بخشی از مقاله
چکیده
رایانش ابری، مدلی کامپیوتری است که دسترسی کاربران را بر اساس نوع تقاضایی که از منابع اطلاعاتی و محاسباتی دارند محیا میکند. این مدل سعی دارد؛ با کمترین نیاز به منابع و کاهش هزینهها و افزایش و سرعت دسترسی اطلاعات، جوابگوی نیاز کاربران باشد. مشکلات اصلی مربوط به رایانش ابری پهنای باند شبکه ، زمان پاسخ ، حداقل هزینه انتقال دادهها، تخصیص منابع میباشد. هر درخواستی که از طرف کاربران به ارایه دهندگان خدمات فرستاده شود، منابع زیادی را به خود اختصاص میدهد. مساله تخصیص منابع یک چالش در محیطهای ابری است. در این پژوهش یک روشی جدیدی برای تخصیص منابع مبتنی بر الگوریتم کرم شبتاب ارایه میدهد. این الگوریتم جدید برای بهینهسازی هزینه و زمان اجرا در رایانش ابری مناسب میباشد. با استفاده از میزان جذابیت و درخشدگی هر کرم شبتاب با در نظر گرفتن تابع برازندگی تعیین میشود. برای محاسبه فاصله بین دو کرم شبتاب - نور - از فاصله اقیلدسی استفاده میشود. در این الگوریتم میزان درخشندگی کرم شبتاب وجود دارد. که تخصیص کار به منبع را بر عهده دارند، جهت بهینهسازی تخصیص منبع هزینه میباشد. با استفاده از تابع برازندگی این اتفاق میافتد. نها یت کارهای مناسب پیدا می شود.که باعث بهبود کارایی سرورها و پردازنده ها در انجام کارها هستند .
مقدمه
رایانش ابری از دیدگاه موسسهی ملی استاندارد و فناوری مدلی است. که با استفاده از کاربران قادر خواهند بود منابع اشتراکی و قابل تغییر و پیکربندی ، به عنوان مثال شبکه ، سرویس دهنده ،فضای ذخبرهسازی ، سرورها ، برنامه و خدمات را هنگام تقاضا دریافت کند. که این منابع با حداقل تلاش مدیریتی یا نیاز به تعامل فراهم کنندهی خدمات خیلی سریع میتواند تهیه و آزاد گردد [1]. در رایانش ابری، تخصیص منابع فرآیند تخصیص منابع در دسترس به برنامههای کاربردی ابر مورد نیاز از طریق اینترنت میباشد. تخصیص منابع سرویسها را دچار قحطی میکند، اگر تخصیص به درستی مدیریت نشود. تأمین منابع مشکل قحطی را با اجازه دادن به ارائه دهندگان سرویسها برای مدیریت منابع در هر ماژول فردی حل میکند.[2] در واقع مفهوم تخصیص منبع به معنای اختصاص منابع به کارها میباشد. از این جهت مسأله تخصیص منابع یک مسأله مهم در مدیریت منابع موجود در ابر میباشد. از تخصیص منابع در رایانش ابری برای بهینه سازی هزینه استفاده میشود.
برای تخصیص منابع مبتنی بر الگوریتم کرم شبتاب ارایه میدهد، این الگوریتم جدید بهینهسازی هزینه و زمان اجرا در رایانش ابری مناسب میباشد. با استفاده از میزان جذابیت و درخشدگی هر کرم شبتاب با در نظر گرفتن تابع برازندگی تعیین میشود. و برای محاسبه فاصله بین دو کرم شب تاب - نور - از فاصله اقیلدسی تعیین میشود. در این الگوریتم میزان درخشندگی کرم شبتاب وجود دارد، که تخصیص کار به منبع را بر عهده دارند. جهت بهینه سازی هزینه تخصیص منبع پیدا شود؛ با استفاده از تابع برازندگی این اتفاق میافتد. نهایتا کارها بر منابع مناسب تخصیص پیدا میکند. که باعث بهبود کارایی سرورها و پردازندهها در انجام کارها شود. وقتی درخواستی از مدیر ابر به مرکز داده ارسال میشود، مرکز داده تصمیمگیری میکند که این درخواست را به کدام سرور - ماشین مجازی - ارسال کند، در تصمیمگیری الگوریتم کرم شبتاب اعمال میشود. قبل از اینکه اعمال الگوریتم کرم شبتاب در روش پیشنهادی اعمال شود. به تعداد کرمهای شبتاب ماتریسی وجود دارد، که این ماتریس تخصیص درخواستها به سرورها را بیان میکند. بنابراین هر ماتریس به عنوان یک کرم شبتاب در نظر گرفته میشود. نتیجه شبیه سازی نشان میدهد که در روش پیشنهادی زمان اجرا و تخصیص منبع هزینه میتواند کاهش پیدا کند . قسمتهای بعدی مقاله بدین صورت است. که در بخش دوم کارهای مرتبط، بخش سوم روش جستجوی حریصانه مورد بحث قرار میدهد. بخش چهارم معماری TARA است که سرانجام در بخش پنجم یک بررسی بهینه سازی تخصیص منبع در محیط رایانش ابری میباشد. در نهایت نتیجهگیری کلی از این مقاله ارائه میدهیم.
