بخشی از مقاله
چکیده
محاسبات ابری توسعهای از محاسبات توزیع شده، محاسبات موازی و محاسبات شبکه می باشد. یکی از مسائل اساسی در این محیط برنامهریزی کار میباشد. زمانبندی کار در محیط محاسبات ابر یک مسئله NP سخت میباشد و بسیاری از الگوریتمهای فرا ابتکاری جهت حل آن ارائه شده است. یک زمانبند کار خوب باید بتواند استراتژی زمانبندی خود را در محیط متغیر و با انواع کارها مطابقت دهد. این مقاله سیاست زمانبندی وظایف ابر را براساس تعادل بار براساس الگوریتم مورچگان پیشنهاد می دهد.
سهم اصلی از کار ما تعادل کل بار سیستم در حالی که تلاش برای به حداقل رساندن زمان اتمام کار وظایف داده شده تنظیم شده است. استراتژی زمانبندی جدید با استفاده از شبیهسازی کلودسیم8 شبیهسازی شده است. نتایج آزمایش نشان میدهد که الگوریتم مورچگان عملکرد بهتری نسبت بهFCFS9 و ACO10 دارد.
کلمات کلیدی: تعادل بار، محاسبات ابری، اولویت بندی کارها، الگوریتم بهینه مورچگان.
مقدمه
محاسبات ابری یک تجربه سریع در هر دو زمینه صنعت و دانشگاه میباشد. این فنآوری با هدف ارائه منابع الاستیک، توزیع شده و مجازی مانند آب و برق به کاربر پایانی میباشد. همچنین توانایی حمایت از اجرای کامل رایانه به عنوان یک ابزار در آینده را نیز دارد. با پشتیبانی از تکنولوژی مجازی سازی، سیستم عامل ابر شرکتهای فعال، قدرت محاسباتی را در فرم ماشینهای مجازی به کاربران اجاره میدهند.
زیرا این کاربران ممکن است از صدها هزار ماشین مجازی استفاده کنند اختصاص دستی کارها به منابع محاسباتی در ابر مشکل است، پس ما نیاز به یک الگوریتم کارا برای زمانبندی کارها در این محیط داریم. یک زمانبند خوب باید استراتژی زمانبندی خود را براساس تغییرات محیط و نوع کار وفق دهد.بنابراین، یک الگوریتم زمانبند پویا مانند بهینهسازی کلونی مورچه، برای ابرها مناسب میباشد.
الگوریتم ACO یک الگوریتم جستجوی تصادفی مانند دیگر الگوریتمهای تکاملی می باشد. این تقلید رفتار واقعی کلونی مورچه در طبیعت جهت جستجوی غذا و اتصال به دیگران با فرمون گذاشته شده در مسیر است. بسیاری از محققان از الگوریتم کلونی مورچه برای حل مسائل NP همانند مسئله فروشنده دوره گرد، رنگ آمیزی گراف، مشکل مسیریابی وسیله نقلیه، و غیره استفاده کرده اند. در این مقاله، ما یک الگوریتم بهینهسازی کلونی مورچه برای تخصیص منابع بهینه برای هر کار در سیستم ابر پویا ارائه می کنیم که، نه تنها زمان اتمام کارها را به حداقل میرساند، همچنین به سیستم محاسبات ابرپویا و تعادل بار سیستم سازگار است.
سپس، برای شبیهسازی این استراتژی جدید از نرمافزار کلودسیم با ورژن 2/1 استفاده می کنیم. نتایج آزمایش نشان میدهد الگوریتم LBACO پیشنهاد شده، انتظارات را برآورده میکند، در اینجا سه الگوریتم FCFS، الگوریتم مورچه ابتدایی و توازن بار الگوریتم مورچگان را با هم مقایسه می کنیم.
کلاس کاری کلودسیم
سرویس اطلاعاتی ابر سطح پایگاه داده خدمات بازگیری را فراهم میکند. این نقشه درخواست کاربر به ارائه دهندگان ابر، مناسب است.کارگزاری مرکز داده این کارگزار، که مسئول کیفیت سرویس ارائه شده به کاربران می باشد، و مسئول اعزام خدمات وظایف در سراسر ابر می باشد. الگوریتمهای زمانبندیهای کاربر توسعه یافته در مرکز داده کارگزاری اجرا میشوند. از این رو، محققان و توسعه دهندگان سیستم باید این کلاس را گسترش دهند.
زمانبندی ماشین مجازی: یک کلاس انتزاعی اجرا شده توسط یک جزء میزبان است. این نشان دهنده سیاست فضا و زمان به اشتراک گذاشته مورد نیاز برای تخصیص قدرت پردازش به ماشین های مجازی می باشد. ویژگی های این کلاس می تواند به راحتی به جای سیاست های خاص به اشتراک گذاری پردازنده بازنویسی شود.
