افسانه پوراسماعیل - دانشجوی کارشناسی ارشد دانشگاه مقدس اردبیلی، دانشکده مهندسی کامپیوتر، گروه کامپیوتر، اردبیل، ایران
سیده مینا سلیمی - دانشجوی کارشناسی ارشد دانشگاه مقدس اردبیلی، دانشکده مهندسی کامپیوتر، گروه کامپیوتر، اردبیل، ایران
عباس میرزائی - استاد یار وعضو هیئت علمی دانشگاه آزاد اسلامی واحد اردبیل، گروه مهندسی کامپیوتر، گروه کامپیوتر، اردبیل، ایران

با ظهور محاسبات ابری، رشد پیچیدگی ساختاری قابل توجه، شکل گیری مجدد حوزهای از سیستم های توزیع شده و تغییر روش های محاسبات در فرایندهای کسب و کار روی می دهد. ازآنجایی که محیط محاسبات ابری مجهز به ویژگی های پیشرفته زیادی است اما درعین حال معایبی در این فناوری وجود دارد که نسبتا هزینه های محاسباتی قابل توجهی را برای هرکدام از خدمات ابرهای خصوصی و عمومی تحمیل می نماید؛ بنابراین، برای مدیریت کارآمد برنامه های کاربردی و منابع محاسبات ابری، استفاده از مدل های پیش بینی، ابزارهای ایجادکننده پروفایل کاربردی، الگوریتم های مدیریت کارآمد منابع ازجمله رویکردهای زمان بندی آگاه ازنظر میزان انرژی در چارچوب محاسبات ابری سبز، رویکرد زمان بندی منبع مبتنی بر الگوریتم ژنتیک ازنظر مساله تعادل بار در معماری سلسله مراتبی و رویکردهای مختلف ضروری است. هدف این مقاله، طبقه بندی مدل ها، طبقه بندی ابزارهای تحلیلپروفایل کاربردی و الگوریتم های مدیریت کارآمد منابع است. دو مورد از الگوریتم های بحث شده فوق متریک های مختلفی ازجمله مدیریت منبع، مهاجرت زنده، طراحی ماشین مجازی، بهره وری کلی سیستم، سربار و همچنین، مشخصات اصلی پروفایل در برابر مدل های موردنظر بیان شده پارامترهایی مانند دقت، طراحی برنامه کاربردی،بارکاری، داده تاریخی، مهاجرت، وابستگی شبکه ای، سربار، مدل های درخواست و سطح توافق خدمات را در مدیریت کارآمد منبع بررسی می نماید. درنهایت، این کار، طبقه بندی کلی از انواع مدل ها، ابزارهای ایجادکننده پروفایل کاربردی و الگوریتم های مدیریت کارآمد منابع را با توجه به متریک های مشابه نشان می دهد.