ادغام پویای ماشین های مجازی در مراکز داده- قسمت ۱۴

۲۳: MigrationMapList.Add(findHostForVm);
۲۴: end foreach
۲۵: return MigrationMapList;

 
شکل ۳-۷ جایگذاری سلسله مراتبی VMها
بدین شکل با این سیاست تلاش در جلوگیری و کاهش انتقال بیهوده بار کاری از قفسه به سایر قفسهها میشویم و از سوی دیگر با وجود داشتن بار کاری مُکفّی درون قفسه سعی در توزیع بار کاری میزبانان فربار شدهی قفسه به سایر میزبانان میکنیم. این سیاست در سطح بالاتر (مرکز داده کوچک) نیز به همین شکل و منوال اعمال شده است. بدین صورت زمانی که مولفهای (مرکز داده کوچک و یا قفسه) فرابار نشده باشد اگر مولفه بزرگتری که عضوی از آن است فرابار شده باشد مولفه سطح پایینتر را در حالت لیست ممنوعه برای سایر مولفههای سطح بالاتر و در لیست کاندیدای مقصد برای سایر مولفههای دورن مولفه سطح بالاتر فعلی قرار گرفته میشود.
جایگذاری سلسله مراتبی ماشینهای مجازی درون میزبانان، قفسهها و مراکز داده کوچک
در آخرین گام اقدام به ارائه الگوریتمی به منظور جایگذاری ماشینهای مجازی مهاجر میکنیم. طبیعتا الگوریتم ارائه شده برای این بخش، نیز الگوریتمی سلسله مراتبی است و هدف آن تجمیع بارکاری در مولفههای (مراکز داده کوچک و قفسهها) کمتر به منظور کاهش مصرف انرژی است. همانطور که در الگوریتم ۳-۶ و شکل ۳-۷ نشان داده شده است در این بخش نیز باز از میان میزبانان کاندید، به عنوان کاندید مقصد برای ماشینهای مجازی که در دو الگوریتم قبلی ارائه شده، تعیین میشود قصد انتخاب مقصد را برای ماشین مجازی مذکور را داریم.
فصل چهارم پیادهسازی و ارزیابی الگوریتمهایپیشنهادی
 
مقدمه
در این فصل الگوریتمهای پیشنهادی فصل ۳ را در محیط شبیهساز CloudSim پیادهسازی، و با الگوریتمهای ارائه شده در سالهای اخیر مورد ارزیابی قرار میدهیم.
شبیه ساز CloudSim
بستری که برای شبیه سازی از آن استفاده شده است ابزار CloudSim میباشد[۳۷]. CloudSim به صورت کتابخانه ای از کلاس های زبان جاوا وجود دارد که دسترسی به کد آن نیز امکان پذیر میباشد. انتخاب این ابزار به دلیل ویژگیهای منحصر به فرد آن و اعتبار آن در ارزیابی مقالات علمی بوده است.
CloudSim که برای شبیه سازی محیط های رایانش ابری از آن استفاده میشود، در مقابلِ شبیه سازهای دیگر امکانات بسیاری فراهم کرده است. از جمله: اجازه مدل سازیِ محیط های مجازی سازی شده، پشتیبانی از تأمین منابع بر حسب تقاضا، مدیریت منابع و بسیاری از موارد دیگر است. همچنین در اینجا از نسخه (۳٫۰٫۳) این ابزار استفاده شده است که قابلیت پشتیبانی از مدیریت منابع به صورت آگاه از انرژی و استفاده از بارکاری پویا )به عنوان درخواست های ورودی( را نیز فراهم میکند.
بستر آزمایشی
مرکز دادهای که شبیهسازی شده است متشکل از ۸۰۰ ماشین فیزیکی یا میزبان میباشد که نیمی از آنها (۴۰۰ عدد) سرور های (HP ProLiant ML110 G4) هستند و نیم دیگر سرورهای (HP ProLiant ML110 G5) میباشند. فرکانس پردازنده هر سرور به درجه ی MIPS نگاشت شده و مشخصات آن ها در جدول ۴-۱ آورده شده است.
جدول ۴-۱ مشخصات سخت افزاری میزبانان [۲۸]

برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.

