ارائه یک روش تامین منبع فعالانه مبتنی بر پیشگویی برای زمان بندی گردش کار چندهدفه در رایانش ابری

به منظور مدیریت فعالانه بار کاری در طول اجرای برنامه کاربردی روی سیستم ابر، بار کاری باید از طریق یک روش مناسب پیشگویی شود و از طریق یک کنترل کننده سیستم مقیاس­پذیر تعداد منابع موردنیاز مدیریت شوند. از سوی دیگر زمان­بندی گردش­های کار به منظور بهره­وری منابع و برآورده کردن نیازمندی­های کیفی کاربران مختلف به نگاشت مناسب منابع ابری به وظایف گردش کار نیاز دارد. زمان­بندی گردش کار یک مسئله NP کامل است و الگوریتم­های تکاملی چندهدفه اغلب برای حل این مسائل مفید هستند. بیشتر کارهای گذشته تنها بر تامین منبع یا زمان­بندی اجرای گردش کارها تمرکز کرده­اند و تاکنون به ترکیب پویای آن ها توجه نشده است. براساس کمبودی که در این زمینه وجود دارد، در این مقاله یک استراتژی تامین منبع فعالانه با استفاده از شبکه عصبی رقمی­ساز بردار یادگیر (LVQ) برای پیشگویی بارهای کاری آینده ارائه می­شود و یک کنترل کننده سیستم فازی برای محاسبه تعداد مناسب منابع موردنیاز پیشنهاد می­شود که این منابع باید به سیستم اختصاص داده شوند. همچنین یک الگوریتم زمان­بندی مبتنی بر روش برنامه­ریزی خطی چندهدفه برای اجرای بارهای کاری روی منابع موجود پیشنهاد می­شود. در نهایت ارزیابی مقاله با سه نوع بارکاری واقعی انجام می­شود. نتایج آزمایش ها نشان می­دهند که روش پیشنهادی متوسط هزینه اجرا و زمان پاسخ را در مقایسه با کارهای انجام شده دیگر، کاهش و میزان بهره­وری منابع را افزایش می­دهد.

Keywords:

رایانش ابری , زمان بندی چندهدفه , خاصیت مقیاس پذیری , کیفیت سرویس , LVQ