5. EXPERIMENTS AND EVALUATIONIn thi

5. EXPERIMENTS AND EVALUATION
In this section, we present the experiments and evaluation that we undertook in order to quantify
the efficiency of CloudSim in modeling and simulation of Cloud computing environments.
5.1. CloudSim: scalability and overhead evaluation
The first tests that we present here are aimed at analyzing the overhead and scalability of memory
usage, and the overall efficiency of CloudSim. The tests were conducted on a machine that had
two Intel Xeon Quad-core 2.27 GHz and 16GB of RAM memory. All of these hardware resources
were made available to a VM running Ubuntu 8.04 that was used for running the tests.
The test simulation environment setup for measuring the overhead and memory usage by
CloudSim included DataCenterBroker and DataCenter (hosting a number of machines) entities.
In the first test, all the machines were hosted within a single data center. Then for the next test,
the machines were symmetrically distributed across two data centers. The number of hosts in
both the experiments varied from 1000 to 1 000 000. Each experiment was repeated 30 times.
For the memory test, the total physical memory usage required for fully instantiating and loading
the CloudSim environment was profiled. For the overhead test, the total delay in instantiating the
simulation environment was computed as the time difference between the following events: (i) the
time at which the run-time environment (Java VM) is instructed to load the CloudSim framework;
and (ii) the instance at which CloudSim’s entities are fully initialized and are ready to process
events.
Figure 10(a) presents the average amount of time that was required for setting up simulation as
a function of several hosts considered in the experiment. Figure 10(b) plots the amount of memory
that was required for successfully conducting the tests. The results showed that the overhead
does not grow linearly with the system size. Instead, we observed that it grows in steps when a
specific number of hosts were used in the experiment. The obtained results showed that the time to
instantiate an experiment setup with 1 million hosts is around 12 s. These observations proved that
CloudSim is capable of supporting a large-scale simulation environment with little or no overhead
as regard initialization time and memory consumption. Hence, CloudSim offers significant benefits
as a performance testing platform when compared with the real-world Cloud offerings. It is almost
impossible to compute the time and economic overhead that would incur in setting up such a
large-scale test environment on Cloud platforms (Amazon EC2, Azure). The results showed almost
the same behavior under different system sizes (Cloud infrastructure deployed across one or two
data centers). The same behavior was observed for the cases when only one and two data centers
were simulated although the latter had averages that were slightly smaller than the former. This
difference was statically significant (according to unpaired t-tests run with samples for one and
two data centers for each value of number of hosts), and it can be explained with the help of an
efficient use of a multicore machine by the Java VM.
As regards memory overhead, we observed that a linear growth with an increase in the number
of hosts and the total memory usage never grew beyond 320MB even for larger system sizes. This
result indicated an improvement in the performance of the recent version of CloudSim (2.0) as
compared with the version that was built based on SimJava simulation core [20]. The earlier version
incurred an exponential growth in memory utilization for experiments with similar configurations.
The next test was aimed at validating the correctness of functionalities offered by CloudSim.
The simulation environment consisted of a data center with 10 000 hosts where each host was
modeled to have a single CPU core (1200 MIPS), 4GB of RAM memory, and 2 TB of storage. The
provisioning policy for VMs was space-shared that allowed one VM to be active in a host at a given
instance of time. We configured the end-user (through the DatacenterBroker) to request creation
and instantiation of 50VMs that had the following constraints: 1024MB of physical memory, 1
CPU core, and 1GB of storage. The application granularity was modeled to be composed of 300
task units, with each task unit requiring 1 440 000 million instructions (20 min in the simulated
hosts) to be executed on a host. Since networking was not the focus of this study, therefore minimal
data transfer (300 kB) overhead was considered for the task units (to and from the data center).
After the creation of VMs, task units were submitted in small groups of 50 (one for each VM)
at an inter-arrival delay of 10 min. The VMs were configured to apply both space-shared and timeshared
policies for provisioning tasks units to the processing cores. Figures 11(a) and (b) present
task units’ progress status with the increase in simulation steps (time) for multiple provisioning
policies (space-shared and time-shared). As expected, in the space-shared mode, every task took
20 min for completion as they had dedicated access to the processing core. In space-shared mode,
the arrival of new task did not have any effect on the tasks under execution. Every new task was
simply queued in for future consideration. However, in the time-shared mode, the execution time
of each task varied with an increase in the number of submitted task units. Time-shared policy for
allocating task units to VMs had a significant effect on execution times, as the processing core was
massively context switched among the active tasks. The first group of 50 tasks had a slightly better
response time as compared with the latter groups. The primary cause for this being that the task
units in the latter groups had to deal with comparatively an over-loaded system (VMs). However,
at the end of the simulation as system became less loaded, the response times improved (see
Figure 11). These are the expected behaviors for both policies considering the experiment input.