Server CPU Model Cores Frequency (MHz) RAM (GB)
HP ProLiant G4 Intel Xeon 3040 ۲ ۱۸۶۰ ۴
HP ProLiant G5 Intel Xeon 3075 الگوریتم ۳-۳ انتخاب روند آگاه VM
Input: MigratableVmList
Output: VmToMigrate
۱: foreachin MigratableVmList)
۲: if(vm.isInMigration())
۳: continue
۴: end if
۵: if ( > Max )
۶: Max=
۷: VmToMigrate=
۸: end if
۹: end foreach
۱۰:return VmToMigrate

در رابطه بالا بهرهوری پردازنده ماشین مجازی i ام است و مقدار j ام از تاریخچه میزان بهرهوری پردازنده ماشین مجازی i ام میباشد. پارامتر WS نیز (اندازه پنجره[۴۴]) برابر با تعداد عناصر تاریخچه میزان بهرهوری پردازنده ماشین مجازی است. مقدار اندازه پنجره توسط الگوریتم تپه نوردی بهینه شده و با مقدار ۱۵ تنظیم شده است.
تشخیص میزبانان فرابار
در این روش نیز مانند همه روشهای پیشین ارائه شده هر میزبان به صورت دورهای یک متد تشخیص میزبان فرابار را فراخوانی میکند. به منظور جلوگیری از تخطی از توافقات سطح سرویس و کاهش افت سرویس کیفی[۴۵] از این متد استفاده میشود. برای این بخش، روش رگرسیون محلی(LR) را بهبود داده؛ به شکلی که رگرسیون محلی را به منظور تخمین وضعیت آینده نه تنها برای بهرهوری پردازنده میزبان و بلکه برای تخمین آینده وضعیت آینده بهرهوری حافظه اصلی استفاده میشود. روش LR استفاده شده بر اساس روش Loess [46] میباشد.
الگوریتم پیشنهادی مدیریت سلسله مراتبی مراکز داده با در نظر گرفتن معماری مراکز داده و تجهیزات شبکه
مصرف انرژی که در کنار میزان تخطی از توافقات سطح سرویس یکی از دو معیار اصلی به منظور بررسی عملکرد مدیریت منابع مراکز داده مورد استفاده قرار میگیرد. آخرین بررسی های انجام شده درباره میزان مصرف انرژی مراکز داده نشان میدهد که مراکز داده، مسئولیت مصرف انرژی ۱٫۳ درصد از الکتریسیته کل جهان و ۲ درصد از الکتریسیته مصرفی ایالات متحده آمریکا را دارد[۴۷].
در حال حاضر حدود ۲۵ تا ۳۰ درصد از مصرف انرژی مراکز داده جهان(۳۰ میلیارد وات[۴۶]) توسط مراکز داده قرار گرفته در ایالات متحده مصرف میشود[۴۷]. علاوه بر این به طور تخمینی میزان توان مورد تقاضای مراکز داده به صورت سالیانه ۱۵ تا ۲۰ درصد افزایش مییابد[۴۸]. در اکثر روشهای ارائه شده مدیریت منابع با هدف کاهش مصرف انرژی تا حال حاضر، کوچ زنده ماشینهای مجازی در بین گرههای محاسباتی به عنوان یک استراتژی کارا و موثر مورد استفاده قرار گرفته است.
استراتژی استفاده شده با بررسی معیارهای ماشینهای مجازی و میزبانان و تخمین آینده آنها با توجه به وضعیت حال حاضر و تاریخچه خصیصههای آنها اقدام به اجرای سناریویی با محوریت کوچ ماشینهای مجازی و خاموش سازی میزبانان فروبار در راستای کاهش مصرف انرژی میکند.
 
 
 
 
 
