ترجمه فارسی عنوان مقاله
طرح اختصاص حافظهی نو برای کاهش انرژی حافظه در محیط مجازی
عنوان انگلیسی
A novel memory allocation scheme for memory energy reduction in virtualization environment
کد مقاله | سال انتشار | تعداد صفحات مقاله انگلیسی |
---|---|---|
76280 | 2015 | 13 صفحه PDF |
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)
Journal : Journal of Computer and System Sciences, Volume 81, Issue 1, February 2015, Pages 3–15
فهرست مطالب ترجمه فارسی
چکیده
کلمههای کلیدی
1. مقدمه
2. پشتزمینه و انگیزه
2.1. حافظهی RAM پویای همگام (SDRAM)
2.2. مجازیسازی
2.3. انگیزه
جدول 1. چینش حافظه ماشینهای مجازی
3. اختصاص حافظهی استاتیک
3.1. تحلیل مدل انرژی حافظه
3.2. متد ساده برای کاهش انرژی حافظه
شکل 1. معماریِ مدیریت توان ساده در مجازیسازی
3.3. مدیریت حافظهی VM
3.4. استراتژیِ توسعهی مجموعه رنک
شکل 3. الگوریتم A برای تخصیص حافظه برای VM
شکل 4. چینش حافظهی VM توسط الگوریتم A
شکل 5. چینش حافظهی VM در یک مورد دیگر
شکل 6. الگوریتم B برای تخصیص حافظه برای VM
3.5. مدیریت گروه Xen
شکل 7. الگوریتم C برای تخصیص حافظه گروه Xen
4. اختصاص پویای حافظه
4.1. معماریِ مدیریت حافظهی پویا
شکل 8. سیستم مدیریت حافظه پویا
4.2. استراتژیِ تنظیم حافظه
شکل 9. الگوریتم تنظیم حافظه
4.3. الگوریتم تخصیص حافظه
5. ارزیابیِ عملکر
5.1. تنظیم آزمایش
5.2. بارِ کاری
5.3. معیارهای انرژی
5.4تخصیص حافظهی استاتیک
شکل 10. سایز مجموعه رنک پس از بوت سرد
شکل 11. سایز مجموعهی رنک پس از ایجاد 2 ماشین مجازی
شکل 12. نرمالسازیِ مصرف انرژی به Emax
5.5. تخصیص حافظهی پویا
شکل 13. مصرف حافظهی gcc و bzip2
شکل 14. بنچمارک مصرف حافظهی کل و gcc
شکل 15. بنچمارک مصرف حافظهی کل و bzip2
شکل 16. سایز رنک بنچمارک gcc
شکل 17. سایز رنک بنچمارک bzip2
شکل 18. مصرف انرژی نرمالسازی شده به Emax در محیط پویا
6. آثار مرتبط
6.1. ذخیرهی انرژیِ حافظه
6.2. سیستم مدیریت حافظهی پویا
7. نتیجهگیری و آثار آینده
کلمههای کلیدی
1. مقدمه
2. پشتزمینه و انگیزه
2.1. حافظهی RAM پویای همگام (SDRAM)
2.2. مجازیسازی
2.3. انگیزه
جدول 1. چینش حافظه ماشینهای مجازی
3. اختصاص حافظهی استاتیک
3.1. تحلیل مدل انرژی حافظه
3.2. متد ساده برای کاهش انرژی حافظه
شکل 1. معماریِ مدیریت توان ساده در مجازیسازی
3.3. مدیریت حافظهی VM
3.4. استراتژیِ توسعهی مجموعه رنک
شکل 3. الگوریتم A برای تخصیص حافظه برای VM
شکل 4. چینش حافظهی VM توسط الگوریتم A
شکل 5. چینش حافظهی VM در یک مورد دیگر
شکل 6. الگوریتم B برای تخصیص حافظه برای VM
3.5. مدیریت گروه Xen
شکل 7. الگوریتم C برای تخصیص حافظه گروه Xen
4. اختصاص پویای حافظه
4.1. معماریِ مدیریت حافظهی پویا
شکل 8. سیستم مدیریت حافظه پویا
4.2. استراتژیِ تنظیم حافظه
شکل 9. الگوریتم تنظیم حافظه
4.3. الگوریتم تخصیص حافظه
5. ارزیابیِ عملکر
5.1. تنظیم آزمایش
5.2. بارِ کاری
5.3. معیارهای انرژی
5.4تخصیص حافظهی استاتیک
شکل 10. سایز مجموعه رنک پس از بوت سرد
شکل 11. سایز مجموعهی رنک پس از ایجاد 2 ماشین مجازی
شکل 12. نرمالسازیِ مصرف انرژی به Emax
5.5. تخصیص حافظهی پویا
شکل 13. مصرف حافظهی gcc و bzip2
شکل 14. بنچمارک مصرف حافظهی کل و gcc
شکل 15. بنچمارک مصرف حافظهی کل و bzip2
شکل 16. سایز رنک بنچمارک gcc
شکل 17. سایز رنک بنچمارک bzip2
شکل 18. مصرف انرژی نرمالسازی شده به Emax در محیط پویا
6. آثار مرتبط
6.1. ذخیرهی انرژیِ حافظه
6.2. سیستم مدیریت حافظهی پویا
7. نتیجهگیری و آثار آینده
ترجمه کلمات کلیدی
مصرف انرژی حافظه، مجازیسازی، الگوریتم اختصاص حافظه، رنک
کلمات کلیدی انگلیسی
Memory energy consumption; Virtualization; Memory allocation algorithm; Rank
ترجمه چکیده
مصرف انرژی مسئلهای است که هر روز جدیتر شده و منجر به هزینهی بسیار زیاد ی در مراکز دادهی مبتنی بر تکنولوژیِ مجازیسازی میشود. در مرکز داده، مصرف زیاد حافظه بخش اصلیِ کل مصرف انرژی را تشکیل میدهد، تا 41%. از طریق آزمایشهایی که انجام دادهایم میبینیم که ویژگیِ پراکندگیِ ماشینهای مجازی تأثیر بسیار زیادی در مصرف انرژیِ آن دارد. این مقاله طرح اختصاص حافظه ماشینهای مجازی را از نو طراحی میکند تا مصرف انرژی در ماشین مجازی را کاهش دهد. دو الگوریتم اکتشافی برای اختصاص حافظه به ماشینهای مجازی پیشنهاد شده است. به علاوه، بر اساس اختصاص حافظهی جدید، همچنین برای محیط اجرایی نیز یک سیستم مدیریت حافظهی پویا طراحی میکنیم. نتایج آزمایشگاهی نشان میدهند که طرح ما حدود 50% در کاهش انرژی موثر است.