Hence, the results showed that policies and components of CloudSim are correctly implemented.

ผลลัพธ์ (ไทย) 1:

5. ทดลอง และประเมินผลในส่วนนี้ เรานำเสนอการทดลองและประเมินผลที่เรา undertook เพื่อกำหนดปริมาณประสิทธิภาพของ CloudSim ในการสร้างแบบจำลองและการจำลองสภาพแวดล้อมระบบคอมพิวเตอร์คลาวด์5.1. CloudSim: ภาระและค่าใช้จ่ายในการประเมินการทดสอบครั้งแรกที่เรานำเสนอที่นี่มุ่งเน้นที่การวิเคราะห์ค่าใช้จ่ายในการขยายขนาดของหน่วยความจำการใช้งาน และประสิทธิภาพโดยรวมของ CloudSim ได้ดำเนินการทดสอบบนเครื่องที่มี2 Intel Xeon Quad-core 2.27 GHz และ RAM หน่วยความจำ 16GB ทรัพยากรฮาร์ดแวร์เหล่านี้ทั้งหมดแปลงใช้กับ VM ที่รัน Ubuntu 8.04 ที่ใช้สำหรับการรันการทดสอบตั้งค่าสภาพแวดล้อมการจำลองทดสอบสำหรับวัดการใช้งานค่าโสหุ้ยและหน่วยความจำโดยCloudSim รวม DataCenterBroker และ DataCenter (โฮสต์หลายเครื่อง) เอนทิตีในการทดสอบครั้งแรก เครื่องจักรทั้งหมดถูกโฮสต์ไว้ภายในศูนย์ข้อมูลเดียวกัน แล้วสำหรับการทดสอบต่อไปมีกระจายศูนย์ข้อมูลลงในเครื่องจักรได้ตำแหน่ง จำนวนโฮสต์ในทั้งการทดลองแตกต่างกันจาก 1000 ไป 1 000 000 แต่ละการทดลองถูกทำซ้ำ 30 ครั้งสำหรับการทดสอบหน่วยความจำ การใช้งานหน่วยความจำกายภาพทั้งหมดที่จำเป็นสำหรับ instantiating และโหลดครบทั้งหมดสิ่งแวดล้อม CloudSim ถูก profiled สำหรับค่าใช้จ่ายในการทดสอบ ผลรวมความล่าช้าใน instantiatingการจำลองสภาพแวดล้อมถูกคำนวณเป็นส่วนต่างของเวลาระหว่างเหตุการณ์ต่อไปนี้: (i)เวลาที่สภาพแวดล้อมรันไทม์ (Java VM) แนะโหลดกรอบ CloudSimและ (ii) อินสแตนซ์ที่เต็มเตรียมใช้งานเอนทิตีที่ CloudSim และไม่พร้อมที่จะดำเนินการเหตุการณ์รูป 10(a) นำเสนอจำนวนเฉลี่ยของเวลาที่ถูกต้องสำหรับการตั้งค่าการจำลองเป็นฟังก์ชันของโฮสต์หลายที่พิจารณาในการทดลอง จำนวนหน่วยความจำลงจุดตัวเลข 10(b)ที่ถูกต้องสำหรับการดำเนินการทดสอบเสร็จเรียบร้อยแล้ว ผลพบว่าค่าใช้จ่ายในการไม่มีขยายเชิงเส้นกับขนาดระบบ แทน เราพบว่า เติบโตขึ้นในขั้นตอนต่อไปเมื่อมีของโฮสต์ที่ใช้ในการทดลอง ผลได้รับพบว่าเวลาในการสร้างอินสแตนซ์การทดลองตั้งค่าโฮสต์ 1 ล้านคือ ประมาณ 12 s ข้อสังเกตเหล่านี้ได้ที่CloudSim มีความสามารถในการสนับสนุนสภาพแวดล้อมการจำลองขนาดใหญ่ มีน้อย หรือไม่มีค่าใช้จ่ายในสัมมาคารวะเริ่มต้นเวลาและหน่วยความจำปริมาณ ดังนั้น CloudSim มีประโยชน์สำคัญเป็นการทดสอบแพลตฟอร์มจริงเมฆเสนอประสิทธิภาพ มันเป็นเกือบไม่สามารถคำนวณเวลาและค่าใช้จ่ายในทางเศรษฐกิจที่จะใช้ในการตั้งค่าดังกล่าวเป็นระบบทดสอบขนาดใหญ่บนแพลตฟอร์มคลาวด์ (Amazon EC2, Azure) ผลพบว่าเกือบลักษณะการทำงานเดียวกันภายใต้ขนาดของระบบอื่น (Cloud โครงสร้างพื้นฐานการใช้งานในหนึ่งหรือสองศูนย์ข้อมูล) ลักษณะการทำงานเดียวกันถูกตรวจสอบสำหรับกรณีเดียวและศูนย์ข้อมูลได้จำลองแม้ว่าจะมีค่าเฉลี่ยที่เล็กกว่าเดิม นี้ความแตกต่างสำคัญฟิกแบบคง (ตาม unpaired t-ทดสอบเรียกใช้กับตัวอย่างหนึ่ง และสองศูนย์ข้อมูลสำหรับแต่ละค่าของหมายเลขโฮสต์), และมันสามารถอธิบายได้ โดยใช้การใช้ประสิทธิภาพของเครื่องจักร multicore โดย Java VMสำหรับค่าใช้จ่ายในหน่วยความจำ เราสังเกตที่ขยายตัวเชิงเส้น ด้วยการเพิ่มจำนวนของโฮสต์และหน่วยความจำรวม ใช้ไม่โตเกิน 320MB สำหรับระบบขนาดใหญ่ นี้ผลลัพธ์แสดงการปรับปรุงประสิทธิภาพการทำงานของ CloudSim (2.0) เป็นรุ่นล่าสุดเมื่อเทียบกับรุ่นที่ถูกสร้างขึ้นตามหลักการจำลอง SimJava [20] รุ่นก่อนหน้านี้เกิดขึ้นในหน่วยความจำใช้สำหรับทดลองกับโครงแบบที่คล้ายการเรขาการทดสอบต่อไปคือมุ่งตรวจสอบความถูกต้องของฟังก์ชันที่นำเสนอ โดย CloudSimประกอบด้วยการจำลองสภาพแวดล้อมของศูนย์ข้อมูลกับโฮสต์ 10 000 ที่แต่ละโฮสต์ได้จำลองให้มี CPU หลักเดียว (1200 MIPS), 4GB RAM หน่วยความจำ และ 2 TB ของเก็บ ที่เตรียมใช้งานนโยบายสำหรับ VMs ถูกใช้ร่วมกันพื้นที่ที่อนุญาตให้ VM หนึ่งทำงานอยู่ในโฮสต์ที่ที่กำหนดอินสแตนซ์ของเวลา เรากำหนดค่าผู้ใช้ (โดย DatacenterBroker) เพื่อสร้างคำขอและ instantiation ของ 50VMs ที่มีข้อจำกัดต่อไปนี้: 1024MB หน่วยความจำกายภาพ 1หลัก CPU และจัดเก็บข้อมูล 1GB องค์ประกอบแอพลิเคชันถูกจำลองให้เป็น 300งานหน่วย กับแต่ละหน่วยงานต้อง 1 440 000 ล้านคำ (20 นาทีในการเลียนแบบโฮสต์) การปฏิบัติการของโฮสต์ เนื่องจากระบบเครือข่ายไม่ใช่จุดเน้นของการศึกษา น้อยที่สุดดังนั้นค่าใช้จ่ายในการโอนย้าย (300 kB) ข้อมูลถูกพิจารณาสำหรับหน่วยงาน (และ จากศูนย์ข้อมูล)ส่งมาหลังจากการสร้างของ VMs หน่วยงานในกลุ่มเล็ก ๆ 50 (หนึ่งใน VM แต่ละ)ที่เลื่อนมาถึงระหว่างที่ 10 นาที VMs ถูกกำหนดค่าให้ใช้ทั้งพื้นที่ที่ใช้ร่วมกัน และ timesharedนโยบายการเตรียมหน่วยงานแกนประมวลผล ตัวเลข 11(a) และ (b) แสดงสถานะความคืบหน้าของหน่วย ด้วยการเพิ่มในขั้นตอนการจำลอง (เวลา) สำหรับการเตรียมใช้งานหลายงานนโยบาย (พื้นที่ร่วม และ time-shared) ตามที่คาดไว้ ในโหมดใช้ร่วมกันพื้นที่ ได้ทุกงาน20 นาทีเสร็จ ตามที่พวกเขาได้ทุ่มเทเข้ากับแกนประมวลผล