ارائه یک روش جدید جهت افزایش توازن بار در محیط رایانش ابری مبتنی بر الگوریتم ژنتیک بهبود یافته
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 5
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSCIT-12-4_004
تاریخ نمایه سازی: 25 مهر 1403
Abstract:
با پتانسیل بالایی که رایانش ابری برای ذخیره سازی و پردازش داده ها، از راه دور دارد، این فناوری نمونه ای جدید از محاسبات را ارائه داده است. در محیط های ارائه دهنده خدمات ابری، ماشین های مجازی از چندین سازمان روی همان سرور فیزیکی قرار داده شده اند که باعث می شود بازده مجازی سازی به حداکثر میزان خود برسد. در چنین زیرساخت مقیاس پذیری، بدون فراهم کردن راهکارهائی جهت مدیریت بارهای ترافیکی و پخش آنها بین سایر گره ها، می تواند سبب ایجاد گلوگاه و ازدحام شود. درنتیجه نیاز به راهکارهایی جهت متوازن نمودن بار و پخش آن در بین سایر گره های پردازشی است. در این مقاله یک راهکار پیشرفته مبتنی بر الگوریتم ژنتیک بهینه یافته به منظور زمان بندی و ایجاد توازن بار در زیرساخت ابری ارائه میشود، بر همین اساس پارامترهای بررسی منبع به الگوریتم اضافه شده است تا قبل از زمان بندی، وضعیت منابع نیز موردبررسی قرار گیرد. درواقع تکنیک پیشنهادی از طریق تخصیص بهینه وظایف به سرورهای پردازشی، از افزایش بیش از حد یا کم باری در سرورها جلوگیری بعمل می آورد. همچنین سرورهائی که دارای بار زیاد هستند و بعبارتی دچار ازدحام شده اند، با استفاده از مهاجرت ماشین مجازی، وظایف آنها به یک سرور دیگر انتقال داده می شوند تا از این طریق زمینه سازی افزایش توازن بار در زیرساخت ابری فراهم شود. در پایان راهکار پیشنهادی از طریق شبیه ساز کلودسیم و با آزمایش بر روی حجمکار بیش از هزار ماشین مجازی بر روی دادهها PlantLab مورد ارزیابی قرار داده شده است. نتایج حاصل از شبیهسازی نشان میدهد که راهکار پیشنهادی توانسته است که معیار نقض توافقنامه سطح سرویس را در مقایسه با روشهای AMUT و EQVS به طور میانگین به میزان ۴۶ درصد، معیار مصرف انرژی را به طور میانگین به میزان ۱۸ درصد و معیار تعداد مهاجرتهای ماشین مجازی را به طور میانگین به میزان ۲۴ درصد بهبود دهد.
Keywords:
Authors
وهاب امینی آذر
دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران.
رسول فرحی
دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران.
فاطمه دشتی
شرکت توزیع نیروی برق تبریز، تبریز، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :