مقایسه تکنیک های خوشه بندی تحمل پذیر خطا برای زمانبندی جریان های کاری علمی در رایانش ابری

خوشه بندی وظایف یکی از روشهای موثر برای کاهش سربار اجرا و بهبود درشت دانه گی محاسباتی وظایف در جریان های کاری علمیدر رایانش ابری است. با این حال، هزینه شکست یک کار شامل چندین وظیفه می تواند بسیار بیشتر از هزینه شکست یک کار تکوظیفه ای باشد. تاکنون تکنیک های خوشه بندی و بازخوشه بندی مختلفی برای تحمل پذیری خطا ارائه شده است. در این مقاله، کاراییاین تکنیک ها بر کاهش ز مان تکمیل شدن وظایف در پنج جریان کاری علمی تحت تاثیر شکست های گذرا مورد بررسی و مقایسه قرارمی گیرد. نتایج ارزیابی نشان میدهد تکنیک های بازخوشه بندی که در تعیین تعداد وظایف هر خوشه به نرخ شکست توجه دارند می-توانند در مقایسه با دیگر تکنیک ها بطور قابل توجهی در کاهش زمان اجرای وظایف یک جریان کاری موثر باشند.

Keywords:

زمانبندی وظایف , تحمل پذیری خطا , خوشه بندی , رایانش ابری