Host Overloading Detection pada Dynamic VM Consolidation Menggunakan Fuzzy Mamdani

Chaerul Umam, Guruh Fajar Shidik

Abstract


Perkembangan Cloud Computing telah mengakibatkan pembangunan data center skala besar di seluruh dunia yang berisi ribuan node. Data Center Cloud mengkonsumsi energi listrik yang besar yang tentunya mengakibatkan biaya operasi yang tinggi. Konsumsi energi di Data Center akan terus tumbuh pesat kecuali dengan mengembangkan dan menerapkan manajemen resource yang hemat energi. Dynamic VM consolidation bisa menjadi strategi efektif untuk mengatasi masalah pemborosan energi pada data center cloud. Strategi ini dapat diuraikan ke dalam empat tugas pengambilan keputusan, yaitu Host overloading detection (memutuskan kapan host harus dianggap sebagai kelebihan beban), Host underloading detection (memutuskan kapan host harus dianggap underloaded / kekurangan beban), VM selection (memutuskan VMs mana yang harus pindah dari host yang kelebihan beban), dan VM placement (memutuskan tentang host mana yang harus dipilih untuk menerima migrasi VM). Penelitian ini mengusulkan metode fuzzy logic dalam proses host overloading detection. Dataset untuk menguji metode menggunakan data workload dari PlanetLab. Hasil dari pengujian metode yang diusulkan menunjukkan hasil yang menjanjikan dengan peningkatan efisiensi energi 2,24%.

Full Text:

PDF

References


Beloglazov, A., Buyya, R., 2013, Managing Overloaded Hosts for Dynamic Consolidation of Virtual Machines in Cloud Data Centers Under Quality of Service Constraints, IEEE Transactions on Parallel and Distributed Systems (TPDS), Vol 24, No 7, Pages 1366-1379.

Koomey, J., 2011, Growth in data center electricity use 2005 to 2010, Analytics Press, Oakland.

Gartner, Inc., 2007. Gartner Estimates ICT Industry Accounts for 2 Percent of Global CO2 Emissions. Gartner Press Release (April)

Open Compute Project, Energy efficiency, http://opencompute.org/about/energy-efficiency/ diakses pada 5 April 2014.

Barroso, L. A., Holzle, U., 2007. The Case for Energy-Proportional Computing, Computer Society, vol. 40, no. 12, Hal 33–37.

Beloglazov, A., Buyya, R., 2012. Optimal Online Deterministic Algorithms and Adaptive Heuristics for Energy and Performance Efficient Dynamic Consolidation of Virtual Machines in Cloud Data Centers, Concurrency and Computation: Practice and Experience, vol. 24, no. 13, hal 1397-1420.

Masoumzadeh, S.S., Hlavacs, H., 2013, Intelligent Decision-Making in Distributed Dynamic VM Consolidation Using Fuzzy Q-Learning, 31st International Symposium on Computer Performance, Modeling, Measurements and Evaluation 2013, Poster 4.

Ginting, R. Br., 2014, Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan, Creative Information Technology Journal, Vol 1, No 2, hal 128138.

Sandhopi, S. N., Astuti, E. Z., 2015, Optimasi Fungsi Keanggotaan Fuzzy Menggunakan Metode Mamdani Terhadap Prediksi Perilaku Pembeli, Techno.COM, Vol 14, No 4

Park, K. S., Pai, V. S., 2006, CoMon: a mostly-scalable monitoring system for PlanetLab, ACM SIGOPS Operating Systems Review, vol. 40, no. 1, hal 65–74.

Calheiros, R. N., Ranjan, R., Beloglazov, A., De Rose, C. A. F., Buyya, R., 2011, Cloudsim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms, Software: Practice and Experience, vol. 41, no. 1, hal 23-50.




DOI: https://doi.org/10.24076/citec.2017v4i2.101

Refbacks

  • There are currently no refbacks.


Indexed by:

 

Dedicated to:

 

Creative Information Technology Journal (CITEC Journal) is licensed under a Creative Commons Attribution 4.0 International License