêng (private cloud) hay đám mây tính toán hiệu năng cao (High Performance Computing Cloud) cho phép các tài nguyên cung cấp dưới dạng máy ảo; (ii) các máy ảo yêu cầu nhiều loại tài nguyên đồng thời được sử dụng trong các khoảng thời gian bắt đầu và kết thúc cố định; và (iii) các máy ảo không
Trang 5bị di dời (non-migration) và không nhường (non-preemption) trong suốt thời gian thực thi
Dựa trên yếu tố thời gian bắt đầu và kết thúc của máy ảo, mục tiêu chính của luận án là đề xuất các giải thuật lập lịch hướng hiệu quả năng lượng khi đặt tất cả các máy ảo (với yêu cầu tài nguyên của máy ảo biết trước) lên các máy vật lý sao cho tổng năng lượng tiêu thụ của các máy vật lý sử dụng là nhỏ nhất (xét trong toàn bộ thời gian lập lịch) Thay vì đi tìm số máy vật lý nhỏ nhất, luận án sẽ tìm tổng thời gian bận rộn các máy vật lý nhỏ nhất để đạt được tổng năng lượng tiêu thụ của các máy vật lý nhỏ nhất Luận án đi chứng minh trong môi trường các máy vật lý đồng nhất, công suất của mỗi máy vật lý tuyến tính theo tải sử dụng CPU của máy vật lý
và mỗi máy ảo yêu cầu tài nguyên thực thi trong khoảng thời gian cố định, mục tiêu tổng thời gian bận rộn các máy vật lý nhỏ nhất tương đương mục tiêu tổng năng lượng tiêu thụ của các máy vật lý nhỏ nhất
Luận án đánh giá các giải thuật lập lịch đề xuất cho bài toán lập lịch máy
ảo bằng mô phỏng (dùng phần mềm CloudSim) và so sánh chúng với các giải thuật lập lịch máy ảo của các công trình khác Độ phức tạp của các giải thuật lập lịch cũng được tính toán
1.4 Đóng góp của luận án
Những đóng góp chính của luận án bao gồm:
1 Mô tả bài toán lập lịch máy ảo hướng hiệu quả năng lượng Cho n máy ảo được lập lịch lên m máy vật lý, mục tiêu là hiệu quả năng lượng với các đặc điểm: d tài nguyên (CPU, bộ nhớ, băng thông mạng, v.v…), d – số loại tài nguyên đồng thời được sử dụng trong các khoảng thời gian cố định (fixed intervals), không nhường (non-preemption) và không di dời (non-migrating)
2 Sử dụng chiều thời gian trong giải pháp lập lịch hướng tiết kiệm năng lượng luận án đề xuất nhóm giải thuật lập lịch thứ nhất MinDFT (bao gồm các giải thuật MinDFT-ST, MinDFT-FT,
Trang 6MinDFT-LDTF và MinDFT-LFT ở chương 5) Tất cả các giải thuật nhóm thứ nhất đều dựa trên giải thuật chính là MinDFT gán máy ảo lên máy vật lý có tổng thời gian hoàn thành tăng thêm nhỏ nhất Các giải thuật MinDFT-ST, MinDFT-FT, MinDFT-LDTF
và MinDFT-LFT này khác nhau ở cách sắp xếp danh sách máy ảo trước khi gán MinDFT-ST sắp danh sách máy ảo theo thời gian bắt đầu tăng dần, MinDFT-FT sắp danh sách máy ảo theo thời gian kết thúc tăng dần, MinDFT-LDTF sắp danh sách máy ảo theo thời gian thực thi dài nhất trước và MinDFT-LFT sắp danh sách máy
