توسعه مدل های کشسان در رایانش ابری با بهره گیری از منطق آستانه ای بررسی نظام مند پژوهش های اخیر

رایانش ابری به عنوان یکی از مهم ترین بسترهای محاسباتی نوین امکان دسترسی برخط، مقیاس پذیر و منعطف به منابع پردازشی، ذخیره سازی و خدمات نرم افزاری را فراهم کرده است. در چنین محیطی کشسانی منابع یکی از بنیادی ترین ویژگی ها به شمار می رود؛ زیرا سامانه های ابری باید بتوانند در مواجهه با تغییرات مستمر بار کاری منابع را به صورت پویا افزایش یا کاهش دهند. یکی از رایج ترین رویکردها در پیاده سازی این قابلیت استفاده از منطق مبتنی بر حد آستانه است که در آن تصمیمات مقیاس پذیری بر اساس عبور شاخص های عملکردی از مقادیر تعیین شده اتخاذ می شوند. با وجود سادگی، شفافیت و هزینه ی پیاده سازی پایین این رویکرد، مطالعات متعدد نشان داده اند که چارچوب های آستانه ای با چالش هایی نظیر تنظیم دشوار آستانه ها، نوسان تصمیمات، حساسیت به رفتارهای غیرخطی بار و ضعف در محیط های چندلایه مواجه اند. مقاله حاضر با رویکردی مروری و نظام مند پژوهش های شاخص در زمینه توسعه مدل های کشسان مبتنی بر منطق آستانه ای را تحلیل می کند و ضمن استخراج روندهای اصلی، مزایا، محدودیت ها و مسیرهای آینده را مورد بررسی قرار می دهد. نتایج نشان می دهد که مدل های آستانه ای همچنان جزء مهم ترین ابزارهای کنترل کشسانی هستند، اما اثربخشی آن ها در مقیاس های بزرگ و محیط های پیچیده وابسته به ترکیب با روش های پیش بینی، کنترل تطبیقی و یادگیری ماشین است.

کلیدواژه ها:

رایانش ابری ، کشسانی منابع ، منطق آستانه ای ، مقیاس پذیری پویا ، خود تطبیقی ، مدیریت منابع