 
تشریح مسئله
در کارهای پیشین ارائه شده مدیریت منابع و ماشینهای مجازی، کاملا یکپارچه و بی ساختار مورد استفاده قرار گرفته شده است. در اینجا به برخی از ابهامات و ساده سازیهای انجام گرفته در کارهای ارائه شده تا حال حاضر میپردازیم. مراکز داده در محیط رایانش ابری نقشی اساس را ایفا میکنند به شکلی که هر چه مرتبط به محیط رایانش ابری باشد بی ارتباط با مراکز داده درون آن نخواهد بود. بدین رو مراکز داده بویژه در مدیریت منابعی که خود جزئی از مراکز داده هستند بسیار حائز اهمیت هستند. اما در کارهای پیشین ارائه شده بدون در نظر گرفتن مفهوم مراکز داده و تجهیزات آن و ساختار مراکز داده، اندازه و توپولوژی انتقالات درون مراکز داده و تنها با در نظر گرفتن مدیریت میزبانان درون آن اقدام به مدیریت کلیه منابع کرده ایم که این به معنی القای مفهوم جزء به کل را داراست که فرض نادرستی میباشد. پس از این رو به منظور مدیریت منابع در لغت به معنای مدیریت کلیه منابع درون مرکز داده است و نه مدیریت تنهای میزبانان. پس به منظور کاهش مصرف انرژی و اثبات نادرستی فرضیات قبلی اقدام به مدیریت منابع مراکز داده با هدف کاهش مصرف انرژی و انجام مدیریتی جامع برای مراکز داده انجام خواهد شد.
یکی از مهمترین مسائلی که در کارهای پیشین اصلا توجهی به آن نشده است ساختار فیزیکی مراکز داده است که در مدیریت پویای منابع بسیار حائز اهمیت است. ساختار فیزیکی شامل تعداد لایه های قرار گیری، سوئیچها و تعداد آنها در هر لایه، کابل های ارتباط و سرعت آنها در بین لایه های مختلف و در نهایت تعداد میزبانان و نحوه قرار گیری آنها در قفسه[۴۷]ها است.
در این پایان نامه به منظور کاهش مصرف انرژی از کوچ زنده ماشینهای مجازی [۲۸] استفاده شده است. در کلیه کارهای ارائه شده میزان هزینهی مصرفی کوچ زنده[۴۸] هر ماشین مجازی را به اندازه ۱۰ درصد هزینه مازاد بر هزینه کلی ماشین مجازی در نظر گرفته اند که فرضی کلی و ناقص است؛ زیرا توجهی به ساختار فیزیکی مراکز داده نشده است. به عنوان مثال اگر یک مرکز داده دارای چندین ماژول و هر ماژول دارای چندین قفسه باشد (شکل ۳-۳)، انتقال یک ماشین مجازی از میزبانی به میزبان دیگر، شامل یکی از حالات زیر باشد:
– هر دو میزبان درون یک قفسه هستند.
– هر دو میزبان درون دو قفسه مختلف یک ماژول هستند.

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.

– هر دو میزبان درون دو ماژول مختلف هستند.
انتقالات فوق الذکر از لحاظ هزینه، زمان انتقال و مصرف انرژی متفاوت خواهند بود زیرا که تعداد سوئیچ های درگیر در انتقالات با یکدیگر متفاوت خواهند بود.
 

