بخشی از مقاله
چکیده
محاسبات ابری به عنوان یکی از عرصههای در حال ظهور علم کامپیوتر در سالهای اخیر به شمار میآید. مزیت محاسبات ابری این است که سرویسهای نرمافزاری همواره روی اینترنت برای همه کاربران موجود بوده و در دسترس میباشند. استفاده از محاسبات ابری علاوه بر به حداقل رساندن هزینه استفاده از منابع موجود شبکه، افزایش درآمد حاصل از سرویسدهی به مصرفکنندگان را نیز در پی خواهد داشت. با این وجود، ناهمگونی و تنوع منابع در محیط محاسبات ابری، تأثیر چشمگیری در کیفیت سرویسهای دریافتی کاربران و نیز مشکلاتی در زمانبندی وظایف اینگونه محیطها ایجاد نموده است.
یکی از چالش-های نرمافزارهای ابری زمانبندی وظایف وابسته و تخصیص مناسب منابع است. در این مقاله، ابتدا با استفاده از الگوریتم بهینهسازی مبتنی بر جغرافیای زیستی به زمانبندی وظایف وابسته از طریق تخصیص منابع پرداخته و سپس نتایج بهدست آمده با الگوریتم کلونی زنبورعسل مصنوعی مقایسه شده و شبیه-سازیهای انجام شده نشان داد که الگوریتم بهینهسازی مبتنی بر جغرافیای زیستی عملکرد مناسبی در مقایسه با الگوریتم کلونی زنبورعسل مصنوعی از لحاظ زمان تکمیل وظایف دارد.
مقدمه
رایانش ابری یک نوع سیستم توزیعی و موازی است که شامل مجموعهای از کامپیوترهای درون ارتباطی و واقعی میشود. کامپیوترها بهطور دینامیکی ایجاد میشوند و به عنوان یکی از منابع هماهنگ براساس توافقات سطح سرویس ارائه میشوند، که با مذاکره بین سرویسدهنده و مشتری بهوجود میآیند - . - Mirashe & Kalyankar, 2010 دلیل تشبیه این تکنولوژی به ابر این است که مانند ابر جزئیات فنیاش را از کاربران مخفی میسازد و لایهای از انتزاع را بین این جزئیات فنی و کاربران بهوجود میآورد - . - Tejaswi, Azharuddin, & Jana, 2015 آنچه سیستم محاسبات ابری ارائه میکند برنامههای کاربردی تجاری برخط است که از طریق مرورگر وب یا نرمافزارهای دیگر به کاربران ارائه میشود.
اطلاعات و نرمافزارهای کاربردی بر روی سرورها ذخیره میگردند و براساس تقاضا1 در اختیار کاربران قرار میگیرد - . - Li & Guo, 2010 در این معماری، اکثر دادههای ابر بر روی سرورهای موجود در بستر اینترنت قرار میگیرند و برنامههای کاربردی علاوه بر سرورهای ابری بر روی مرورگرهای کاربران نیز اجرا میگردند - - .Dakshayini & Guruprasad, 2011 عموماً مصرفکنندههای سیستمهای محاسبات ابری مالک زیرساخت فیزیکی ابر نیستند، بلکه برای عدم پرداخت هزینه سرمایهای آن را از عرضه-کنندگان شخص ثالث2 اجاره میکنند.
آنها منابع را در قالب سرویس استفاده میکنند و صرفاً بهای منابعی را که بهکار میبرند، میپردازند - . - Lee, Wang, & Zhou, 2011 بسیاری از سرویسدهندگان محاسبات ابری، با بهکارگیری مدل محاسبات کاربردی امکان مصرف این سرویسها را بهگونهای مشابه با صنایع همگانی - مانند برق - فراهم میسازند. این در حالی است که سایر عرضهکنندگان سرویسهای خود را بهصورت اشتراکی عرضه میکنند. به اشتراکگذاری قدرت محاسباتی میان چند درخواستکننده میتواند باعث بهبود نرخ بهرهوری شود زیرا با این شیوه دیگر سرورها بدون دلیل بیکار نمیمانند - که سبب میشود هزینهها به میزان قابل توجهی کاهش یابند در عینحال که سرعت تولید و توسعه برنامهکاربردی افزایش مییابد - .
تأثیر دیگر این شیوه نیز این است که منابع به میزان بیشتری مورد استفاده قرار میگیرند زیرا مشتریان محاسبات ابری نیازی به محاسبه و تعیین حداکثری برای بار حداکثر3 خود دارند - Delavar, Rahmany, Halaakouie, & Sookhtsaraei, . - 2010 منابع کامپیوتری میتواند بهطور دینامیکی به شرایط و اولویتهای کاربر اختصاص یابد. در محیط رایانش ابری هر کاربر برای اجرای هر وظیفه، ممکن است با صدها منابع مجازی روبرو شود. رایانش ابری بهشدت به مجازیسازی وابسته است.
سیستم زمانبندی، وظایف مختلفی را در ابر جهت افزایش نرخ تکمیل کار و افزایش بهرهوری از منابع و در نتیجه افزایش توان محاسباتی، برعهده دارد. در واقع مفهوم زمانبندی به معنای اختصاص منابع به وظایف است. از این جهت مسئله زمانبندی یک مسئله مهم در مدیریت منابع موجود در ابر است، چراکه با وجود درخواستهای زیاد امکان انجام زمانبندی بهطور دستی در مرکز داده وجود ندارد. در چارچوب زمانبندی باید پارامترهای ورودیهای کاربر مانند زمان اجرای وظیفه، منابع موردنیاز و تعداد آن و غیره در نظرگرفته شود.
مجازیسازی بهطور وسیعی در رایانش ابری استفاده میشود. با این حال بهدلیل همگنی دینامیکی منابع بر پایگاه رایانش ابری، دستگاههای مجازی باید با محیط مجازی رایانش مجازی انطباق یابند تا بهترین عملکرد را با استفاده کامل از سرویس و منابع آن بهدست بیاورند. اما برای بهبود استفاده از منابع، منابع بایستی بهدرستی اختصاص یابند. وظایف کاربر در محیط ابر بهصورت مستقل و یا وابسته است. در وظایف مستقل هر وظیفه و منابع موردنیاز آن مشخص است اما در وظایف وابسته تقدم و تأخیر اجرای وظایف بایستی در زمانبندی مشخص درنظرگرفته شود.
در این حالت اگر اجرای وظیفه i مقدم بر اجرای وظیفه j باشد در این حالت بایستی ابتدا وظیفه i اجراشده و سپس وظیفه j اجرا شود همچنین هر یک از وظایف فقط زمانی اجرا میشوند که منابع لازم در دسترس باشد - . - Cherkasova, Gupta, & Vahdat, 2007 الگوریتمهای مختلفی برای زمانبندی وظایف وابسته از طریق تخصیص منابع ارائه شده است. اما مرتبه زمانی این الگوریتمها بالا و زمان یافتن پاسخ بهینه طولانی است. زمانبربودن این الگوریتمها باعث میشود کارآیی مناسبی در حل این مسئله نداشته باشند .
بنابراین نیاز به استفاده از الگوریتمهای دیگری است که در زمان قابل قبول، پاسخ مناسبی برای این مسئله حاصل شود. از جمله این الگوریتمهای مناسب، الگوریتمهای بهینهسازی هوشمند هستند - Pandey, Wu, Guru, & . - Buyya, 2010 لذا در این پژوهش پس از بررسی نقاط ضعف و قوت روشهای پیشین، روش جدیدی از زمانبندی وظایف وابسته با درنظرگرفتن منابع با استفاده از الگوریتم بهینهسازی مبتنی بر جغرافیای زیستی ارائه میشود که هدف آن زمانبندی بهینه وظایف وابسته و تخصیص منابع به آنها در جهت کاهش زمان تکمیل وظایف است.
نحوه نگارش این مقاله به این صورت است که در بخش دوم مروری بر پیشینه تحقیق در زمینه زمانبندی وظایف در رایانش ابری خواهیم داشت و در بخش سوم به معرفی الگوریتمهای بهینهسازی مبتنی بر جغرافیای زیستی و کلونی زنبورعسل مصنوعی میپردازیم. در بخش چهارم شبیه-سازی ارائه شده و نتایج به دست آمده از پیادهسازی بیان میشود و در نهایت در بخش پنجم نتیجهگیری انجام میشود.