ในโหมดใช้ร่วมกันพื้นที่เดินทางถึงงานใหม่ไม่มีผลใด ๆ ภายใต้การดำเนินงาน ทุกงานใหม่ได้เพียงแค่คิวในการพิจารณาในอนาคต อย่างไรก็ตาม ในโหมด time-shared เวลาปฏิบัติการของแต่ละงานแตกต่างกัน มีการเพิ่มจำนวนของหน่วยงานที่ส่ง นโยบาย time-sharedการปันส่วนหน่วยงานไป VMs มีผลสำคัญในการดำเนินการครั้ง เป็นแกนประมวลผลอย่างหนาแน่นบริบทสลับระหว่างงานที่ทำ งาน 50 กลุ่มแรกได้ดีกว่าเล็กน้อยเวลาตอบรับเมื่อเทียบกับกลุ่มหลัง สาเหตุหลักที่นี้อยู่ที่งานในกลุ่มหลังมีเรื่องดีอย่างหนึ่งที่โหลดเกินระบบ (VMs) อย่างไรก็ตามเมื่อสิ้นสุดการจำลอง เป็นระบบกลายเป็นโหลดน้อย เวลาการตอบสนองดีขึ้น (ดูรูปที่ 11) นี่คือพฤติกรรมที่คาดไว้สำหรับนโยบายทั้งสองพิจารณาการทดลองป้อนข้อมูลดังนั้น ผลพบว่า นโยบายและส่วนประกอบของ CloudSim จะถูกดำเนินการ

ผลลัพธ์ (ไทย) 2:

5. ทดลองและประเมินผล
ในส่วนนี้เรานำเสนอการทดลองและการประเมินผลที่เรารับหน้าที่ในการสั่งซื้อที่จะหาจำนวน
ของประสิทธิภาพในการสร้างแบบจำลอง CloudSim และการจำลองของสภาพแวดล้อมการคำนวณเมฆ.
5.1 CloudSim: ความยืดหยุ่นและการประเมินค่าใช้จ่ายใน
การทดสอบครั้งแรกที่เรานำเสนอในที่นี้จะมุ่งเป้าไปที่การวิเคราะห์ค่าใช้จ่ายและขยายขีดความสามารถของหน่วยความจำ
ใช้งานและประสิทธิภาพโดยรวมของ CloudSim การทดสอบได้ดำเนินการในเครื่องที่มี
สอง Intel Xeon Quad-Core 2.27 GHz และ 16GB หน่วยความจำ RAM ทั้งหมดเหล่านี้ทรัพยากรฮาร์ดแวร์
ถูกสร้างขึ้นมาพร้อมที่จะ VM ใช้ Ubuntu 8.04 ที่ใช้สำหรับการทดสอบการทำงาน.
จำลองทดสอบการตั้งค่าสภาพแวดล้อมสำหรับการวัดค่าใช้จ่ายและการใช้งานหน่วยความจำโดย
CloudSim รวม DataCenterBroker และดาต้าเซ็นเตอร์ (โฮสติ้งจำนวนเครื่อง) หน่วยงาน.
ใน การทดสอบครั้งแรก, เครื่องทั้งหมดเป็นเจ้าภาพภายในศูนย์ข้อมูลเดียว แล้วสำหรับการทดสอบต่อไป
เครื่องกระจายทั่วสมมาตรสองศูนย์ข้อมูล จำนวนเจ้าภาพใน
การทดลองทั้งสองแตกต่างกัน 1000-1 000 000 แต่ละทดลองซ้ำ 30 ครั้ง.
สำหรับการทดสอบหน่วยความจำที่ใช้หน่วยความจำทางกายภาพทั้งหมดที่จำเป็นสำหรับการได้อย่างเต็มที่และอินสแตนซ์โหลด
CloudSim สภาพแวดล้อมที่ถูกประวัติ สำหรับการทดสอบค่าใช้จ่ายที่ล่าช้ารวมในอินสแตนซ์
จำลองสภาพแวดล้อมคำนวณเป็นความแตกต่างของเวลาระหว่างเหตุการณ์ที่เกิดขึ้นต่อไปนี้: (i)
เวลาที่สภาพแวดล้อมเวลาทำงาน (Java VM) ได้รับคำสั่งให้โหลดกรอบ CloudSim;
และ ( ii) เช่นที่หน่วยงานของ CloudSim จะเริ่มต้นได้อย่างเต็มที่และพร้อมที่จะดำเนิน
การจัดกิจกรรม.
รูปที่ 10 (ก) นำเสนอจำนวนเงินเฉลี่ยของเวลาที่ถูกต้องสำหรับการตั้งค่าการจำลองเป็น
หน้าที่ของหลายครอบครัวพิจารณาในการทดลอง รูปที่ 10 (ข) การแปลงจำนวนหน่วยความจำ
ที่จำเป็นสำหรับการประสบความสำเร็จในการดำเนินการทดสอบ ผลการศึกษาพบว่าค่าใช้จ่ายที่
ไม่เติบโตเป็นเส้นตรงกับขนาดของระบบ แต่เราตั้งข้อสังเกตว่ามันจะเติบโตในขั้นตอนเมื่อมี
หมายเลขเฉพาะของโฮสต์ถูกนำมาใช้ในการทดลอง ผลที่ได้แสดงให้เห็นว่าถึงเวลาที่จะ
ยกตัวอย่างการติดตั้งการทดสอบด้วย 1,000,000 โฮสต์อยู่ที่ประมาณ 12 วินาที ข้อสังเกตเหล่านี้พิสูจน์ให้เห็นว่า
CloudSim สามารถรองรับสภาพแวดล้อมจำลองขนาดใหญ่ที่มีค่าใช้จ่ายน้อยหรือไม่มีเลย
เป็นเรื่องเวลาเริ่มต้นและใช้หน่วยความจำ ดังนั้น CloudSim มีประโยชน์อย่างมีนัยสำคัญ
เป็นแพลตฟอร์มการทดสอบประสิทธิภาพเมื่อเทียบกับโลกแห่งความจริงการให้บริการคลาวด์ มันเกือบจะเป็น
ไปไม่ได้ในการคำนวณเวลาและค่าใช้จ่ายทางเศรษฐกิจที่จะเกิดขึ้นในการตั้งค่าดังกล่าวเป็น
สภาพแวดล้อมการทดสอบขนาดใหญ่บนแพลตฟอร์มคลาวด์ (Amazon EC2, สีฟ้า) ผลการศึกษาพบเกือบ
พฤติกรรมเดียวกันภายใต้ขนาดที่แตกต่างกันของระบบ (โครงสร้างพื้นฐานคลาวด์ที่นำไปใช้ทั่วหนึ่งหรือสอง
ศูนย์ข้อมูล) พฤติกรรมเดียวกันพบว่าสำหรับกรณีที่เมื่อมีเพียงหนึ่งและสองศูนย์ข้อมูล
ถูกจำลองแม้ภายหลังมีค่าเฉลี่ยที่มีขนาดเล็กกว่าในอดีต นี้
ความแตกต่างอย่างมีนัยสำคัญแบบคงที่ (ตาม unpaired ทีทดสอบวิ่งที่มีตัวอย่างหนึ่งและ
สองศูนย์ข้อมูลสำหรับค่าของจำนวนของโฮสต์แต่ละ) และมันสามารถอธิบายได้ด้วยความช่วยเหลือของ
การใช้งานที่มีประสิทธิภาพของเครื่องมัลติคอร์โดย VM Java .
ค่าใช้จ่ายที่เกี่ยวกับหน่วยความจำที่เราตั้งข้อสังเกตว่าการเจริญเติบโตเชิงเส้นที่มีการเพิ่มจำนวน
ของครอบครัวและการใช้งานหน่วยความจำทั้งหมดไม่เคยเติบโตเกิน 320MB แม้สำหรับขนาดของระบบที่มีขนาดใหญ่ ซึ่ง
ผลการศึกษาพบการปรับปรุงประสิทธิภาพการทำงานของรุ่นล่าสุดของ CloudSim (2.0) ขณะที่
เมื่อเทียบกับรุ่นที่ถูกสร้างขึ้นบนพื้นฐานหลักของการจำลอง SimJava [20] รุ่นก่อนหน้านี้
ที่เกิดขึ้นการเจริญเติบโตในการใช้หน่วยความจำสำหรับการทดลองกับการกำหนดค่าที่คล้ายกัน.
การทดสอบต่อไปมุ่งเป้าไปที่การตรวจสอบความถูกต้องของฟังก์ชันการทำงานที่นำเสนอโดย CloudSim.
จำลองสภาพแวดล้อมประกอบด้วยศูนย์ข้อมูลที่มี 10 000 โฮสต์ที่แต่ละพื้นที่ก็
ย่อมที่จะมี แกน CPU เดียว (1200 MIPS) หน่วยความจำ 4GB RAM และ 2 TB ของการจัดเก็บ
นโยบายการตั้งสำรองสำหรับ VMs เป็นพื้นที่ที่ใช้ร่วมกันอย่างใดอย่างหนึ่งที่ได้รับอนุญาต VM ที่จะใช้งานในการเป็นเจ้าภาพที่ได้รับ
ตัวอย่างของเวลา เรากำหนดค่าของผู้ใช้ปลายทาง (ผ่าน DatacenterBroker) เพื่อขอการสร้าง
และ instantiation ของ 50VMs ที่มีข้อ จำกัด ต่อไปนี้: 1024MB ของหน่วยความจำทางกายภาพ 1
แกน CPU และ 1GB ของการจัดเก็บ การประยุกต์ใช้เมล็ดเป็นรูปแบบที่จะประกอบด้วย 300
หน่วยงานกับหน่วยงานแต่ละงานที่ต้องการ 1 440 000000000 คำแนะนำ (20 นาทีในการจำลอง
เจ้าภาพ) ที่จะดำเนินการในพื้นที่ เนื่องจากเครือข่ายไม่ได้มุ่งเน้นการศึกษาครั้งนี้จึงน้อยที่สุด
การถ่ายโอนข้อมูล (300 KB) ค่าใช้จ่ายที่ได้รับการพิจารณาสำหรับหน่วยงาน (ไปและกลับจากศูนย์ข้อมูล).