ادغام پویای ماشین های مجازی در مراکز داده- قسمت ۱۰

Servers

با توجه به ساختار مرکز داده (دولایه ای، سه لایه ای و …) میتوان میزان هزینه انتقال ماشینهای مجازی را به صورت دقیق محاسبه کرد. حال اگر بتوان بار کاری موجود را در تعداد کمتری قفسه و جایگذاری قفسهها در تعداد کمتری ماژول انجام داد، باعث کاهش مصرف انرژی به دلیل کاهش تعداد سوئیچهای درگیر خواهد شد و از سوی دیگر هزینه کوچ زنده ماشینهای مجازی (به دلیل کاهش تعداد سطوح انتقال) نیز کاهش خواهد یافت. اما این کل کاری که میتوان با مدیریت همه جانبه منابع مرکز داده انجام داد، نمیباشد. درون هر مرکز داده تجهیزات خنک کننده درون قفسه و محیط نیز در مصرف انرژی نقش بسیار مهمی ایفا میکنند[۳۵]. به عنوان نمونه قفسههای HP حاوی ۱۰ خنک کننده است که به طور میانگین حدود ۵۰۰ وات انرژی مصرف میکنند[۳۵]. Interconnected bay ها هم که میزبانان را به قفسهها متصل میکنند حدود ۱۳۳ وات انرژی مصرف میکنند. این گونه مصارف انرژی را حتی در زمانهایی که میزبانان را که هم در حالت خاموش قرار دارند وجود دارد. با استفاده بهینه و یا خاموش کردن برخی از سخت افزارها باعث کاهش مصرف انرژی خواهد شد[۳۵]. خاموش سازی قفسهها را با کمک تکنیک PDU از راه دور مثل APC’s Switched Rack PDU میتوان انجام داد[۳۵].
در کارهای پیشین، چیدمان، تعداد و محل قرار گیری میزبانان به هیچ وجه در نظر گرفته نشده است. در سیاست بخواب بردن میزبانان، میتوان در سطح قفسه و در سطح ماژول نیز تعمیم داد. در شکل ۳-۴ میزان و نحوه توزیع انرژی مصرفی در یک مرکز داده را نشان میدهد و مشخص میکند که میزان قابل توجهی از انرژی مصرفی در هر مرکز داده توسط سیستمهای خنک کننده، چراغها، ناکارآمدی UPSها و تجهیزات ارتباطی و … مورد مصرف قرار میگیرد[۴۹]. به عنوان نمونه سیستمهای خنک کننده در مراکز داده به تنهایی مسئولیت مصرف ۳۸ درصد از انرژی مصرفی هر مرکز داده را بر عهده دارد. در شکل ۳-۵ نیز میزان هزینههای مورد نیاز بخشهای مختلف در مرکز داده نشان داده شده است[۴۹].
شکل ۳-۴ انرژی مصرفی درون یک مرکز داده[۴۹]
شکل ۳-۵ هزینه ماهیانه یک مرکز داده متعلق به [۴۹]
بدین رو با خاموش سازی تمامی میزبانان درون یک قفسه و یا یک مرکز داده میتوان کلیه تجهیزات جانبی بخش مذکور را نیز از مدار مصرف انرژی خارج کرده و در نتیجه انرژی مصرفی کلی مرکز داده را کاهش داد. به عنوان مثال هر گاه در یک مرکز داده چندین قفسه با بهرهوری پایین(میزبانان با وضعیت فروبار و یا نزدیک فروبار) در حالت فعال قرار دارند؛ این امکان وجود خواهد داشت که بار کاری درون این قفسه ها را به صورت متمرکز درون یک و یا تعداد کمتری قفسه تجمیع کرده و میزان مصرف انرژی کلی را به دلیل خاموش سازی سایر تجهیزات قفسه و یا حتی ماژول های غیر فعال شده را کاهش داد؛ که این خود منجر به کاهش مصرف انرژی سوئیچهای سطوح بالاتر خواهد شد. در حل حاضر کاهش مصرف انرژی سیستمهای خنک کننده چالشی بزرگ محسوب میشود و میتوانیم با مجموعه سیاستهای مطرح شده به شکل قابل توجهی انرژی مصرفی آنها را کاهش داد. با توجه به ایدهها و چشم اندازهای پیش رو و ساختارمند کردن مدیریت بخشهای مختلف منابع میبایست منابع را به صورت سلسله مراتبی از پایینترین سطح (قفسهها و ماژولها) تا بالاترین سطح (مراکز داده) مدیریت کرد و یا اولویت انتقالات و جایگذاری ها را به ترتیب ذکر شده انجام داد.
توسعه شبیه ساز CloudSim
درون شبیه ساز CloudSim قابلیت ایجاد و تعریف مراکز داده، میزبانان وجود دارد؛ اما سایر تجهیزات و اجزای مرکز از قبیل سوئیچها، تجزیه بخشهای مختلف مرکز داده از قبیل مرکز داده کوچک[۴۹]، قفسهها تعریف نشده است.
بدین منظور برای ارائه و پیاده سازی سیستمی جهت مدیریت همه منظوره اجزای مرکز داده انتزاعات زیر را به شبیه ساز CloudSim اضافه کردهایم:
ایجاد شئ سوئیچ
ایجاد شئ قفسه
ایجاد شئ مرکز داده کوچک
ایجاد شئ واسط میان اشیاء بالا با میزبانان
ایجاد شئ محاسبه انرژی مصرفی سوئیچها
ایجاد شئ تشخیص سربار قفسهها و مراکز داده کوچک
الگوریتمهای ارائه شده برای معماری موجود
در این بخش اقدام به ارائه مدیریت پویای ماشینهای مجازی بر اساس معماری فوقالذکر خواهیم پرداخت به شکلی بر خلاف تمامی کارهای قبلی انجام شده سعی در کاهش مصرف انرژی میزبانان و سوئیچهای درون مراکز داده خواهیم پرداخت. بدین منظور میبایست به ترتیب سلسله مراتبی از کوچکترین واحد (میزبان) تا بزرگترین واحد(مرکز داده) مورد استفاده قرار بگیرد. در تحقیق انجام شده اقدام به ارائه سه الگوریتم به منظور مدیریت سلسله مراتبی منابع برای سه بخش شناسایی میزبانان، قفسهها و مراکز داده کوچک فرابار، شناسایی میزبانان، قفسهها و مراکز داده کوچک فروبار و جایگذاری سلسله مراتبی ماشینهای مجازی درون میزبانان، قفسهها و مراکز داده کوچک ارائه شده است.
یافتن میزبانان، قفسهها و مراکز داده کوچک فروبار
روش ارائه شده به منظور شناسایی مولفههای فروبار در الگوریتم ۳-۴ و شکل ۳-۶ ارائه شده است. در اولین گام تعداد مراکز داده کوچک، قفسهها و میزبانان فعال مورد نیاز را بر اساس بهرهوری فعلی مرکز داده تخمین میزنیم. سپس سعی در خاموش سازی همه مولفههای باقی مانده مرکز داده خواهیم کرد. ابتدا لیست همه میزبانان سایر مولفهها را تهیه (excludedHostsForFindingNewVmPlacement) میکنیم. همه ماشینهای مجازی از سایر میزبانان درون
مولفههای کاندید خاموش شدن را انتخاب و در لیست vmsToMigrateFromUnderUtilizedHost اضافه و مقصدی برای هر یک انتخاب میکنیم.

