ارایه ی الگوریتم اتوماتای یادگیری در جهت بهبود تخصیص منابع دررایانش ابری

رایانش ابری به نرم افزارهای اینترنتی به صورت سرویس و سخت افزارها و سرورهایی که در مراکز داده آن نرم افزارها را اجرا می نمایند، اشاره دارد. تامین منابع در ابر، به پروسه سوار کردن و مدیریت برنامه های کاربردی در یک زیر ساخت ابری اطلاق می شود. تامین منابع باید بر حسب نیاز انجام شود و موضوعی است که توجه گسترده ای را به خود معطوف داشته است. مقیاس پذیری که به معنای تخصیص و بازگیری منابع به نسبت درخواست ها است، سعی در افزایش کارآیی منابع موجود و استفاده از منابع غیر فعال به منظور افزایش بهره وری و یا از کار انداختن منابع موجود به منظور کاهش حجم درخواست ها جهت کاهش هزینه انجام درخواست ها دارد. شاخص کارآیی در مکانیسم مقیاس گذاری خودکار ابری شامل مقادیر استفاده از CPU، عملیات دیسک و پهنای باند می شود. در این پژوهش، در زمینه تعیین آستانه و حجم کار، یک رویکرد مقیاس گذاری خودکار به وسیله اتوماتای یادگیر به منظور مدیریت هزینه مقیاس پذیری ارایه شده و در مورد ارزیابی رویکرد پیشنهادی بر اساس هزینه ها بحث گردید.نتایج نشان داد که هزینه یک سرویس ابری در صورتی کمتر می شود که از منابع مجازی بهینه استفاده شود.

کلیدواژه ها:

رایانش ابری ، تخصیص منابع ، اتوماتای یادگیر ، سربار خوشه ها ،