مقایسه روش های مختلف از لحاظ بار روی گره های فیزیکی با استفاده از الگوریتم های پیشنهادی بر HEFT-B ، PSO-HILL مبنای ترکیب الگوریتم ژنتیک و روش زمان بندی RR

رایانش ابری مدلی است برای فراهم کردن دسترسی آسان بر اساس تقاضای کاربر از طریق شبکه به مجموعه ای از منابع رایانشی قابل تغییر و پیکربندی (مثل: شبکه ها، سرورها، فضای ذخیره سازی، برنامه های کاربردی و سرویس ها) که این دسترسی بتواند با کمترین نیاز به مدیریت منابع یا نیاز به دخالت مستقیم فراهم کننده سرویس به سرعت فراهم شده یا آزاد گردد. ا ین مدل رایانش ابری از 5 مشخصه اصلی، ۳ مدل خدماتی و ۴ مدل گسترش استقرار تشکیل شده است.www.pishro-asak.com در محاسبات ابری همه چیز به شکل سرویس ارائه شده و این سرویس می تواند زیرساخ تهای مختلفی باشد. هدف اصلی محاسبات ابری کاهش هزینه استفاده از منابع محاسباتی است چرا که در این روش کاربران دیگر نیاز به صرف هزینه گزاف جهت خرید و نگهداری منابع محاسباتی ندارند. همچنین استفاده از مجازیسازی در محاسبات ابری، این امکان را فراهم کرده تا منابع ناهمگونتوزیع شده به صورت یک سرویس واحد به کاربران ارائه شود. با توجه به محیط پویا و انعطاف پذیر محاسبات ابری، روش های زمان بندی وظایف جهت مدیریت تخصیص سرویس و توازن بار بر روی ماشین های مجازی و گره های فیزیکی اهمیت زیادی دارد. در این تحقیق نحوه توازن بار گره های فیزیکی در محیط ابری با استفاده از الگوریتم ژنتیک و روش زمان بندی RR بررسی شده است. هدف این الگوریتم یافتن بهترین توالی اجرای وظایف است به نحوی که گسترده پیکربندی مجموعه وظایف را حداقل کند. نتایج روش پیشنهادی برتری آن را در بهبود توازن بار نسبت به الگوریتم های Hill و HEFT-B-PSO نشان می دهد.

کلیدواژه ها:

محاسبات ابری ، کاهش هزینه ، توازن بار ، بهینه سازی ، گره های فیزیکی