Optimized Cloud Resource Allocation Using Genetic Algorithms for Energy Efficiency and QoS Assurance

要約

クラウドコンピューティング環境には、最適なパフォーマンス、エネルギー消費の削減、サービスレベル契約の順守（SLA）を確保するために、動的で効率的なリソース管理が必要です。
このペーパーでは、QoS制約を維持しながら電力使用量を最小限に抑えることを目的とした、仮想マシン（VM）配置と統合のための遺伝的アルゴリズム（GA）ベースのアプローチを紹介します。
提案された方法は、リアルタイムワークロードのバリエーションに基づいてVM割り当てを動的に調整し、First Fit Declasing（FFD）やBest Fit Declasing（BFD）などの従来のヒューリスティックを上回ります。
実験結果は、エネルギー消費、VM移動、SLA違反率、および実行時間の著しい削減を示しています。
相関ヒートマップは、これらの主要なパフォーマンスインジケーター間の強い関係をさらに示し、クラウドリソースの利用を最適化する際のアプローチの有効性を確認します。

要約(オリジナル)

Cloud computing environments demand dynamic and efficient resource management to ensure optimal performance, reduced energy consumption, and adherence to Service Level Agreements (SLAs). This paper presents a Genetic Algorithm (GA)-based approach for Virtual Machine (VM) placement and consolidation, aiming to minimize power usage while maintaining QoS constraints. The proposed method dynamically adjusts VM allocation based on real-time workload variations, outperforming traditional heuristics such as First Fit Decreasing (FFD) and Best Fit Decreasing (BFD). Experimental results show notable reductions in energy consumption, VM migrations, SLA violation rates, and execution time. A correlation heatmap further illustrates strong relationships among these key performance indicators, confirming the effectiveness of our approach in optimizing cloud resource utilization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google