رویکرد تخصیص منبع کارا برای پردازش داده های حوزه سلامت در محیط رایانش ابری

امروزه، پردازش داده های مراقبت های بهداشتی رسانه های بزرگ در ابر به راه حلی موثر برای برآورده کردن تقاضاهای کیفیت سرویس کاربران پزشکی تبدیل شده است. اما فراهم ساختن مراقبت های بهداشتی برای جامعه فعالیتی پیچیده است که شدیدا متکی بر پردازش اطلاعات است و پردازش داده های حوزه سلامت می تواند برای سازمان ها بسیار هزینه بر باشد. بر همین اساس امروزه، پردازش داده های حوزه سلامت رسانه های بزرگ در ابر به راه حلی موثر جهت مرتفع سازی تقاضاهای کیفیت سرویس کاربران حوزه بهداشت و سلامت تبدیل شده است. بر همین اساس در این مقاله، یک راهکار فازی برای تعیین ابر بهینه با استفاده از تکنیک پیش بینی منابع ارائه می شود. همچنین به منظور ایجاد توازن در حین پردازش وظایف از تکنیک مهاجرت ماشین مجازی مبتنی بر انتخابگر فازی جهت انتقال ماشین مجازی از یک سرور با بار زیاد به یک سرور کم بار استفاده می شود. ساختار معماری پیشنهادی شامل دو بخش محلی و سراسری است که برای تحویل درخواست به قسمت سراسری باید ابتدا قسمت محلی بررسی گردد، در صورت نداشتن شرایط، درخواست به قسمت سراسری تحویل داده می شود. در واقع معماری پیشنهادی به صورت سلسه مراتبی عمل می کند و در ابتدا لیست درخواست های رسیده ایجاد می گردد سپس با استفاده از راهکار پیشنهادی، میزان منابع موجود تخمین زده می شود و بر اساس آن، تخصیص منبع جهت پردازش انجام می گیرد. جهت ارزیابی از شبیه ساز Cloudsim استفاده شده است و با توجه به پارامترهای مختلف، راهکار پیشنهادی با الگوریتم های FAHP و ICA-K-Means مورد مقایسه قرار گرفته است. نتایج حاصل از شبیه سازی نشان می دهد که راهکار پیشنهادی در مقایسه با الگوریتم FAHP به میزان ۱۰درصد و نسبت به ICA-K-Means به میزان ۱۲درصد کاهش هزینه بوجود آمده است. همچنین تعداد درخواست های رد شده نیز به همین صورت و به نسبت الگوریتم FAHP به میزان ۸ درصد و نهایتا در مقایسه با ICA-K-Means به میزان ۷درصد افزایش بهره وری منابع بوجود آمده است.

Keywords:

تخصیص منابع , رایانش ابری , کنفدراسیون ابر , کیفیت خدمات , انتخابگر فازی , داده های حوزه سلامت