بهبود تخصیص منابع در رایانش ابری با استفاده از ترکیب اتوماتای یادگیر و الگوریتم تکامل تفاضلی

تامین منابع در ابر، به پروسه سوار کردن و مدیریت برنامه های کاربردی در یک زیر ساخت ابری اطلاق می شود. تامین منابع باید بر حسب نیاز انجام شود، هدف از این کار کم کردن مصرف انرژی به عنوان یک عامل هزینه ساز و بالا بردن بهره وری منابع است. از اینرو چگونگی تخصیص منبع به صورت منطقی بگونه ای که نیازمندی ها و الزامات هر دو طرف (ارایه دهندگان سرویس و کاربران) رفع شود؛ موضوعی است که توجه گسترده ای را به خود معطوف داشته است. رایانش ابری به نرم افزارهای اینترنتی بهصورت سرویس و سختافزارهای و سرورهایی که در مراکز داده (دیتاسنتر) آن نرم افزارها را اجرا مینمایند، اشاره دارد. شاخص کارآیی در مکانیسم مقیاس گذاری خودکار ابری شامل مقادیر استفاده از CPU، عملیات دیسک و پهنای باند می شود. در این پژوهش، در زمینه تعیین آستانه و حجم کار، یک رویکرد مقیاس گذاری خودکار به وسیله اتوماتای یادگیر و الگوریتم تکامل تفاضلی به منظور مدیریت هزینه مقیاس پذیری ارایه شده و در مورد ارزیابی رویکرد پیشنهادی بر اساس هزینه ها بحث گردید. نتایج نشان داد که هزینه یک سرویس ابری در صورتی کمتر می شود که از منابع مجازی بهینه استفاده شود. از طرفی، بهبود بهره وری منابع، زمانی محقق می شود که منابع متناسب با ماهیت درخواست استفاده شوند که در این صورت هزینه ی بیشتری را در بر خواهند داشت. بر اساس نتایج ارزیابی، رویکرد مقیاس بندی پیشنهادی که بر اساس الگوریتم اتوماتای یادگیر و الگوریتم تکاملی تفاضلی ارایه شده است می تواند هزینه مصرفی به منظور اجرای درخواست های ابری را بهینه سازی نماید.

Keywords:

رایانش ابری , تخصیص منابع , اتوماتای یادگیر , سربار خوشه ها , مقیاس پذیری