หลังจากสร้าง VMs หน่วยงานที่ถูกส่งมาในกลุ่มเล็ก ๆ จาก 50 ( หนึ่งสำหรับแต่ละ VM)
ที่ล่าช้าระหว่างการมาถึงของ 10 นาที VMs ถูกกำหนดค่าเพื่อนำไปใช้ทั้งในพื้นที่ร่วมกันและ timeshared
นโยบายในการจัดเตรียมหน่วยงานให้แกนประมวลผล รูปที่ 11 (ก) และ (ข) ในปัจจุบัน
หน่วยงานสถานะความคืบหน้ากับการเพิ่มขึ้นในขั้นตอนการจำลอง (เวลา) สำหรับการจัดเตรียมหลาย
นโยบาย (พื้นที่ร่วมกันและเวลาที่ใช้ร่วมกัน) เป็นที่คาดหวังในโหมดพื้นที่ที่ใช้ร่วมกัน, เอางานทุก
20 นาทีสำหรับความสำเร็จที่พวกเขาได้ทุ่มเทการเข้าถึงหลักในการประมวลผล ในโหมดพื้นที่ที่ใช้ร่วมกัน
มาถึงของงานใหม่ไม่ได้มีผลกระทบใด ๆ กับงานที่อยู่ภายใต้การดำเนินการ ทุกงานใหม่ได้รับการ
จัดคิวเพียงเพื่อประกอบการพิจารณาในอนาคต อย่างไรก็ตามในโหมดเวลาที่ใช้ร่วมกันเวลาดำเนินการ
ของแต่ละงานที่แตกต่างกันกับการเพิ่มขึ้นในจำนวนของหน่วยงานที่ส่ง นโยบายเวลาที่ใช้ร่วมกันสำหรับ
การจัดสรรหน่วยงานเพื่อ VMs มีผลกระทบอย่างมีนัยสำคัญในช่วงเวลาที่การดำเนินการเป็นหลักในการประมวลผลถูก
เปลี่ยนบริบทอย่างหนาแน่นในกลุ่มงานที่ใช้งานอยู่ กลุ่มแรก 50 มีงานที่ดีกว่าเล็กน้อย
เวลาตอบสนองเมื่อเทียบกับกลุ่มหลัง สาเหตุหลักของความเป็นอยู่ที่งาน
หน่วยในกลุ่มหลังมีการจัดการกับเปรียบเทียบระบบโหลดเกิน (VMs) อย่างไรก็ตาม
ในตอนท้ายของการจำลองระบบกลายเป็นโหลดน้อยลงเวลาการตอบสนองที่ดีขึ้น (ดู
รูปที่ 11) เหล่านี้เป็นพฤติกรรมที่คาดว่านโยบายทั้งพิจารณาการป้อนข้อมูลการทดลอง.
ดังนั้นผลการศึกษาพบว่านโยบายและองค์ประกอบของ CloudSim จะดำเนินการอย่างถูกต้อง

ผลลัพธ์ (ไทย) 3:

5 . การทดลองและประเมินผล
ในส่วนนี้ เราเสนอการทดลองและประเมินผลว่า เราทำเพื่อวัดประสิทธิภาพของ cloudsim
ในการสร้างแบบจำลองและการจำลองสภาพแวดล้อมคอมพิวเตอร์เมฆ .
5.1 cloudsim : ความยืดหยุ่นและค่าใช้จ่ายในการประเมิน
การทดสอบครั้งแรกที่เรานำเสนอที่นี่จะมุ่งวิเคราะห์ค่าใช้จ่ายและความยืดหยุ่นของการใช้หน่วยความจำ
,และประสิทธิภาพโดยรวมของ cloudsim . การทดสอบได้ดำเนินการในเครื่องได้
2 อินเทลซีออน quad core 2.27 GHz และ 16GB ของหน่วยความจำแรม ทั้งหมดเหล่านี้ทรัพยากรฮาร์ดแวร์
ถูกทำใช้ได้กับ VM Ubuntu 8.04 วิ่งที่ใช้วิ่งทดสอบ
การทดสอบจำลองสภาพแวดล้อมการติดตั้งเพื่อวัดค่าใช้จ่ายและการใช้งานหน่วยความจำโดย
รวม datacenterbroker โครงการ cloudsim และโฮสติ้งหลายเครื่อง ) หน่วยงาน .
