ارائه یک روش زمانبندی وظایف مبتنی بر داده درسیستم های توزیعی مانند ابر و مه

در سال های اخیر، رشد چشمگیر تکنولوژی منجر به افزایش حجم عظیمی از داده ها و نیاز به زمان بندی وظایف و مدیریت منابع موثر در محیط های توزیع شده مانند مه و ابر شده است. با این حال، یکی از چالش های اصلی در این زمینه، بهینه سازی مصرف منابع و کاهش تاخیر در پردازش داده ها است. در این مطالعه، الگوریتم پیشرفته ای تحت عنوان DLJSF+ برای زمان بندی وظایف در محیط های محاسباتی مه و ابر ارائه شده است. این الگوریتم به عنوان یک توسعه برای نسخه قبلی خود یعنیDLJSF، استراتژی های نوآورانه ای را به کار می گیرد که شامل تکرار داده ها و حذف نسخه های تکراری برای بهینه سازی مصرف منابع و کاهش تاخیر دسترسی به داده ها می شود. الگوریتم DLJSF+، وظایف را بر اساس موقعیت مکانی داده ها، بار گره ها، پهنای باند و اولویت های وظایف بهینه تخصیص می دهد. این تحقیق نشان می دهد که ترکیب تکرار داده ها و زمان بندی پویای وظایف می تواند کارایی و مقیاس پذیری سیستم های توزیع شده را به طور قابل توجهی بهبود ببخشد. نتایج ارزیابی روش پیشنهادی در نرم افزار کلوسیم نشان می دهند که DLJSF+ در مقایسه با رویکردهای سنتی، به ویژه در کاهش تاخیر و بهینه سازی استفاده از منابع، برتری دارد و برای سناریوهای دارای حجم داده بالا و نیازمند دسترسی سریع به داده ها مناسب است.

کلیدواژه ها:

ابر ، مه ، زمانبندی وظیفه ، تکثیر داده ، محلیت داده