منبع فایل کامل این پایان نامه این سایت pipaf.ir است

الگوریتم ۳-۴ شناسایی سلسله مراتبی میزبانان فروبار
Input: OverUtilizedHostsList
Output: MigrationMapList
۱: MinActiveMDC = ComputeMinMDCs();
۲: MinActiveRack = ComputeMinRacks();
۳: MinActiveHost = ComputeMinHosts();
۴: MDCList.SortDecreasingBasedOnUtilization();
۵: RackList.SortDecreasingBasedOnUtilization();
۶: HostList.SortDecreasingBasedOnUtilization();
۷: MigrationMapList = null;
۸: while (MigrationMapList == null )
۹: if (MinActiveMDC >= 2 )

تاثیر ترکیب جنگل طبیعی و مصنوعی و برخی ویژگی‌های خاک بر زی‌توده کرم خاکی- …

در نتیجه بهره‌برداری نادرست جنگل کم بازده به وجود می‌آید. جنگلکاری به صورت خالص و آمیخته اثرات متفاوتی دارد که از طریق کیفیت لاشریزه و نوع هوموس و میزان لیگنین برگ این اثرات بارزتر می‌شوند و بر خاک تاثیر می‌گذارد. در جنگل‌های کم بازده زنجیره‌های غذایی خاک و درختان آسیب دیده است در نتیجه تاثیر بر خاک می‌گذارند و جانداران از آن متاثر می‌شوند. کرم‌های خاکی به دلیل آنکه بالاترین زی‌توده را در جانوران خاکزی دارند حائز اهمیت هستند و تاثیر بسیاری بر ماده آلی و عناصر غذایی دارند که در این میان، ماکروفون مهمترین آنها در اکوسیستم است، زیرا در تجزیه مواد مغذی خاک شرکت کرده و دارای اثرات مفید در زنجیره مواد غذایی است(بوسیت و همکاران، ۲۰۰۴). لذا در این تحقیق بر آن است تاثیر شرایط تولیدی یا کم بازده بودن و همچنین جنگلکاری و نوع آن را بر زی‌توده کرم خاکی ارزیابی گردد لذا سوالات اساسی تحقیق به شرح زیر است:
۱) آیا زی‌توده کرم خاکی در توده تولیدی انجیلی -ممرز بیشتر از توده کم‌بازده است؟
۲) آیا توده‌های مصنوعی، زی‌توده کرم خاکی متفاوتی دارند؟
۳) آیا همبستگی ویژگی‌های شیمیایی خاک مورد بررسی با زی‌توده کرم خاکی وجود دارد؟
۴) آیا زی‌توده کرم خاکی در طول زمان در ۶ توده متفاوت است؟
فرضیه ها:
۱) در توده ی تولیدی انجیلی-ممرز زی‌توده کرم خاکی بیشتر از توده کم ‌بازده انجیلی-ممرز است.
۲) توده‌های مصنوعی زی‌توده کرم خاکی متفاوتی نسبت به یکدیگر دارند.
۳) همبستگی معنی داری بین ویژگی‌های شیمیایی خاک مورد بررسی با زی‌توده کرم خاکی وجود دارد.
۴)زی‌توده کرم خاکی طی مدت یک سال در ۶ توده دارای تغییرات معنی داری است.
فصل دوم
بررسی منابع
جوانشیر (۱۳۷۰)، در مقاله خود تحت عنوان “سایه‌های حیات بخش” بیان می‌کند بایستی توجه داشت که سایه‌های حیات بخش جنگل شرایط مساعدی را به وجود می‌آورند که موجودات خاکزی به شدت به آن وابسته می‌باشند. در صورتی که دخالت انسان تعادل این محیط حیات بخش را برهم زند، بیاری از این موجودات که حضور آنها موجب افزایش تنوع زیستی اکوسیستم جنگل است حذف خواهند شد.
مطالعه انجام شده توسط رحمانی و صالح راستین (۱۳۷۹) منطقه نکا نشان داد که تعداد بیوماس کرم خاکی در بهار و پاییز افزایش می‌یابد و بهترین زمان برای نمونه گیری از جمعیت کرم خاکی اردیبهشت و آبان ماه می‌باشد، همچنین نتیجه گیری شد که ۶۵ تا ۷۰ درصد از بیوماس کرم خاکی در لایه ۱۰ – ۰ سانتی متری خاک قرار دارد.
