Resumen

Cuando se despliegan máquinas virtuales de nube de infraestructura como servicio (IaaS) utilizando los algoritmos existentes, el proceso de despliegue no puede simplificarse, y el algoritmo es difícil de aplicar. Esto conduce a los problemas de alto consumo de energía, alto número de migraciones y alta tasa media de violación del acuerdo de nivel de servicio (SLA). Con el fin de resolver los problemas anteriores, en esta investigación se propone un algoritmo de despliegue adaptativo para máquinas virtuales de nube IaaS basado en el mecanismo de aprendizaje Q. Basándose en el principio de despliegue, se analizan las características de despliegue de las máquinas virtuales de la nube IaaS. El problema de programación de máquinas virtuales se sustituye por el proceso de Markov. El algoritmo de aprendizaje Q multipaso se utiliza para programar las máquinas virtuales basadas en el mecanismo de aprendizaje Q para completar el despliegue adaptativo de las máquinas virtuales de la nube IaaS. Los resultados experimentales muestran que el algoritmo propuesto tiene un bajo consumo de energía, un pequeño número de migraciones y una baja tasa media de violación del SLA.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:máquinas virtuales, mecanismo de aprendizaje q, nube iaas, baja tasa media de violación sla, algoritmo de aprendizaje q multipaso, problema de programación de máquinas virtuales, algoritmo de despliegue adaptativo, servicio medio alto, consumo de energía alto, consumo de energía bajo
• Keywords:virtual machines, q learning mechanism, iaas cloud, low average sla violation rate, multistep q learning algorithm, virtual machine scheduling problem, adaptive deployment algorithm, high average service, high energy consumption, low energy consumption