-2 کارهای مرتبط
یک استراتژی تخصیص منابع کارآمد است، که بهره گیری از منابع به طور موثر در محیط منابع محدود از محاسبات ابری صفحه اصلی قوانینSLA، استراتژی تخصیص منابع، برنامه های کاربردی کاربر، الگوریتم تخصیص منابع را در بر دارد. در این حوزه الگوریتم های تعادل بار ، مختلفی ارایه شده که در زیر به توضیح آنها می پردازیم. در وب سرورها حالتی از توازن بار افزایش یا کاهش تقاضا میباشد. سرویسهای اختصاص یافته تقاضای کاربر را به صورت پویا تنظیم میکنند. و تحت عنوان سرورهای مجازی گروهبندی شدهاند. هر سرور مجازی صفهای سرویس مجازی خود را دارند. هر سرور با پردازش یک درخواست و تقاضا از صف مزایا و مقدار منافع مورد نیاز خود را محاسبه میکند الگوریتم جفت گیری زنبورعسل، الهام گرفته از فرآیند جفت گیری زنبورهای واقعی بوده واخیراً به منظور حل تعدادی از مسائل علمی و مهندسی مورد استفاده محققان قرار گرفته است .گروه های معمول زنبور عسل شامل ملکه ها، زنبورهای نر، کارگران و نوزادان هستند که در کندو زندگی می کنند .این الگوریتم، یک ملکه و یک کارگر برای گروه، برای حل نوع خاصی از مسئله تخصیص مورد استفاده قرار گرفت .
در مرحله بعد الگوریتم جفتگیری زنبورعسل را به گونه ای تغییر داد که گروه دارای یک ملکه ولی چندین کارگر باشد. [4] در این روش مورچهها به طور تصادفی در محیط پخش میشوند و با دیگر مورچه ها تعامل میکنند. اگر محیط نامتعادل باشد و مورچهها فرزندان خود را که در این نامتعادلی دخیل هستند. در محیط مشاهده نمایند، - فرزندان - را نادیده میگیرند و خودشان خودکشی میکنند تا تعادل بار را فراهم کنند. در این روش مورچه ها با n گام حرکت میکنند و در پایان گام nام تعادل بار ایجاد میشود.[5] در اینجا یک گراف مجازی ساخته شده که در آن هر گره، - سرور به عنوان گره - یک اتصال برای نمایش بار سرور دارد. هرگاه یک گره یک کار را انجام دهد، آن لبه های ورودی حذف میشود که نشان دهندهی کاهش دسترسی به منابع آزاد میشود . بعد از تکمیل یک کار، گره یک لبه ورودی ایجاد میکند، که نشان دهندهی افزایش دسترسی به منابع آزاد میباشد. افزودن و حذف فرآیند به صورت نمونه گیری تصادفی انجام میشود. در ابتدای مسیر هر گره به صورت تصادفی یک همسایه انتخاب میشود. آخرین گره، برای تخصیص بار انتخاب شده است. با این حال انتخاب و تخصیص بار میتواند برای گره های کم بار میباشد. در این روش، بار در تمام گرههای سیستم متعادل میکند. در نتیجه توان عملیاتی با افزایش منابع سیستم ، افزایش مییابد. لذا به کارگیری آن در سیستم های شبکه های بزرگ مثل ابر مناسب میباشد.[6]
-3 جستجوی حریصانه
VDAاز یک الگوریتم جستجوی حریصانه برای تصمیم گیری در مورد افزایش و کاهش مقادیر اختصاص یافته به VMs
استفاده میکند. برای این تخصیص بر مبنای تخمین هزینه بارهای کاری ورودی تصمیم گیری شده است.[7] در هر تکرار
الگوریتم حریصانه، یک بخش کوچکی - به نام سهم - از یک منبع از VM تخصیص زدایی می شود که کمتراز همه آسیب
رسان خواهد بود. و بخشی کوچکی از یک منبع به VM اختصاص داده می شودکه بیش از همه مفید خواهد بود. الگوریتم
حریصانه از مسئله به دام افتادن در بهینه های محلی لطمه می بیند.[8] بنابراین در این جا از تکنیک جستجوی بهینه
سازی گروه ذرات برای فرار از بهینه های محلی استفاده شده است.
-4 معماری TARA
