Modélisation et Optimisation des ressources virtuelles dans un environnement Cloud

Abstract

La gestion des ressources virtuelles dans le cloud computing est cruciale pour garantir une utilisation efficace des ressources. La modélisation consiste à représenter les composants sous forme de modèles mathématiques pour analyser le comportement du système et prévoir l'utilisation des ressources. Ces modèles permettent également d'évaluer les compromis entre coût et performance. L'optimisation des ressources vise à allouer les ressources en minimisant les coûts tout en répondant aux besoins des applications. Les approches incluent des algorithmes heuristiques, rapides mais parfois imprécis, et des méthodes d'optimisation mathématique, plus précises mais complexes. Des algorithmes comme Grey Wolf Optimization (GWO) et Seagull Optimization (MOSOAVMP) ont été développés pour améliorer le placement des machines virtuelles (VMP). GWO permet de réduire la consommation d'énergie de 20,99% et les gaspillages de 1,80%. MOSOAVMP, en optimisant l'utilisation des ressources et en minimisant les violations des accords de niveau de service, améliore l'efficacité des centres de données, réduisant les gaspillages et augmentant l'utilisation du CPU, de la mémoire et de la bande passante. Ces approches garantissent une meilleure gestion des ressources dans le cloud, tout en réduisant les coûts. En parallèle, les systèmes de recommandation, utilisant des algorithmes comme K-NN, contribuent à divers secteurs, y compris la gestion électorale, en proposant des suggestions pertinentes en exploitant les données massives et l'apprentissage automatique.