استفاده از مدل نروفازی برای افزایش تحمل پذیری خطا در رایانش ابری

رایانش ابری مفاهیم محاسبات موازی و توزیعی را براساس تقاضای منابع به اشتراک میگذارد. تحمل پذیری خطا یکی از مهمترین نگرانیها برای اطمینان از در دسترس بودن و قابلیت اطمینان سرویسها ابر و همچنین اجرای درخواستهای کاربران است. خطاها باید پیش بینی و مدیریت شوند تا تاثیر آنها بر روی سیستم و اجرای درخواست های کاربران به حداقل برسد. در این مقاله، یک روش مبتنی بر نروفازی برای تشخیص و ارائه پاسخ مناسب با توجه به ماهیت خطا پیشنهاد شده است. روش پیشنهادی شامل دو سیستم تشخیص و تحمل پذیری است که به صورت موازی کار می کنند. سیستم تشخیص خطا وظیفه تحلیل دقیق ماهیت خطا و پیشبینی مبدا آن را بر عهده دارد. علاوه بر این، سیستم تحمل پذیری خطا برای ایجاد یک پاسخ مناسب به خطای پیشبینی شده طراحی شده است. برای شبیه سازی از داده های مربوط به شرکت ارتباطات داده ویتنام (VDC) استفاده شده است. آزمایشات همچنین حاکی از برتری روش پیشنهادی در مقایسه با الگوریتم FETLB است.

Keywords:

رایانش ابری , مدل نروفازی , تشخیص خطا , تحمل پذیری خطا.