ảo theo thời gian kết thúc sau cùng trước Hai giải thuật
MinDFT-ST và MinDFT-FT được trình bày ở công trình và hai giải thuật MinDFT-LDTF và MinDFT-LFT được nêu ở công trình
3 Giải pháp lập lịch hướng tiết kiệm năng lượng dựa trên yếu tố thời gian và độ dài của vector các tài nguyên còn dư (sau khi cấp cho các máy ảo) của các máy vật lý, luận án đề xuất nhóm giải thuật thứ hai EMinTRE với các giải thuật gồm: EMinTRE-ST, EMinTRE-FT, EMinTRE-LDTF và EMinTRE-LFT (ở chương 6) Tất cả các giải thuật nhóm thứ hai EMinTRE này (bao gồm EMinTRE-ST, EMinTRE-FT, EMinTRE-LDTF và EMinTRE-LFT (ở chương 6)) đều dựa trên giải thuật chính là EMinTRE để tối thiểu tổng thời gian bận rộn của các máy vật lý trong khi vẫn quan tâm đến việc tài nguyên hiệu quả khi gán máy ảo lên máy vật
lý Luận án đề xuất độ đo mới TRE (Time increasing – Resource Efficency) dựa trên độ dài của vector tài nguyên còn trống và thời gian bận rộn tăng thêm trên mỗi máy vật lý Ý nghĩa của độ đo TRE là khi gán máy ảo lên máy vật lý sẽ quan tâm thêm các chiều tài nguyên khác (như CPU, bộ nhớ, băng thông mạng,…) đang dùng Nếu các máy có thời gian bận rộn tăng thêm bằng nhau thì giải thuật sẽ gán máy ảo lên máy vật lý nào có độ dài của vector tài nguyên trống còn lại nhỏ nhất Tất cả các giải thuật EMinTRE-
Trang 7ST, EMinTRE-FT, EMinTRE-LDTF và EMinTRE-LFT gán máy
ảo lên một máy vật lý có giá trị TRE nhỏ nhất, các giải thuật này khác nhau ở cách sắp xếp danh sách máy ảo trước khi gán đến máy vật lý bằng giải thuật EMinTRE Giải thuật EMinTRE-ST sắp xếp danh sách máy ảo theo thời gian bắt đầu tăng dần, giải thuật EMinTRE-FT sắp xếp danh sách máy ảo theo thời gian kết thúc tăng dần, giải thuật EMinTRE-LDTF sắp xếp danh sách máy ảo theo thời gian thực thi yêu cầu của máy ảo dài nhất trước, còn giải thuật EMinTRE-LFT sắp xếp danh sách máy ảo theo thời gian kết thúc sau cùng trước
4 Luận án đánh giá các giải thuật lập lịch đề xuất trên và các giải thuật lập lịch so sánh khác bằng mô phỏng các giải thuật lập lịch trên phần mềm CloudSim sử dụng các workload thực (trong các file log-trace) trong Parallel Workload Archive (PWA), hoặc các workload được tạo ra từ mô hình tải của Parallel Workload Models Kết quả cho thấy các giải thuật MinDFT-ST, MinDFT-
FT, MinDFT-LDTF, MinDFT-LFT, ST,
EMinTRE-FT, EMinTRE-LDTF và EMinTRE-LFT đề xuất hiệu quả hơn các giải thuật phổ biến hiện nay trong lập lịch máy ảo Đặc biệt, giải thuật EMinTRE được đề xuất để giải quyết cho bài toán lập lịch máy ảo với thời gian bắt đầu và kết thúc vì giải thuật EMinTRE cho kết quả tổng năng lượng tiêu thụ nhỏ hơn các giải thuật được
so sánh khác gồm: Power-Aware Best-Fit Decreasing (PABFD) của A Beloglazov, heuristic đóng thùng Norm-based Greedy (VBP-Norm-L2) của R Panigrahy, Modified First-Fit Decreasing Earliest (Tian-MFFDE) của W Tian
