مقیاس بندی خودکار منبع ابری: رویکردهای نوین در گزینش VM مازاد

ارائه دهندگان سرویس کاربرد (ASP) با هدف کاهش هزینه های مالی به اجاره ماشین مجازی (VM) ارائه شده در محیط ابری روی می آورند. مهمترین مشخصه رایانش ابری که می تواند به ASP در کاهش هزینه کمک کند، خاصیت مقیاس پذیری منابع ابری است. از این رو ASP با تدارک مکانیزمی جهت مقیاس بندی خودکار منابع اجاره شده، سعی می کند از تامین بیش از نیاز و تامین کمتر از نیاز جلوگیری کند. محققان به ارائه مکانیزم ها و بررسی پارامترهای موثر در تصمیم گیری این مکانیزم می پردازند. اما به جز نحوه دستیابی به یک تصمیم مقیاس بندی، چگونگی اجرا کردن تصمیم از اهمیت بالایی برخوردار است. از دید نویسندگان این مقاله، اینکه در هنگام اجرای تصمیم مقیاس بندی پایین کدام ماشین اجاره شده برای آزادسازی انتخاب شود یک چالش اساسی است که می تواند در عملکرد مکانیزم تاثیرگذار باشد. در این مقاله با شبیه سازی چرخه کامل مدیریت خودکار منابع در شبیه ساز کلادسیم ، رویکردهای نوینی برای گزینش VM مازاد ارائه می شوند. تفاوت چشمگیر در نتایج و عملکرد مکانیزم مقیاس بندی در اثر اعمال هر کدام از رویکردهای پیشنهادی، بر اثربخشی و اهمیت سیاست گذاری در گزینش VM مازاد دلالت می کنند. همچنین نتایج نشان داد که رویکردهای آگاه به بار می توانند به بهبود کیفیت سرویس (۱۸ %) از لحاظ کمی و کیفی و رویکرد آگاه به هزینه به کاهش هزینه (۲۰ %) کمک کنند.

Keywords:

رایانش ابری , مقیاس بندی خودکار , کیفیت سرویس , ماشین مجازی