بخشی از مقاله
چکیده
رایانش ابری، مدل 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 سرعت دسترسی اطلاعات، جوابگوی نیاز کاربران باشد . مدیریت منابع و تخصیص وظایف در کنار امنیت، قابلیت اطمینان و حفظ اعتماد مشترکین یکی از چالشهای مهم در زمینه رایانش ابری میباشد که میتواند روی سایر مسائل نیز تاثیرگذار باشد.
واضح است که تعداد وظایف و منابع در محیط ابر میتواند بسیار گسترده باشد و به همین علت ترتیب اجرای کارها و نحوه تخصیص منابع تاثیر مهمی برکارآیی سرور ابر دارد. در محیط ابر در هر لحظه بصورت همزمان تعداد زیادی درخواست وجود دارد که برای پاسخ به هریک از آنها میبایست یک یا چند وظیفه انجام شود و هریک از این وظایف نیز جهت تکمیل به منابع خاصی نیاز دارند. جهت انجام مراحل فوق روشهای مختلفی ارائه شده است. در این مقاله یک الگوریتم زمانبندی وظایف برای محیطهای ابری بر اساس الگوریتم انتخاب ماشین دارای کمترین منابع تخصیصیافته ارائه شده است که میتواند توازن بار را در سرور برقرار کرده و هزینه را بهینه کند. نتایج شبیهسازی نشان میدهد که روش پیشنهادی کارآیی بهتری نسبت به سایر الگوریتمهای پرکاربرد مشابه مانند الگوریتم ژنتیک و الگوریتم کمینه-بیشینه2 دارد.
-1 مقدمه
دنیای فناوری اطلاعات و اینترنت که امروزه به جزئی از زندگی بشر تبدیل شده روز به روز در حال گسترش است. همسو با آن، نیازهای اعضای جوامع مانند امنیت اطلاعات، پردازش سریع، دسترسی پویا و آنی، قدرت تمرکز روی پروژههای سازمانی به جای اتلاف وقت برای نگهداری سرورها و از همه مهمتر، صرفهجویی در هزینهها اهمیت زیادی یافته است . راهحلی که امروزه در عرصه-ی فناوری برای چنین مشکلاتی پیشنهاد میشود تکنولوژی جدیدی است که در این روزها با نام رایانش ابری به آن پرداخته می-شود.
در رایانش ابری کاربران نیازی به سیستمهای سختافزاری با قابلیت پردازش و ظرفیت ذخیرهسازی بالا ندارند، زیرا تمامی اعمال محاسباتی و ذخیرهسازی در بخش ارائهدهندگان خدمات ابری و توسط سرورهای مجهز و پیشرفته انجام میگیرد. - تانت و پاول - 2017 مسئله تخصیص منبع و زمانبندی در رایانش ابری یکی از چالشهای زمینه رایانش ابری است. در این رابطه روشهای مختلفی ارائه شده است. با این حال استفاده از تجارب قبلی در راستای بهبود الگوریتم زمانبندی مورد توجه است.
این موضوع میتواند به بهبود مداوم الگوریتم منجر شود. با توجه به وجود بسترهای رایانش ابری، جهت استفاده از امکانات رایانش ابری، مسئله زمانبندی اهمیت پیدا میکند و در نتیجه ارائه یک الگوریتم زمانبندی کارا در محیطهای رایانش ابری ضرورت پیدا میکند. یکی از مهمترین قسمتهای یک سرور رایانش ابری که می توان آن را بهبود داد و بهبود آن تأثیر بسیاری بر افزایش راندمان و افزایش کیفیت سرویس ها دارد، الگوریتم و روش تخصیص منابع به درخواستها میباشد. ساختار و معماری سرور رایانش ابری به این صورت است که جهت موازیسازی انجام وظایف هر سرور به چند کامپیوتر میزبان3 - ماشین فیزیکی - 4 تقسیم شده وجهت استفاده از مزایای مجازیسازی5 روی هر کامپیوتر میزبان نیز چندماشین مجازی6 تعریف میشود.
نحوه تخصیص منابع به این صورت است که پس از دسته بندی و آماده کردن درخواستها برمبنای یک الگوریتم مشخص وظایف7 را به ماشینهای مجازی مشخص شده توسط الگوریتم ارسال میکنند و درواقع بخشی از منابعی که در ماشین مجازی قرار دارد را به آن وظیفه اختصاص می دهند. همچنین این نکته را نیز باید درنظر گرفت که هر ماشین مجازی باتوجه به توان و منابع خود میتواند چند کار را به صورت همزمان میزبانی کرده و انجامدهد.
وقتی کار بر یک سرویس خاص را از سرور ابر درخواست میکند مراحل ارائه آن سرویس توسط سرور بررسیشده و به چندین وظیفه وابسته یا غیروابسته تجزیه می شود و برای انجام آماده میشوند. - کاواچر و همکاران، - 2015 در این تحقیق یک الگوریتم برای مدیریت منابع و تخصیص آنها به وظایف ارائه شده که هدف نهایی آن به دست آوردن یک الگوی مناسب جهت نگاشت وظایف به ماشینمجازی به نحوی که بتواند بدون افزایش توان مصرفی، زمان پاسخ و زمان تکمیل وظایف را به حداقل برساند، میباشد.