اشجع (۱۳۸۱) به این نتیجه رسید که تفاوت تعداد بیوماس جمعیت کرم خاکی در لایه هوموس و عمق ۱۰ سانتی متری خاک نسبت به عمق ۲۰ سانتی متری قابل توجه است که نشان دهنده فعلیت بیشتر کرم خاکی در لایه‌های بالایی خاک و لایه هوموس است. این تفاوت به دلیل نامناسب شدن شرایط زیستی ( تهویه، غذای مناسب و رطوبت) برای کرم خاکی در نتیجه افزایش عمق خاک می‌باشد.
صالحه شوشتری(۱۳۸۱) در بررسی تحت عنوان “گزارش طرح پیشاهنگ اصلاح و توسعه بیشه زارهای حاشیه رودخانه‌های استان خوزستان با گونه‌های درختی و درختچه‌ای بومی و غیر بومی” به این نتیجه رسید که در مورد جانداران خاکزی نیز که از اجزای مهم و کلیدی در هر سیستم اکولوژیکی هستند و در بهبود حاصلخیزی خاک و تولیدات زمین و پایداری اکوسیستم (از طریق فرآیندهای بیولوژیک) نقش عمده دارند غفلت شده است.
رحمانی و زارع مایوان(۱۳۸۲)، در ” بررسی و ساختار اجتماع بی‌مهرگان خاکزی در تیپ‌های جنگلی راش، ممرز و بلوط – ممرز” نشان دادند تنوع زیستی در تیپ راش بیشتر از تیپ‌های ممرز و بلوط – ممرز بوده است.
رحمانی و محمد نژاد کیاسری (۱۳۸۲)، در بررسی “ارتباط بین فراوانی هزارپا با ترکیب عناصر غذایی لاشبرگ در مناطق جنگل کاری شده مازندران” به این نتیجه رسیدند که گونه‌های درختی کاشته شده در جنگلکاری از طریق ترکیب عناصر غذایی لاشبرگ بر فراوانی جمعیت هزارپا و مقدار تجمع ماده آلی در لایه لاشبرگ موثر بوده اند.
ایران نژاد(۱۳۸۴) به این نتیجه رسید که رابطه معنی داری بین مقدار مواد آلی و مقدار رس خاک با فراوانی کرم‌ها وجود دارد و بین تعداد، بیوماس و تراکم جمعیت‌ کرم‌های خاکی و مواد آلی خاک رابطه مثبت وجود دارد.
محمدنژاد کیاسری و همکاران(۱۳۸۷) در پژوهشی تحت عنوان ” مقایسه تنوع بی‌مهرگان خاکزی در عرصه‌های جنگل طبیعی و جنگل کاری منطقه ساری” بیان نمودند که مجموعه عوامل پوشش گیاهی، شرایط محیطی و کیفیت تغذیه‌ای لاشبرگ و خاک بر ترکیب و تراکم ماکروفون خاک اثرگذار است.
متین زاده و همکاران(۱۳۸۷) طبق بررسی‌های انجام شده در چهار رویشگاه ارس به این نتیجه رسیدند که زیر تاج پوشش محیط غنی تری به لحاظ فعالیت میکروارگانیسم‌های خاک و گسترش ریشه‌های ارس است. همچنین در فصل بهار فعالیت بیشتری در مقایسه با اوایل پاییز داشته و تحت تاثیر دوره خشکی و گرمای تابستانه از فعالیت میکروارگانیسم‌ها کاسته می‌شود.
کوچ و همکاران (۱۳۸۸)، با بررسی ” توزیع و پراکنش کرم‌های خاکی و ارتباط آن‌ها با برخی ویژگی‌های فیزیکوشیمیایی خاک ” بیان کردند بین تعداد و زیتوده کرم های خاکی با C/N خاک، زیتوده کرم های خاکی با کربن خاک رابطه منفی معنی دار و بین تعداد کرم های خاکی با زیتوده آن ها رابطه مثبت معنی داری وجود دارد.
عباسی و حبشی (۱۳۸۹) دریافتند بین بیوماس و فراوانی کرم خاکی با مقدار ماده آلی خاک ارتباط مثبت و معنی داری وجود دارد.
موسوی و رئ

برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.

یسی (۱۳۸۹)، دریافتند که کاربرد همزمان مواد آلی و کرم‌های خاکی نوع آنسیک کمک شایانی به بهبود ساختمان خاک‌های مناطق خشک و نیمه خشک می‌نماید.
غلامی و همکاران (۱۳۸۹) در تحقیقی تحت عنوان ” تجزیه و تحلیل تغییرات مکانی ماکروفون خاک در جنگل‌های حاشیه رودخانه کرخه ” دریافتند که فراوانی، یکنواختی، غنا و تنوع ماکروفون خاک دارای الگوی توزیع مکانی مشخص و پیوستگی مکانی متوسط هستند.
غلامی و همکاران (۱۳۹۰) در تحقیقی تحت عنوان ” تغییرات مکانی بایومس ماکروفون و ویژگی‌های خاک در جنگل‌های حاشیه رودخانه کرخه ” دریافتند که بایومس ماکروفون و ویژگی‌های خاک دارای الگوی توزیع مکانی مشخص و پیوستگی مکانی متوسط هستند. تجزیه و تحلیل ساختار مکانی بایومس ماکروفون و ویژکی‌های خاک نشان داد که واریانس مولفه ساختارری بر واریانس مولفه تصائفی غلبه دارد.
محمد نژاد کیاسری و همکاران (۱۳۹۰) در تحقیقی تحت عنوان ” مقایسه تنوع بی‌مهرگان خاکزی در عرصه‌های جنگل طبیعی و جنگل کاری‌های منطقه ساری” بیان کردند که عرصه‌های جنگل کاری توسکا از بالاترین میزان تنوع بی‌مهرگان خاکزی برخوردار بوده و شرایط آن بهتر از عرصه جنگل طبیعی نیز بوده است.
صالحی و همکاران (۱۳۹۰)، ” با بررسی و مقایسه ویژگی‌های فیزیکی و شیمیایی خاک در جنگل‌های کمتر تخریب یافته و تخریب یافته زاگرس”بیان کردند نتایج همبستگی بین خصوصیات خاک و مشخصه های کمی درختان نشان داد که در منطقه کمترتخریب یافته، درصد تاج پوشش، قطر برابر سینه و جرم مخصوص ظاهری همبستگی منفی C/N ارتفاع درختان با کربن آلی، فسفر و نیتروژن همبستگی مثبت و با نسبت دارد. وجود درختان و عدم قطع و سر شاخه زنی آنها در منطقه کمترتخریبیافته سبب شکل گیری شرایط مناسب تر خاک شده است.
مقیمیان و کوچ (۱۳۹۲)، در تحقیقی تحت عنوان ” تاثیر برخی عوامل فیزیوگرافی و فیزیکوشیمیایی خاک رویشگاه جنگلی ممرز بر زی‌توده کرم خاکی ” بیان کردند که مقادیر اسیدیته، وزن مخصوص ظاهری، رطوبت اشباع وبافت خاک دارای تفاوت‌های معنی داری در بین کلاسه های شیب و جهت های جغرافیایی بوده اند. مقادیر نیتروژن و نسبت کربن به نیتروژن به ترتیب تفاوت های معنی داری را در بین جهت های جغرافیایی و کلاسه‌های شیب نشان داد. خصوصیات فیزیکوشیمیایی مورد بررسی تفاوت های معنی داری را در بین کلاسه های ارتفاعی نشان نداد. تعداد و زی توده اپی ژئیک ها تفاوت های آماری معنی داری را در بین کلاسه های مختلف شیب و جهت های جغرافیایی نشان داد. اپی ژئیک ها بیش تر در لایه های سطحی خاک(۱۰ – ۰ سانتی متری)، آنسئیک ها و اندوژئیک ها بیش ترین فعالیت خود را در عمق های پایین تر (۲۰ – ۱۰ و ۳۰ – ۲۰) سانتی متری نشان دادند.
ایزدی (۱۳۹۲)، در تحقیق خود تحت عنوان ” تغییرات تنوع جانوران درشت خاک در راسته‌های هوموس جنگل آموزشی دکتر بهرام نیا ” به این نتیجه رسید که با افزایش ضخامت لایه‌های آلی (L, F, H) به خصوص لایه H تنوع و فراوانی زی‌توده افزایش می‌یابد.
بیرانوند (۱۳۹۲)، در برآورد جمعیت کرم خاکی و ارتباط آن با برخی از ویژگی‌های فیزیکی و شیمیایی خاک در یک جنگل دانه زاد بلوط ایرانی به این نتیجه رسید که تراکم و وزن خشک کرم خاکی و همچنین میزان نیتروژن و ماده آلی در لایه اول نسبت به لایه‌های زیرین بیشتر بوده است.