5 Luận án phân tích đánh giá độ hiệu quả (lý thuyết) của các giải thuật lập lịch đề xuất Các giải thuật đề xuất có độ xấp xỉ
(approximation) về lý thuyết không lớn hơn g lần so với giải thuật tối ưu (g là số máy ảo lớn nhất có thể gán lên một máy vật lý bất
Trang 8kỳ) trong trường hợp tổng quát và luận án cũng trình bày độ xấp
xỉ của giải thuật đề xuất trong một số trường hợp đặc biệt
1.5 Bố cục của luận án
Luận án bao gồm 8 chương: chương 1 sẽ giới thiệu động cơ thực hiện nghiên cứu và các thách thức tồn tại Chương 2 sẽ trình bày nền tảng lý thuyết Chương 3 sẽ thực hiện phân loại và đánh giá ưu và khuyết điểm của các nghiên cứu trong và ngoài nước đã có và liên quan đến đề tài của luận án đang nghiên cứu Chương 4 mô tả bài toán, cơ sở của luận án để
từ đó đề xuất giải thuật lập lịch máy ảo Chương 5 và chương 6 luận án trình bày các giải thuật lập lịch đề xuất là MinDFT-ST, MinDFT-FT, MinDFT-LDTF, MinDFT-LFT, EMinTRE-ST, EMinTRE-FT, EMinTRE-LDTF và EMinTRE-LFT cho bài toán lập lịch máy ảo tối ưu tổng điện năng tiêu thụ được nêu ra trong chương 4 Chương 7 phân tích
độ xấp xỉ của các giải thuật lập lịch đề xuất trong luận văn ở chương 5 và chương 6 Chương 8 tổng kết và các công việc trong tương lai
CHƯƠNG 2 CƠ SỞ KIẾN THỨC
Chương 2 trình bày về cơ sở kiến thức liên quan khái niệm điện toán đám mây (tiếng Anh: cloud computing, viết tắt: ĐTĐM), mô hình hạ tầng như một dịch vụ (IaaS), máy ảo (virtual machine), các công trình quản lý máy
ảo trong trung tâm dữ liệu ảo hóa đám mây, bài toán lập lịch công việc song song
Theo các công trình nghiên cứu lý thuyết, tối thiểu tổng thời gian bận rộn (total busy time) của các máy vật lý trong bài toán lập lịch song song có nhiều ứng dụng trong nhiều lĩnh vực như: bài toán truyền tín hiệu qua mạng cáp quang (optical networks), bài toán lập lịch tiết kiệm năng lượng, bài toán thiết kế mạng quang (optimal network design) và bài toán gán wavelengh Cho bài toán lập lịch trong đó số công việc được xử lý đồng
thời bởi một máy có giới hạn Đầu vào của bài toán là tập n công việc, mỗi
Trang 9công việc kết hợp với một khoảng thời gian bắt đầu và kết thúc cố định
Cho một tham số g ≥1 (g là một số tự nhiên lớn hơn 0) là số lượng công
việc tối đa được xử lý đồng thời bởi một máy bất kỳ Mỗi máy hoạt động liên tục trong các khoảng thời gian này gọi là khoảng thời gian bận rộn (busy interval) mà hợp của tất cả các khoảng thời gian của các công việc được máy xử lý Mục tiêu là gán các công việc lên các máy sao cho tổng thời gian bận rộn của các máy là nhỏ nhất Bài toán lập lịch tối thiểu tổng
thời gian bận rộn (gọi là MINBUSY) của các máy là NP-hard với g ≥ 2.