-2 پیشینه تحقیق:
در مقاله آقای الوندی و همکارانش روشی جهت توزیع متناسب بار بر اساس الگوریتم انتخاب ماشین مجازی با کمترین تعداد بارگذاری8 ارائه کردهاند. این الگوریتم با وارد کردن وظایف به صورت تصادفی برای هر وظیفه ماشینی را انتخاب میکند که در تخصیصهای قبلی کمتر مورد توجه قرار گرفته است. در واقع تنها معیار این الگوریتم بارگذاری ماشین مچازی میباشد. مزیت این الگوریتم ایده آن است که بر مبنای توزیع متناسب بار بین ماشینهای مجازی است و سعی دارد از همه ماشینهای مجازی به تعداد برابر استفاده کند.
با توجه به اینکه این الگوریتم تنها تعداد بارگذاری ماشین مجازی را در نظر میگیرد، تنها در محیطهای همگن که میزان منابع ماشینهای مجازی با هم برابر هستند بهترین کارایی را از خود نشان میدهد؛ زیرا در محیطهای ناهمگن منابع موجود در ماشینهای مجازی با هم برابر نبوده و الگوریتم مورد نظر توجهی به میزان منابع اختصاص یافته ماشین مجازی ندارد. - الوندی و همکاران، - 2017 ژانگ و همکارانش در مقالهای به بررسی بهینه سازی و مدیرت منابع مجازی در نرم افزارهای مبتنی بر ابر پرداختند.
آخرین نمونه محاسبات ابری و گسترش روز افزون آن باعث شده است که بسیاری از غولهای فنآوری شروع به ارائه منابع به عنوان خدمات به مشتریان شدهاند. به همین دلیل ارائه دهندگان نرمافزارهای رایگان بار پایینتری را برای مدیریت سیستم به دوش میکشند. در همین حال، این واقعیت که ما در عصر انفجار اطلاعات هستیم چالشهای خاصی را پیش رو آورده است. برخی از وب سایتها به دلیل برخی از نگرانیهای غیر منتظره اجتماعی ممکن است افزایش حجم کاری شدیدی داشته باشند که باعث میشود این وب سایتها از دسترس خارج شوند و یا حتی موفق به ارائه خدمات در زمان مناسب نشوند.
در حال حاضر، از روشهای پس از عمل بر اساس تجربه انسانی و سیستمهای زنگ خطر به طور گسترده در مسئولیت رسیدگی به این سناریو ها مانند تاخیر و واکنش استفاده میشود. ما در این مقاله میخواهیم، برای حل مشکل چنین وب سایتهای در ابر، از ویژگیهای موجود در محاسبات ابری استفاده کنیم. در حال حاضر یک چارچوب مدیریت پویا منابع مجازی در ابر برای مقابله با ترافیک که ممکن است برای برنامههای کاربردی به وجود بیاید معرفی میشود.
چارچوب این پیاده سازی پیشبینی افزایش حجم کار و یک ماژول مدیریت منابع سفارشی با حداقل تضمین در دسترس بودن بالا از برنامههای کاربردی وب و مقرون به صرفه بودن برای ارائه دهندگان خدمات ابر به وجود میآورد. آزمایشات انجام شده نشان میدهد که دقت روش پیشبینی حجم کاری و مقایسه با دیگر روشها، افزایش پیدا کرده است. مجموعه دادههای مورد استفاده، دادههای جام جهانی 1998 است که روش پیشنهادی در آن اعمال میشود.
همچنین یک آزمایش مبتنی بر شبیه سازی طراحی شده است که نشان میدهد که چارچوب مدیریتی پیشنهادی و تشخیص تغییرات در شدت حجم کاری در طول زمان رخ دادن و اختصاص چند منبع IT مجازی باعث بهبود در دسترس بودن و مقرون به صرفه بودن می-شود. متاسفانه روش مورد نظر محققین مبتنی بر دادههای قدیمی بوده و دیتاست آنها استاندارد نمیباشد - میزان گستردگی استفاده از خدمات وب در سال 1998 و سال 2018 اختلاف بسیار زیادی دارد - ، ضمنا مبنای پیشنهاد محققین بر روی پیشبینی افزایش حجم کاری بنا شدهاست و این در حالیست که این موضوع در بسیاری از موارد مانند شرایط بحرانی و یا حملات DDOS قابل پیشبینی نیست. - ژانگ و همکارانش، - 2016
سان و همکارانش در پژوهشی به بررسی بهینه سازی اتوماتیک منابع ابر با استفاده از QOS پرداختند، بهینه سازی نرم افزارهای در محیط یک ابر به معنی به حداکثر رساندن کیفیت سیستم از سرویس و به حداقل رساندن هزینه کل است. چالشهای سنتی این بهینه سازی مقدار زیادی از تعیین معیار مورد نیاز برای بهینه سازی را به طور ساده تحت تاثییر میگذارد. در این مقاله یک چاچوب C2RAM، و یک رویکرد جدید فعال کردن سریع ارائه میشود، استقرار بهینه سازی شده از نرم افزار بر روی یک محیط ابر به طور قابل ملاحظهای نیاز به کاهش تعداد معیارهای مورد نیاز داد.
C2RAM به انجام برخی کارها مانند پیشبینی نتایج و اندازه گیریی متریک QOS مانند زمان تاخیر بسیار دقیق است. نتایج این بررسی نشان میدهد که این متد با الزامات QOS برای هر نرم افزار در سیستم ارائه شده و اطمینان حاصل شود که نیاز های مورد نیاز ارزیابی کند.QOS یا توافقنامه سطح سرویس شامل معیارهای فراوانی میباشد و این در حالیست که روش پیشنهاد شده میتواند تنها چند معیار را در نظر بگیرد. روش مورد نظر با در نظر گرفتن کیفیت سرویس در کنار صرفهجویی در هزینهها میتواند برخی شاخصهای سرور ابر را بهبود دهد. - سان و همکارانش، - 2016