وود[۳۵] (۱۹۹۰) در پژوهشی تحت عنوان ” بیولوژی خاک ” بیان می‌کند بی‌مهرگان خاکزی در مصرف انرژی لاشریزه‌ها تاثیر مهمی ندارند، بلکه اهمیت رفتار اکولوژیک آنها در خرد و ریز کردن لاشریزه‌ها و فراهم آوردن سطح بیشتر و محیط مساعدتر برای فعالیت‌های میکروبی و تجزیه کنندگان می‌باشد.
دیندال[۳۶] (۱۹۹۰)، در پژوهشی تحت عنوان”بیولوژی و اکولوژی کرم خاکی” بیان می‌کند اندازه تغییر به نوع، شدت و طول مدت تخریب حاصل از فعالیتهای انسان وابسته است. بین حاصلخیزی خاک و تعداد بی‌مهرگان خاک و تنوع زیستی ارتباط وجود دارد. نوع و تعداد بی‌مهرگان خاکزی و فعالیت‌های زیستی آنها نمایانگر وضعیت تشکیل خاک، الگوهای توالی پوشش گیاهی و تخریب محیط در رویشگاههای معین می-باشد. بنابراین تخریب محیط زیست بیمهرگان خاکزی موجب تغییر تنوع و ساختار اجتماع آنها میشود. به این ترتیب ویژگیهای بی‌مهرگان خاکزی، شاخصی است که میتواند در مناطق بهرهبرداری شده، نشانگر وضعیت تخریب و در اجرای طرحهای بازسازی و احیاء نشانگر روند بازگشت تعادل به اکوسیستم باشد. در نتیجه تنوع و ساختار بی‌مهرگان خاکزی را میتوان به عنوان معیار برای آگاهی از چگونگی تاثیر عملیات اجرایی مدیریت بر اکوسیستمهای جنگلی مورد استفاده قرار داد.
مارینیسن و د رویتر[۳۷] (۱۹۹۳)، در تحقیقی تحت عنوان “سهم کرم‌های خاکی در چرخه کربن و نیتروژن در اکوسیستم‌های کشاورزی” دریافتند که کرمهای خاکی ممکن است مستقیما در تجزیه مواد آلی و معدنی شدن نیتروژن شرکت کنند. آنها با تاثیر گذاری بر نرخهای رشد دیگر جمعیت ارگانیسم های خاک، با تاثیرگذاری بر رطوبت خاک و ایجاد فضا در ساختمان خاک، با خرد کردن و پراکنش دوباره مواد گیاهی و دفع کردن عناصر غنی، همکاری و کمک مستقیم به بهبود شرایط خاک میکنند.
بگون[۳۸] (۱۹۹۵)، در تحقیقی تحت عنوان” افراد جمعیت و جوامع” بیان می‌کند تغییرات طبیعی اکوسیستم در طول زمان (توالی) موجب تغییر یا توالی اجتماع بی‌مهرگان خاکزی و با توجه به اینکه تنوع و ساختار اجتماعی با مرحله‌های توالی تغییر میکند ، میتوان نتیجه گرفت که بین تنوع و
ساختاراجتماع بی‌مهرگان خاکزی با مرحله‌های توالی ارتباط وجود دارد.
گونزالز و همکاران [۳۹]به این نتیجه رسیدند که تغییر ترکیب گونه‌های گیاهی و ویژگی های خاک بین جوامع گیاهی باعث تغییر در فراوانی و الگوی پراکنش کرمهای خاکی در جنگل های مرطوب گرمسیری می شود.
شوئن هولز و همکاران[۴۰] (۲۰۰۰)، در تحقیقی تحت عنوان” بررسی مواد شیمیایی و فیزیکی خاک به عنوا ن شاخص کیفیت جنگل” بیان میکند گیاهان و عوامل زنده دیگر بر روی خصوصیات فیزیکی و شیمیایی خاکها تاثیر میگذارند. اکولوژیستها همیشه به دنبال شناخت ارتباط ویژگیهای خاک با پوشش گیاهی بودهاند و این کار را در مواردی به منظور ارزیابی توان رویشگاه انجام میدهند.
گرین کارتن و دوتچ[۴۱] (۲۰۰۱)، در تحقیقی تحت عنوان “مقایسه واریوگرامها و مدل سازی” بیان می کند که جانداران خاکزی، در فرآیندهای خاک نقش مهمی داشته و در چرخه مواد غذایی و انرژی که رشد گیاهان به آن وابسته است عامل اصلی محسوب می شوند.