بخشی از مقاله
چکیده
رایانش ابری یک توسعه بر روی سیستمهای توزیعشده، محاسبات موازی و محاسبات گرید1 است. همچنین بهعنوان یک پیادهسازی تجاری از مفهوم علوم کامپیوتر تعریفشده است. یکی از موضوعات پایه در این محیط زمانبندی کارها2 و تعادل بار3 است. زمانبندی کار در محیط ابری یک مسئله بهینهسازی NP Hard است و تعدادی از الگوریتمهای ابتکاری برای حل این قضیه ارائهشدهاند. یک زمانبند وظیفه مناسب باید استراتژی زمانبندی خود را بر اساس تغییرات محیطی و نوع وظایف اصلاح و سازگار نماید.
این مقاله یک سیاست زمانبندی وظیفه در محیط ابری بر اساس الگوریتم ژنتیک بهبودیافته برای تعادل بار - EGA - ارائه میدهد. در اینجا هدف اصلی، متعادل نمودن بارکاری سیستم و درعینحال حداقل کردن زمان کل4 برای مجموعه وظایف دادهشده است. این استراتژی جدید به کمک کیت ابزار NetBeans شبیهسازیشده است نتایج تجربی نشان میدهد که الگوریتم EGA عملکرد بهتری نسبت به FCFS - سرویسدهی به ترتیب ورود - دارد. درنهایت EGA با ACO مقایسه شده است.
-1 مقدمه
رایانش ابری به سرویسهای درخواستی اطلاق میشود که منابع، دادهها و وسایلی که برای پاسخگویی به نیاز مشتری احتیاج است در زمان مناسب به اشتراک گذاشته میشود. ابر یک عبارت مصور استفادهشده برای اینترنت است زیرا درمجموع اینترنت بهصورت یک ابر دیده میشود. یک کاربر فقط در عوض زمانی که از منابع استفاده کرده است، هزینهای را پرداخت مینماید. یک تعریف یکپارچه از رایانش ابری وجود ندارد معمولاً شامل مجموعه از سرویسدهندههای توزیعشده به نام رئیس است که سرویسهای درخواستی و منابع را برای کاربران مختلف در شبکه با قابلیت اطمینان و سنجش پذیری بالا فراهم میکنند.
این کامپیوترهای توزیعشده سرویسهایی را بر اساس تقاضا ارائه میدهند. سرویسها بهصورت مجموعهای از منابع بستهبندیشده - بسته بهعنوان سرویس - ، منابع فیزیکی یا زیرساختهای سختافزاری - مانند سختافزار بهعنوان سرویس و زیرساخت بهعنوان سرویس - است. Amazon EC2 - ابر محاسباتی انعطافپذیر آمازون - یک مثال مرتبط با سرویسهای رایانش ابری است. چون رایانش ابری هنوز در مرحله ارزیابی است لذا در حال حاضر چندین مسئله در محاسبات ابری وجود دارد مانند :
-1 تضمین مدیریت دسترسی مناسب از طریق اعتبار سنجی1 ، صلاحیت سنجی2 و بررسی دقیق3
-2 مهاجرت سطح شبکه که نیاز به حداقل مقدار و زمان برای بهکارگیری مانور دارد
-3 ارائه امنیت مناسب بر روی اطلاعات در زمان انتقال و در زمان سکنی گزینی.
-4 مسئله دسترسپذیری دانش در محیط ابری
-5 تنگنای منطقی و مسئله اطمینان زودگذر
-6 احراز اعتبار داده. کنترل اصل بودن دانش و توجه به اینکه دستکاری دادههای حساس امکانپذیر است همچنین امروزه موضوع اصلی در محاسبات ابری مسئله تعادل بار است.
-2 تعادل بار
رایانش ابری - محاسبات ابری - مقیاسپذیر و ازنظر اقتصادی بهصرفه است، هرچند نگهداری پایایی پردازش درزمانی که مقدار زیادی کار در محیط پردازش ابری وجود دارد کار دشواری است. کمبود تعادل بار توجه زیادی از سوی محققان را به خود جلب نموده است. تعادل بار در شرایط رایانش ابری اثر مهمی روی عملکرد دارد. تعادل بار معقول، رایانش ابری را اقتصادیتر و سطح رضایتمندی مشتری را افزایش میدهد. تعادل بار در محیط ابری مکانیزمی است که بار پویا را بهصورت مساوی بر روی گرهها توزیع مینماید و درنتیجه افزایش کارایی سیستم را به دنبال خواهد داشت.
تعادل بار تکنیکنسبتاً جدیدی است که بالاترین نرخ خروجی4 و کمترین زمان پاسخ را برای دسترسی به منابع و شبکه امکانپذیر میسازد. تعادل بار صحیح بهرهبرداری از منابع قابلدسترس را بهطور بهینه تسهیل میدهد بنابراین استفاده از منابع را حداقل میسازد. تقسیم ترافیک بین سرویسدهندهها باعث میشود اطلاعات بدون تأخیر قابل ملاحظهای ارسال و دریافت شود. انواع متفاوتی از الگوریتمها وجود دارد که کمک میکنند تا ترافیک بین سرویسدهندههای قابلدسترس بارگذاری شود.
