Computación en la Nube mediante la Implementación de un Modelo de Balanceo de Carga de Máquinas Virtuales Basado en Estado y Aleatorización

El concepto resiliente de computación en la nube (CC) permite a individuos y empresas acceder a los servicios necesarios de acuerdo con sus requisitos. La metodología presenta varias funcionalidades como soluciones de almacenamiento, plataformas de implementación, acceso conveniente a servicios en línea, y más. Un problema significativo en la CC es el balanceo de carga (LB), que reduce el rendimiento y la efectividad de los recursos. El LB se puede lograr a través de la programación y asignación de (Tarea / Máquina Virtual). Esta investigación considera la asignación de máquinas virtuales (VM), que asigna VM a una máquina física (PM) adecuada. Implementar un enfoque eficiente de asignación de VM es esencial para mitigar el consumo de energía (EC) y los incumplimientos del acuerdo de nivel de servicio (SLA). Este estudio presenta un modelo de LB efectivo para CC basado en estado y aleatorización. Basado en la utilización del host, el enfoque propuesto primero identifica el estado actual de la PM (alto, medio y bajo). A continuación, selecciona la PM adecuada para la asignación de VM utilizando un enfoque de aleatorización. Se emplea el kit de herramientas Cloudsim para simular la técnica sugerida, y se utiliza la carga de trabajo de PlanetLab para evaluar el rendimiento en cuanto a EC y violaciones de SLA. El enfoque propuesto se compara con MFPED (Medio-Fit Poder Eficiente Decreciente) y HVMAP (Asignación y Colocación Híbrida de VM). El resultado experimental muestra que la técnica propuesta reduce significativamente el EC en un 40.81% y un 39.76% y la violación de SLA en un 96.81% y un 95.58% para los métodos MFPED y HVMAP.