تخصیص منابع در ابر با استفاده از ترکیب اتومات های یادگیری سلولی و حلقه مپ

انتقال جریان های کاری به محیط محاسبات ابری سازمان ها را قادر به استفاده از خدمات مختلف ابر به منظور تسهیل اجرای جریان کاریشان می سازد. هدف از رایانش ابری به اشتراک گذاری یک مقیاس بزرگی از منابع و تجهیزات محاسباتی دخیره سازی اطلاعات و دانش برای تحقیقات علمی است. در این پژوهش به چند چالش بزرگ در رایانش ابری که بسیار نقش تعیین کننده دارند اشاره شده است که چالش اول کاهش زمان پاسخ دهی کارهای ابری در ماشین های مجازی میباشد و دومی کاهش مصرف انرژی در مراکز داده میباشد سومین چالش افزایش سود سرویس دهنده و چهارمین چالش کاهش تفاضلات SLA می باشد که عدم دستیابی درست به مقادیر بهینه در هرکدام از این چالش ها هم به ضرر سرویس دهنده و هم به ضرر سرویس گیرنده میباشد. از این رو مدیریت ماشین های مجازی وکارهای ارسالی به مراکز داده با هدف برطرف نمودن این چالش ها هدف اصلی در این پژوهش میباشد بر این اساس در این پژوهش با استفاده از الگوریتم اتوماتای سلولی به مدیریت ماشین های مجازی پرداخته شده است که هر سلول نشان دهنده ماتریسی از اختصاص کارها به ماشین ها می باشد. نتایج آزمایشات حاکی از برتری این الگوریتم نسبت به الگوریتم های دیگر در این زمینه دارد.

Keywords:

رایانش ابری , زمان پاسخ دهی , الگوریتم اتوماتای سلولی , انرژی , سود