چکیده:

پیدایش محاسبات ابری به عنوان یک مدل جدید از ارائه خدمات در سیستم های توزیع شده می باشد که محققان را تشویق به جستجوی ایده هایی برای ارائه هر چه بهتر خدمات به کاربران می کند تا از طریق آنها همه مردم از هر جای جهان بتوانند از منابع محاسباتی، ذخیره سازی و نرمافزارها به راحتی استفاده کنند. یکی از چالش برنگیزترین مسائل در ابرها استراتژی زمان بندی است. زمانبدی کار در محیط ابر، یک مسئله بهینه سازی بسیارسخت است و الگوریتم های فرا مکاشفه ای بسیاری برای حل آن پیشنهاد شدهاند. یک زمانبندی کار خوب باید استراتژی زمانبندی را با محیط در حال تغییر و انواع کارها، منطبق نماید. در این مقاله یک سیاست زمانبندی کار در ابر بر اساس الگوریتم بهینه سازی فاخته در مقایسه با الگوریتمهای زمان بندی مختلف Min-min و round-robin معرفی شده است. هدف اصلی از این الگوریتم به حداقل رساندن makespan یا مجموعه کارهای دادهشده است. بهینهسازی فاخته، روش جستجو بهینه سازی تصادفی است که برای تخصیص کارهای وارده به ماشینهای مجازی، استفاده می شود. الگوریتم، با استفاده از نرمافزار Cloudsim شبیهسازی شده است. نتایج تجربی، نشان داده است که الگوریتم بهینه سازی فاخته عملکرد بهتری نسبت به الگوریتمهای Min-min و round-robin داشته است.

واژههای کلیدی: زمانبندی کار، الگوریتم فاخته، الگوریتمهای فرا اکتشافی، رایانش ابری

مقدمه

رایانش ابری به یک الگوی جدید برای تأمین منابع محاسباتی مختلف، تبدیلشده است کهمعمولاًبه سه جنبه اساسی رسیدگی مینماید: زیرساخت بهعنوان سرویس۱، پلت فرم بهعنوان خدمات۲ و نرمافزار بهعنوان خدمات.(Weiss,2007) 3 با توجه به رشد سریع رایانش ابری در چشمانداز IT، چندین تعریف از رایانش ابری پدید آمده است. موسسه ملی فناوری و استانداردها۴ رایانش ابری را این گونه تعریف میکند: محاسبات ابری مدلی است برای توانمندسازی دسترسی فراگیر، راحت و تقاضا محور شبکه ای به مجموعه ای از منابع محاسباتی اشتراکی و قابل پیکربندی از قبیل شبکه ها ، سرویس دهنده ها ، فضای ذخیره سازی ، سرویس های کاربردی و سایر سرویس ها، که می توان به سرعت انها را تامین کرد و با کمترین تلاش و تماس با مدیر سرویس دهنده، آن ها را نهایی و قابل استفاده نمود . پشتیبانی از تکنولوژی مجازیسازی پلتفرم ابر، مراکز مهم را قادر می سازد تا منابع محاسباتی را بهصورت ماشینهای مجازی۵ به کاربران اجاره دهد .(chang et al,2010) ازآنجاکه صدها هزار نفر از ماشین های مجازی استفاده میکنند، تخصیص دستی وظایف به منابع محاسباتی در ابرها دشوار است .(Qiyi, Tinglei,2010) بنابراین ما نیاز به یک الگوریتم کارآمد برای زماننبدی کار در محیط ابر داریم. یک زمانبند کار خوب باید استراتژی زماننبدی خود را با محیط در حال تغییر و نوع کار وفق دهد (chang et al, 2009)؛ بنابراین، یک الگوریتم زمانبندی کار پویا، مانند بهینهسازی فاخته(COA)5، برای ابرها، مناسب است. الگوریتم COA یک الگوریتم جستجوی تصادفی است (رجبیون،.(۲۰۱۱ بسیاری از محققان از COA برای حل مسائل NP-Hard مانند مسئله فروشنده دورهگرد، رنگآمیزی گراف، مسئله مسیریابی وسیله نقلیه و مسئله زماننبدی استفاده کردهاند. در این مقاله، ما از الگوریتم COAبرای یافتن تخصیص منابع بهینه برای انجام کارها در سیستم ابر پویا برای به حداقل رساندن makespan کارها در کل سیستم، استفاده نمودیم. سپس، این استراتژی زماننبدی را با استفاده از CloudSim شبیهسازی کردیم. نتایج تجربی را با الگوریتم Min-min و round-robin نشان داد که الگوریتم COA انتظارات را برآورده می سازد.

۱ Software as a service 2 Platform as service 3 Infrastructure as service

۴ National Institute of standard and Technology (NIST) 5 Cuckoo Optimization Algorithm

×اولین همایش ملی پیشرفت های تکنولوژی در مهندسی برق، الکترونیک و کامپیوتر

First National Conference of Technology Developments on Electronical, Electronics and Computer Engineering×
. . . W W W . T D E C O N F . I R . . .

ترتیب مقاله به شرح زیر است. در بخش ۲، پیشینه را معرفی مینمایم. بخش ۳، اساس COA و اطلاعات مربوط به زماننبدی مبتنی بر الگوریتم COA را پوشش میدهد. ابزار CloudSim در بخش ۴ ارائهشده است.. پیادهسازی و شبیهسازی نتایج در بخش ۵ دیده میشود. درنهایت، بخش ۶، این مقاله را نتیجهگیری می نماید.