ในการทดสอบครั้งแรก ทุกเครื่องที่เป็นโฮสต์ ภายในศูนย์ข้อมูลเดียว สำหรับการทดสอบต่อไป
เครื่องเป็นเป็นตายร้ายดีแจกจ่ายผ่านสองศูนย์ข้อมูล จำนวนโฮสต์ใน
ทั้งการทดลองที่หลากหลายจาก 1000 ถึง 1 000 000 แต่ละการทดลองซ้ำ 30 ครั้ง .
สำหรับหน่วยความจำแบบการใช้หน่วยความจำทางกายภาพทั้งหมดที่จำเป็นสำหรับ instantiating โหลดอย่างเต็มที่และ
cloudsim สิ่งแวดล้อมถูก profiled . สำหรับค่าใช้จ่ายในการทดสอบความล่าช้าทั้งหมดใน instantiating
สภาพแวดล้อมจำลองถูกคำนวณเป็น ความแตกต่างของเวลาระหว่างเหตุการณ์ต่อไปนี้ : ( i )
เวลาที่เรียกใช้สภาพแวดล้อม ( Java VM ) คือสั่งให้โหลด cloudsim
กรอบ ;และ ( 2 ) ตัวอย่างที่ cloudsim ของหน่วยงานอย่างเต็มที่ และพร้อมที่จะเริ่มต้นกระบวนการ

เหตุการณ์ รูปที่ 10 ( ) แสดงโดยจำนวนของเวลาที่ถูกต้องสำหรับการตั้งค่าการจำลองเป็นฟังก์ชันของหลายครอบครัว
พิจารณาในการทดลอง รูปที่ 10 ( ข ) แปลงจำนวนหน่วยความจำ
ที่จําเป็นสําหรับเรียบร้อยแล้วทำการทดสอบ พบว่าค่าใช้จ่าย
ไม่ขยายตามขนาดของระบบ แต่เราสังเกตเห็นว่ามันเติบโตในขั้นตอนเมื่อ
หมายเลขเฉพาะของโฮสต์ที่ใช้ในการทดลอง ผลการทดลองพบว่า เวลา
ยกตัวอย่างการทดลองติดตั้งกับ 1 ล้านโยธาประมาณ 12 วินาที สังเกตเหล่านี้พิสูจน์แล้วว่า
cloudsim สามารถสนับสนุนสภาพแวดล้อมที่จำลองขนาดใหญ่ ด้วยค่าใช้จ่ายเพียงเล็กน้อยหรือไม่มีเลย
เวลาเริ่มต้นเรื่องและการบริโภคหน่วยความจำ ดังนั้น cloudsim มีประโยชน์อย่างมีนัยสำคัญ
เป็นแพลตฟอร์มการทดสอบประสิทธิภาพเมื่อเทียบกับ โลกแห่งความจริง เมฆเสนอ มันเป็นเกือบเป็นไปไม่ได้
คำนวณเวลาและค่าใช้จ่ายทางเศรษฐกิจที่จะต้องเสียในการตั้งค่าเช่น
ขนาดใหญ่การทดสอบสภาพแวดล้อมบนแพลตฟอร์มเมฆ Amazon EC2 กรมท่า ) พบเกือบ
พฤติกรรมภายใต้ระบบเดียวกันขนาดแตกต่างกัน ( โครงสร้างพื้นฐานเมฆเคลื่อนผ่านหนึ่งหรือสอง
ศูนย์ข้อมูล ) พฤติกรรมเดียวกันพบว่าสำหรับกรณีเมื่อมีเพียงหนึ่งและสองศูนย์ข้อมูล
เป็นจำลอง แม้ว่าหลังได้ค่าเฉลี่ยที่มีขนาดเล็กกว่าเดิม ความแตกต่างนี้เป็นส่วนสําคัญ
( ตามแบบ ใช้กับตัวอย่าง Unpaired หนึ่ง
สองศูนย์ของข้อมูลสำหรับแต่ละค่าของจำนวนของโฮสต์ ) , และมันสามารถอธิบายได้ด้วยความช่วยเหลือของ
มีประสิทธิภาพใช้งานเครื่องมัลติคอร์โดย Java VM
เป็นค่าใช้จ่ายความนับถือ เราพบว่ามีการเจริญเติบโตเชิงเส้นกับการเพิ่มจํานวน
ของโฮสต์และการใช้หน่วยความจำทั้งหมดไม่โตเกิน 320mb แม้ขนาดของระบบขนาดใหญ่ นี้
ผลการปรับปรุงของรุ่นล่าสุดของ cloudsim ( 2.0 )
เมื่อเทียบกับรุ่นที่ถูกสร้างขึ้นบนพื้นฐานของ simjava จำลองหลัก [ 20 ] รุ่นก่อนหน้านี้
ที่เกิดขึ้นชี้แจงการเจริญเติบโตในการใช้หน่วยความจำสำหรับการทดลองกับการตั้งค่าที่คล้ายกัน .
