مصطفی قبائی آرانی - دانشکده فنی مهندسی - دانشگاه آزاد اسلامی مولفه قم

کشسانی، به‌عنوان یک از مهم‌ترین ویژگی‌هایی محسوب می‌شود که فناوری رایانش ابری را از دیگر فناوری‌های رایانش توزیعی، متمایز می‌کند. این ویژگی، از این حقیقت بهره می‌گیرد که فرایند تخصیص دهی منابع، به‌عنوان رویه‌ای محسوب می‌شود که می‌توان آن را به‌صورت پویا اجرا نمود. ارائه راهکاری کارامد برای بهبود خاصیت کشسانی هم برای ارائه‌دهندگان و هم برای کاربران سرویس‌های رایانش ابری مفید و کارآمد واقع خواهد شد. ارائه‌دهندگان خواهند توانست با راهکاری که در این مقاله طراحی، ارزیابی و توسعه داده خواهد شد، خاصیت کشسانی سرویس‌های ابری خود را ارزیابی کرده و آن‌ها را بهبود بخشیده و مزیت کمی یا کیفی خود در رقابت با سایر رقبا را افزایش دهند. در این مقاله، راهکاری ترکیبی برای بهبود خاصیت کشسانی با استفاده مدیریت بافر و مدیریت متمرکز کشسانی ارائه می‌شود. مدیریت بافر وظیفه کنترل صف ورودی درخواست را به عهده دارد و مدیریت کشسانی با استفاده از یادگیری تقویتی، کنترل خاصیت کشسانی سیستم را به عهده دارد. مؤثر بودن راهکار پیشنهادی تحت سه بار کاری واقعی Google Cluster، Yahoo Cluster و Wikipedia ارزیابی شده است. نتایج آزمایشات نشان می‌دهد که راهکار پیشنهادی در مقایسه با دو راهکار CTMC و ControCity موجب کاهش زمان پاسخگویی 15.2 درصد، و افزایش بهره‌وری به میزان 13.2 درصد و افزایش خاصیت کشسانی را درحد 19.8 درصد نشان می‌دهد.

خاصیت کشسانی, مدیریت بافر, یادگیری تقویتی, رایانش ابری