-2 مروری بر پیشینه تحقیق
هین انگویان و همکاران در سال 2009 به مدیریت منابع مجازی SLA1 بر روی زیرساختارهای ابری برای مدیریت منابع خودکار برای کنترل محیطهای مجازی پرداختند که تهیه منابع را از مکانیابی پویای ماشینهای مجازی جدا میکند. در واقع این مدیر تابع سراسری درجهای از SLA و هزینههای عملیاتی را بهینه میکند و برای حل مسئله بهینهسازی از یک برنامه-نویسی مقید استفاده میکند . - Van, Tran, & Menaud, 2009 - یهو و همکاران در سال 2009 برای ایجاد منابع در محاسبات ابری مدلی کارا با دو کلاس تکاملی کارایی تعاملی برای تعیین کمترین تعداد سرور موردنیاز برای SLAها ارائه دادند. برای هر دو کلاس، احتمال زمان پاسخ کوچکتراز x برابر y درنظرگرفته شده است.
دو استراتژی تخصیص سرور استفادهشده، یکی تخصیص مشترک و دیگری تخصیص انحصاری است. زمانبند FCFS یک استراتژی تخصیص را برای توزیع زمان پاسخ برای توسعه یک الگوریتم ابتکاری، تعیین میکرد که نیاز به کمترین تعداد سرور داشت. این الگوریتم در شرایط عملیاتی مورد استفاده قرار گرفت و نتایج مطلوبی به همراه داشت - . - Hu, Wong, Iszlai, & Litoiu, 2009 وی و همکاران در سال 2010 یک روش نظریه بازی برای تخصیص منابع به سرویسهای محاسبات ابری ارائه دادند. هدف این تحقیق حل مسئله کیفیت سرویس از طریق تخصیص منابع محدود است.
متقاضیان سرویس میخواهند از طریق درخواست منابع مورد نیازشان برای حل مسئله محاسباتی موازی پیچیدهشان ارائه شود. در این تحقیق نظریه بازی برای حل مسئله تخصیص منابع استفاده شده است و یک راهحل دو مرحلهای مناسب پیشنهاد شده است. اول، هر مشتری بهطور مستقل مسئلهاش را بدون در نظرگرفتن تسهیم تخصیص منابع حل میکند. یک روش برنامهنویسی دودویی صحیح برای حل بهینه مستقل پیشنهاد شده است. دوم، یک مکانیزم تکاملی طراحی شده است که تغییرات استراتژی تسهیم راهحلهای اولیه از مشتریهای مختلف را انجام میدهد.
نتایج کلی این است که همیشه میتوان راهحل مناسب یافت - Wei, Vasilakos, . - Zheng, & Xiong, 2010اُنات و همکاران در سال 2010 به تخصیص منابع پویا در محاسبات ابری با استفاده از چندمعیار تحلیل توزیعشده پرداختند. در این تحقیق یک روش برای مدیریت منابع خودمختار پویا در محاسبات ابری پیشنهاد شده است و بهصورت دو مرحلهای است. اول، یک معماری توزیعشده مدیریت منابع به وظایف مستقل را تجزیه میکند و هرکدام بهوسیله گرههای عامل اجرا میشوند که ماشینهای فیزیکی ارتباط محکم در مرکز دادهای هستند. دوم، گرههای عامل خودکار از طریق چندین معیار تحلیل تصمیم با استفاده از روش PROMETHEE پیکربندی میشوند.
نتایج شبیهسازی نشان میدهد روش پیشنهادی مقیاسپذیر و قابل انعطاف است - . - Yazir et al., 2010 لینلین و همکاران در سال 2011 به تخصیص منابع برای فراهمکردن سرویسها در محیطهای محاسبات ابری پرداختند. این الگوریتمهای تخصیص منابع برای SaaS2 فراهم میکند که هزینه زیرساختار کمینه شود. الگوریتمهای پیشنهادی طراحیشده یک راه مطمئن هستند که فراهمکنندگان SaaS را قادر میکند تا به مدیریت تغییرات مشتریها، نگاشت درخواستهای مشتری به پارامترهای سطح زیرساختار و راهاندازی ماشینهای مجازی بپردازند.
