رویکردی مبتنی بر ترکیب روش های سری زمانی برای مقیاس بندی خودکار در محیط رایانش ابری

سرویس های ابری زیر ساخت های توزیع شده ای می باشند که بسترهای ارتباطی و خدماتی را گسترش می دهند. افزایش محبوبیت و سود آوری فناوری ابر وابسته به تامین قابلیت ها و ویژگی های موردنظر استفاده کنندگان می باشد. مهمترین ویژگی مطلوب کاربران ابری، کارایی بالا، هزینه حداقل و اجرای درخواست در زمان معین، می باشد. ارایه دهندگان سرویس های ابری به منظور دستیابی به کیفیت مطلوب کاربران و سودآوری بیشتر، ابر را بر اساس ساختارها و فناوری نو ظهور، همانند مجازی سازی پیاده سازی نموده اند، تا از این رهگذر پاسخگوی نیاز کاربران باشند و همچنین با بهره گیری از مفهوم مجازی سازی بویژه مجازی سازی منابع، بهترین سرویس را با حداقل هزینه ممکن ارایه دهند. مقیاس بندی خودکار برنامه های کاربردی، یکی از بهترین راه های افزایش به هوری و بهبود عملکرد سیستم های ابری می باشد چرا که بر اساس ویژگی مقیاس پذیری رایانش ابری، توسعه دهندگان ابر معتقدند که باید برای کاربران به مقدار نیاز منابع فراهم شود و از طرفی، کاربران نیز تمایل به پرداخت هزینه به ازای میزان استفاده از منابع را دارند. در این مقاله، به منظور تامین موثر و کارای منابع در محیط رایانش ابری با توجه به پویایی ذاتی محیط های ابری و همچنین متغییر بودن تعداد درخواست های کاربران نسبت به زمان، بعد از معرفی چارچوب جدیدی مبتنی بر متدولوژی حلقوی MAPE ، رویکردی کارا و موثر برای تامین پویای منابع در محیط رایانش ابری ارایه دادیم. رویکرد پیشنهادی خود را تحت بار کاری واقعی NASA با سه روش Cost-aware(LRM) ، Cost aware(ARMA) ، DRPM ، مقایسه کرده و از نظر پنج فاکتور مورد ارزیابی قرار دادیم.

کلیدواژه ها:

رایانش ابری ، تامین پویای منابع ، مقیاس بندی اتوماتیک ، مقیاس پذیری