یک مثال اساسی از تعادل بار در زندگی روزمره، مربوط به وبسایتها است. بدون داشتن تعادل بار کاربر مجبور است تأخیرها و زمان پاسخهای طولانی را تجربه نماید. با تقسیم ترافیک بین سرویسدهندهها دیگر تأخیر قابل ملاحظهای نخواهیم داشت. الگوریتمهای تعادل بار مختلفی با الهام از طبیعت وجود دارد مانند الگوریتم ژنتیک، بهینهسازی کلونی مورچه - ACO - ، بهینهسازی کلونی زنبور
عموماً الگوریتمهای تعادل بار دوطبقه بندی اصلی دارند:
· بر اساس اینکه بار چگونه توزیع میشود و پردازشها چگونه به گرهها تخصیص داده میشوند - بار سیستم -
· بر اساس وضعیت داده گرهها - همبندی سیستم -
بر اساس دستهبندی اول مورد اول به روش متمرکز، توزیعشده یا ترکیبی تقسیم میگردد و در دستهبندی دوم، روش ایستا، پویا و تلفیقی را خواهیم داشت.
-1-2 طبقهبندی سازگار با بارکاری سیستم
روش متمرکز: در این روش یک گره در کل سیستم، مسئول مدیریت توزیع در وقفه های سیستم است.
روش توزیع شده: در این روش هر گره بهصورت جداگانه بردار بارکاری خود را با جمعآوری اطلاعات بارکاری از گرههای مختلف میسازد. تصمیمگیری بهصورت محلی و با استفاده از بردارهای بارکاری انجام میشود. این روش برای سیستمهایکاملاً توزیعشده مانند محاسبات ابری خیلی مناسب است.
روش ترکیبی: ترکیبی از دو روش قبلی بیانشده است که مزایای هردو را دربرمی گیرد.
-2-2 طبقه بندی سازگار با همبندی سیستم
روش پویا: این روش وضعیت حال حاضر سیستم را در تصمیمگیری در خصوص تعادل بار لحاظ میکند. این روش فوقالعاده برای سیستمهای توزیعشده مانند رایانش ابری مناسب است.
روش سازگار شونده: این روش با تغییر وضعیت سیستم - تغییر پارامترها و حتی الگوریتمهای آنها بهصورت خودکار - توزیع بار را اصلاح و سازگار مینماید. این روش توزیع بارکاری را با تغییرات وضعیت سیستم بهوسیله تغییر پارامترها بهصورت پویا سازگار مینماید. این روش نیز برای سیستمهای توزیعشده مانند محاسبات ابری مناسب است.
-3کارهای انجام شده
در سیستمهای بزرگ و پیچیده نیاز زیادی به تعادل بار برای ساده کردن بار بهصورت سرا سریمثلاً - در یک ابر - است. یک فاکتور، استفاده از تکنیک هایی است که تعیین میکند چگونه بار بر روی ابر توزیع گردد. مقالات تحلیلی زیر الگوریتمهای یکسانسازی بار و تکنیکهای مختلف آن را در محیطهای ابری بیان نموده است.
· Tingting Wang و همکارانش : - 2014 - این مقاله در خصوص زمانبندی و تعادل بار است. برای حل این موضوع ویژگیهای جدیدی از محاسبات ابری در نظر گرفت شده است و یک برنامه مبتنی بر الگوریتم ژنتیک سازگار شونده - AGA - بیانشده که در آنیک الگوریتم زمانبندی جدید با پشتیبانی از الگوریتم سازگار شونده برازش مضاعف به نام JLGA - الگوریتم ژنتیک متعادل ازنظر بار - ایجادشده است. سپس عملکردJLGA با AGA مقایسه شده است .
· سعید جوانمردی و همکارانش : - 2014 - در این مقاله بر اساس فرمول ژنتیک و تئوری فازی یک روش برنامهریزی کار بهصورت ترکیبی شرح دادهشده است که بار درخور سیستم، کاهش مجموع زمان اجرا و مقادیر اجرایی وظایف لحاظ شده است. هدف اصلی تحقیق انتصاب نقشهایی به منابع با در نظر گرفتن واحد اندازهگیری ماشین مجازی و مدتزمان کارها است. نتایج تجربی، توانایی و پتانسیل روش ایجادشده در زمینه زمان پایان کار، مقدار اجرا و میانگین درجه نابرابری را نشان میدهد .
· Tarun Goyal و همکارانش : - 2013 - بنابراین مقاله، محاسبات ابری الگویی است که در آن برنامههای کاربردی IT بهعنوان یک سرویس ارائه میگردد. رایانش ابری، کاربران را برای بهرهگیری از محاسبات یا قدرت پردازشی، فضاهای ذخیرهسازی دانش و سرویسها از پیرامون جهان در یک روش بهینه و اقتصادی پذیرش میکند. در محیط ابری زمانبندی مسئله اصلی است. زمانبندی مسئول بهرهگیری مقرونبهصرفه از منابع است. در این مقاله یک مدل زمانبندی بر اساس حداقل تأخیر شبکه با استفاده از الگوریتم ژنتیک مکاشفهای برای مجموعه ایی از کارها بیانشده است که هدف آن کاهش زمان کل یا makespan - فاصله بین شروع و پایان مجموعهای از وظایف - است
· : - 2012 - Lucio Agostinho این مقاله اعلام میدارد که در رایانش ابری، تخصیص و زمانبندی چندین منبع مجازی هنوز هم یک چالش است. بهینهسازی این پروسهها مزایایی را در بهبود صرفهجویی در انرژی و تعادل بار در مرکز دادههای بزرگ را به دنبال خواهد داشت.