CHƯƠNG 3 TỔNG QUAN VỀ CÁC GIẢI PHÁP LẬP
LỊCH/PHÂN BỔ MÁY ẢO TIẾT KIỆM NĂNG LƯỢNG TRÊN HẠ TẦNG TÍNH TOÁN CỦA TRUNG TÂM DỮ LIỆU
Chương 3 trình bày các phương pháp luận tiết kiệm năng lượng, mô hình công suất và năng lượng tiêu thụ của một máy vật lý Khảo sát các giải pháp dồn máy ảo (virtual machine consolidation) để tối thiểu tổng năng lượng tiêu thụ của các máy vật lý, các phương pháp phân bổ/lập lịch máy
ảo theo hướng năng lượng hiệu quả trong các trung tâm dữ liệu và chỉ ra các đóng góp và giới hạn của các công trình liên quan Luận án cũng đưa thêm một tiêu chí mới vào cây phân loại các công trình có các kỹ thuật hiệu quả năng lượng mức trung tâm dữ liệu/đám mây dựa trên tối thiểu tổng thời gian thực thi
CHƯƠNG 4 KIẾN TRÚC HỆ THỐNG VÀ BÀI TOÁN LẬP LỊCH MÁY ẢO CÓ THỜI GIAN BẮT ĐẦU VÀ KẾT THÚC CỐ ĐỊNH TIẾT KIỆM NĂNG LƯỢNG
Chương 4 trình bày kiến trúc hệ thống đám mây tính toán hiệu năng cao hiệu quả năng lượng được hướng đến của luận án, mô hình công suất và điện năng tiêu thụ của máy vật lý, bài toán lập lịch máy ảo có thời gian bắt đầu và kết thúc cố định trên các máy vật lý đồng nhất tiết kiệm năng lượng
Trang 10CHƯƠNG 5 GIẢI THUẬT MinDFT TỐI THIỂU TỔNG THỜI GIAN HOÀN THÀNH TĂNG THÊM ĐỂ TIẾT KIỆM ĐIỆN NĂNG TIÊU THỤ CỦA CÁC MÁY VẬT LÝ
5.1 Giới thiệu
Chương này sẽ dựa vào hai định lý 4.1 và 4.2 ở chương 4 - phát hiện của chúng tôi về bài toán phân bổ máy ảo với mỗi máy ảo yêu cầu nhiều tài nguyên, có thời gian bắt đầu và kết thúc xác định trước Đồng thời chương này cũng trình bày hai giải thuật phân bổ máy ảo tiết kiệm năng lượng của nghiên cứu sinh (ký hiệu MinDFT-ST, MinDFT-FT) trong hệ thống điện toán đám mây với các máy vật lý đồng nhất Cả hai MinDFT-ST và MinDFT-FT đề xuất nhằm giảm tổng điện năng tiêu thụ cho các máy vật
lý theo các định lý nêu trong chương 4
5.2 Giải thuật MinDFT-ST và MinDFT-FT
Hai giải thuật lập lịch tiết kiệm năng lượng: MinDFT-ST và MinDFT-FT
tối thiểu thời gian tăng thêm nhỏ nhất để giảm điện năng tiêu thụ của các máy vật lý trong bài toán lập lịch máy ảo (Giải thuật 5.1 trình bày mã giả cho hai giải thuật MinDFT-ST và MinDFT-FT.) Hai giải thuật MinDFT-
ST và MinDFT-FT khác nhau cách sắp xếp của danh sách máy ảo Giải thuật MinDFT-ST đề xuất cách sắp xếp danh sách các máy ảo để phân bổ theo thời gian bắt đầu của các máy ảo sớm nhất trước; còn giải thuật MinDFT-FT đề xuất cách sắp xếp danh sách các máy ảo để phân bổ theo
thời gian kết thúc (thời gian kết thúc là tổng của thời gian bắt đầu (s i) và
thời gian thực thi (dur i) của từng máy ảo) của các máy ảo sớm nhất trước
Cả hai giải thuật MinDFT-ST và MinDFT-FT đều gọi giải thuật chính
MinDFT MinDFT là một heuristic dạng Best-Fit Decreasing (BFD) để
phân bổ một máy ảo mới lên một máy vật lý sao cho thời gian tăng thêm của tổng thời gian hoàn tất của tất cả các máy vật lý (sau khi gán máy ảo này) là nhỏ nhất Mục đích của hai giải thuật MinDFT-ST và MinDFT-FT đều nhằm tối thiểu tổng thời gian hoàn tất của tất cả các máy vật lý, cũng
