بهبود طبقه بندی ماشین های مجازی برای ایجاد تعادل بار کاری در برنامه های رایانش ابری با استفاده از شبکه های عصبی عمیق و الگوریتم تکاملی علف هرز

رایانش ابری یک مدل محاسباتی تجاری جدید است و از طریق اینترنت متصل می شود و دسترسی به اینترنت در دسترس، راحت و بر اساس تقاضا را به یک مخزن اشتراک گذاری منابع محاسباتی قابل تنظیم را فراهم می کند. مجازی سازی نیز یک فناوری کلیدی در رایانش ابری که از طریق این فناوری، تعداد زیادی از گره های محاسباتی یکپارچه می شوند تا یک منبع کلی را تشکیل دهند. قابل به ذکر است که زمان بندی کار و تخصیص منابع، موضوعات مهم مربوط به بسیاری از چالش های تحقیقاتی رایانش ابری است. در واقع برای تعداد زیادی از درخواست ها که در انتظار پردازش هستند، از زمان بندی وظایف برای تخصیص منطقی منابع محاسباتی به درخواست ها استفاده می شود. همچنین تعادل بار روشی برای بهینه سازی منابع ماشین-های مجازی در محیط رایانش ابری بوده که یکی از تکنیک های مهمی است که برای اطمینان از توزیع برابر و پویا حجم کار و استفاده کارآمد از منابع مورد استفاده قرار می گیرد. در این پژوهش روشی برای بهبود طبقه بندی ماشین های مجازی جهت ایجاد تعادل بار کاری در برنامه های رایانش ابری با استفاده از شبکه های عصبی عمیق و الگوریتم تکاملی علف هرز ارائه شده است که با توسعه سریع سخت افزار و نرم افزار کامپیوتر، یادگیری تقویت عمیق جهت جدیدی را برای حل بهترظمسائل زمان بندی کار فراهم می کند. در روش پیشنهادی ابتدا از روش شبکه عصبی عمیق برای انتخاب یک ماشین مجازی مناسب برای کار استفاده شده و سپس تعیین می شود که آیا اجرای کار روی ماشین مجازی انتخاب شده توافق نامه سطح خدمات را نقض می کند یا خیر که اگر نقض شود، کار رد شده و بازخورد یک پاداش منفی برای آموزش شبکه عصبی عمیق دارد و در غیر این صورت، وظیفه دریافت و اجرا می شود و پس از اجرای کار، با توجه به تعادل بار ماشین های مجازی، پاداش دریافت می شود. این الگوریتم پیشنهادی بهترین عملکرد را در متعادل کردن بار ماشین های مجازی و کاهش نرخ رد کار، بهبود سطح کلی خدمات رایانش ابری از خود نشان داده است.

کلیدواژه ها:

بهبود طبقه بندی ماشین های مجازی ، تعادل بار کاری ، رایانش ابری ، شبکه های عصبی عمیق و الگوریتم تکاملی علف هرز.