ทดสอบต่อไป มีวัตถุประสงค์ในการตรวจสอบความถูกต้องของฟังก์ชันที่เสนอ โดย cloudsim .
สภาพแวดล้อมจำลองประกอบด้วยศูนย์ข้อมูลด้วย 10 000 โยธาซึ่งแต่ละเจ้าภาพ
แบบมี Core CPU เดียว ( 1200 Min ) , 4GB ของหน่วยความจำ RAM และไดรฟ์ของการจัดเก็บ
จากนโยบายสำหรับ VMS เป็นช่องว่างที่ใช้ร่วมกันได้รับอนุญาตอย่างใดอย่างหนึ่งสำหรับที่จะใช้งานในโฮสต์ที่ระบุ
อินสแตนซ์ของเวลา เราตั้งค่าผู้ใช้ ( ผ่าน datacenterbroker ) เพื่อขอสร้าง
50vms instantiation ของและมีข้อจำกัดดังต่อไปนี้ 1024mb ของหน่วยความจำกายภาพ 1
CPU core และ 1GB ของการจัดเก็บ โปรแกรมจำลอง granularity จะประกอบด้วย 300
หน่วยงานแต่ละงานให้กับหน่วย 1 440 000 ล้านคำสั่ง ( 20 นาทีโดย
โยธา ) ที่จะรันบนโฮสต์ เนื่องจากเครือข่ายไม่ได้เน้นการศึกษานี้จึงน้อย
การถ่ายโอนข้อมูล ( 300 KB ) ค่าใช้จ่ายก็ถือว่างานหน่วย ( และจากศูนย์ข้อมูล ) .
หลังจากการสร้างของ VMS , หน่วยงานที่ถูกส่งในกลุ่มเล็ก ๆของ 50 ( หนึ่งสำหรับแต่ละ VM )
ที่อินเตอร์มาถึงล่าช้า 10 นาที VM ที่ถูกกำหนดค่าให้ใช้ทั้งพื้นที่ที่ใช้ร่วมกันและ timeshared
นโยบายดอกเบี้ยงานหน่วยการประมวลผลแกน รูปที่ 11 ( ก ) และ ( ข ) ปัจจุบัน
หน่วยงานสถานะความคืบหน้า มีการเพิ่มขั้นตอนการจำลอง ( เวลา ) สำหรับหลายนโยบายดอกเบี้ย
( พื้นที่ร่วมกัน และเวลาที่ใช้ร่วมกัน ) ตามที่คาดไว้ , ในพื้นที่ที่ใช้ร่วมกันโหมดทุกงานเอา
20 นาทีให้เสร็จ ตามที่พวกเขาได้ทุ่มเทการเข้าถึงการประมวลผลหลัก ในพื้นที่ที่ใช้ร่วมกันโหมด
การมาถึงของงานใหม่ ไม่มีผลต่องานภายใต้การ ใหม่ทุกงาน
เพียงแค่รอสำหรับการพิจารณาในอนาคต อย่างไรก็ตาม ในเวลาใช้โหมด การเวลา
ของแต่ละงานหลากหลาย ด้วยการเพิ่มจำนวนและหน่วยงาน เวลาใช้งานกับหน่วยนโยบาย
จัดสรรวัดมีผลต่อการเท่าการประมวลผลหลัก
อย่างหนาแน่นสลับระหว่างบริบทงานใช้งาน กลุ่มแรกของ 50 งานมีเล็กน้อยดีกว่า
เวลาการตอบสนองเมื่อเทียบกับกลุ่มหลัง สาเหตุนี้เป็นหลักที่งาน
หน่วยในกลุ่มหลังมีการจัดการกับการโหลดผ่านโดยระบบ ( VMS ) อย่างไรก็ตาม
ที่ส่วนท้ายของการจำลองระบบน้อยลงโหลดเวลาตอบสนองดีขึ้น ( ดู
รูปที่ 11 ) นี่คาดว่าพฤติกรรมทั้งนโยบายพิจารณาทดลองใส่
ดังนั้นผลการศึกษาพบว่า นโยบายและองค์ประกอบของ cloudsim ถูกต้องใช้