پروژه پایتون جدید
پانزده روز پیش منتشر شده
تعداد بازدید: 63
کد پروژه: 579763
شرح پروژه
با استفاده از پایتون، ابتدا باید داده‌های مربوط به مصرف منابع و نیازهای هر ماشین مجازی را جمع‌آوری و پیش‌پردازش کرد. سپس با استفاده از الگوریتم کلاسترینگ (مانند K-means از کتابخانه scikit-learn)، ماشین‌های مجازی مشابه از نظر نیاز به منابع گروه‌بندی می‌شوند. پس از آن، با استفاده از الگوریتم ژنتیک (مثلاً با کتابخانه pygad)، تخصیص بهینه ماشین‌های مجازی به سرورهای فیزیکی انجام می‌شود تا مصرف انرژی کاهش یابد و منابع به طور مؤثرتر استفاده شوند. در این مرحله، تابع هزینه‌ای تعریف می‌شود که شامل پارامترهایی مانند مصرف انرژی و نقض SLA است، و الگوریتم ژنتیک بهینه‌سازی تخصیص‌ها را انجام می‌دهد. در نهایت، عملکرد سیستم با استفاده از معیارهای مختلف ارزیابی شده و نتایج به دست آمده می‌تواند منجر به بهبود قابل توجهی در بهره‌وری و صرفه‌جویی انرژی در دیتاسنترهای ابری شود.
دیتاست:
https://www.kaggle.com/datasets/ziya07/cloud-task-scheduling-dataset
مهارت ها و تخصص های مورد نیاز
مهلت برای انجام
1روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت پنج سال پیش