Trang 11là tối thiểu tổng năng lượng tiêu thụ (KWh) của các máy vật lý trên một tập các máy ảo đã cho Thời gian chạy tệ nhất của giải thuật MinDFT-
ST/FT là O(n.m + n log n) Trong các hệ thống điện toán đám mây thường
số lượng máy vật lý m khá lớn so với log(n), nên độ phức tạp của giải thuật MinDFT-ST/FT là O(n.m)
Hình 5.1 Tổng điện năng tiêu thụ (đơn vị: KWh) Trục hoành biểu diễn
các giải thuật phân bổ máy ảo cần so sánh, trục tung biểu diễn tổng điện năng tiêu thụ
5.3 Giải thuật lập lịch MinDFT-LDTF và MinDFT-LFT
Hai giải thuật MinDFT-LDTF và MinDFT-LFT dựa trên giải thuật chính
là MinDFT (Giải thuật 5.2) được đề xuất là vì với các cách sắp xếp danh sách máy ảo theo thứ tự khoảng thời gian thực thi yêu cầu dài nhất trước (hoặc thời gian kết thúc muộn nhất trước) vẫn có trường hợp tốt Giải thuật 5.3 trình bày mã giả của hai giải thuật MinDFT-LDTF và MinDFT-LFT Khác với giải thuật MinDFT-ST/FT (Giải thuật 5.1) Hai giải thuật MinDFT-LDTF (MinDFT-LFT) sẽ sắp xếp danh sách máy ảo theo thứ tự khoảng thời gian thực thi yêu cầu dài nhất trước (thời gian kết thúc muộn nhất trước), thay vì sắp danh sách máy ảo theo thời gian bắt đầu sớm nhất
Trang 12trước như MinDFT-ST Thời gian kết thúc của máy ảo tính là tổng của thời gian bắt đầu và khoảng thời gian chạy liên tục và không nhường (non-preemption) của máy ảo
5.4 Kết luận
Chương 5 của luận án đã trình bày hai giải thuật phân bổ máy ảo là MinDFT-ST, MinDFT-FT, MinDFT-LDTF, MinDFT-LFT cho bài toán lập lịch máy ảo mục tiêu tối thiểu tổng năng lượng tiêu thụ của các máy vật lý (được phát biểu trong chương 4) Hai giải thuật MinDFT-ST, MinDFT-FT được trình bày trong công trình quốc tế có phản biện
CHƯƠNG 6 GIẢI THUẬT EMinTRE TỐI THIỂU TỔNG THỜI GIAN BẬN RỘN - ỨNG DỤNG VÀO TIẾT KIỆM ĐIỆN NĂNG TIÊU THỤ CỦA CÁC MÁY VẬT LÝ
Chương này đề xuất giải thuật EMinTRE và các cách sắp xếp danh sách máy ảo để phân bổ tạo thành các giải thuật lập lịch gồm: EMinTRE-ST, EMinTRE-FT, EMinTRE-LDTF và EMinTRE-LFT Giải thuật EMinTRE
sử dụng chỉ số TRE lựa chọn máy vật lý có chỉ số TRE nhỏ nhất để gán máy ảo Chỉ số TRE tính theo thời gian tăng thêm và độ đo về tài nguyên hiệu quả trên từng tài nguyên của máy vật lý (tính theo giá trị chuẩn của vector đường chéo còn trống của các tài nguyên)
6.1 Giới thiệu
Nhiều nghiên cứu cho thấy rằng bài toán phân bổ máy ảo (virtual machine allocation) hướng tiết kiệm năng lượng là NP-hard Có vài nghiên cứu đã thực hiện trên bài toán phân bổ máy ảo tiết kiệm năng lượng Nhiều nghiên cứu đề xuất giải thuật dồn các máy ảo lên một số ít các máy vật lý bằng cách sử dụng các heuristic của đóng thùng (bin-packing), ví dụ: First-Fit Decreasing, hay Best-Fit Decreasing có sửa đổi Các phương pháp dùng heuristic đóng thùng sẽ cố gắng dùng số máy vật lý nhỏ nhất để thực thi