تعادل بار مبتنی بر الگوریتم بهینه سازی کرم شبتاب در محیط محاسبات مه
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 495
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SCECE05_065
تاریخ نمایه سازی: 25 دی 1399
چکیده مقاله:
با افزایش استفاده از محاسبات ابری، هنوز مسائل حل نشدهای به دلیل مشکلات ذاتی این نوع محاسبات مانند تأخیر غیر قابل اعتماد، عدم پشتیبانی از سیار بودن و محل قرار گیری اطلاعات وجود دارد. بنابراین ما به یک مدل محاسباتی نیاز داریم که به ما اجازه انجام محاسبات بر روی داده ها را قبل از ارسال آنها به ابر بدهد، که این موضوع به ما امکان کار بر روی داده ها را قبل از اینکه گم شوند و از دست بروند می دهد. محاسبات مه مدلی است که محاسبات ابری را با ارسال سرویس ها به لبه های شبکه، توسعه میدهد و ارتباطات، محاسبات و ذخیره سازی را به دستگاه های لبه و کاربران نهایی نزدیک تر می کند که هدف آن یعنی تأخیر اندک، تحرک، پهنای باند شبکه، امنیت و حفظ حریم خصوصی را ارتقاء می دهد. یکی از چالش های مهم در زمینه محاسبات مه، حفظ تعادل بار بهینه در محیط مه و سرورها است. تعادل بار، فرایند توزیع بار بین انواع گره های پخش شده در سیستم می باشد تا بدین وسیله هم بهره وری منابع و هم زمان پاسخ کار بهبود پیدا کند. مطالعاتی برای رفع مسئله تعادل بار در سال های اخیر پیشنهاد شده اند. برخی از الگوریتم های ارائه شده علاوه بر نقاط قوت دارای نقاط ضعف نیز می باشند. در این مقاله روشی مبتنی بر الگوریتم بهینه سازی کرم شب تاب جهت متوازن سازی بار کاری در محیط محاسبات مه ارائه شده است. در روش پیشنهادی با استفاده از الگوریتم کرم شبتاب بهینه سازی بردار تخصیص وظایف به سرورها انجام شده بطوری که عملکرد کل سیستم بهبود یابد. خروجی پیاده سازی حاکی از آن است که روش پیشنهادی علاوه بر تخصیص موثر کارها به سرورها؛ بهبود قابل توجهی در متوسط زمان پاسخ دهی، زمان اتمام کل کار و ایجاد تعادل بار منطقی در سیستم نسبت به سایر روش های تعادل بار عمل می کند.
کلیدواژه ها:
نویسندگان
احد ابراهیم پور ثمرین
کارشناسی ارشد مهندسی کامپیوتر-نرم افزار، دانشگاه آزاد اسلامی واحد گرمی
سجاد جهان بخش گده کهریز
عضو هیات علمی گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد گرمی