بخشی از مقاله
چکیده
محاسبات ابری به عنوان شاهکار فوق العادهای در عرصه اینترنت پیشرفت چشمگیری داشته است؛ به گونهای که کاربران ابر، برای استفاده از امکانات سخت افزاری و نرم افزاری پیشرفته به این فضا روی آوردند. برای استفاده از امکانات ابری، بین کاربران و سرویس دهنده ابر قراردادی به نام توافقنامه سطح سرویس بسته میشود. در صورت تخلف از توافقنامه سطح سرویس، سرویس دهنده ملزم به پرداخت جریمه نقدی به کاربر میباشد.
در این مقاله برای بررسی تخلف از توافقنامه سطح سرویس، روشی پیشنهاد شده است که هدف آن یافتن بازههای زمانی است که در آن بیشترین تخطی از توافقنامه، کشف شده است و در عین حال، این کشف موجب افزایش سربار زمانی تحمیلی به سرویسدهنده نیز نشده باشد. برای تشخیص تخطی، روش الگوریتم بهینهسازی ازدحام ذرات - PSO - و الگوریتم پرنده فاخته - Cuckoo - با هدف پیدا کردن بازه زمانی با تعداد بیشتری از تخطیهای کشف شده با حداقل سربار زمانی مورد مقایسه قرار گرفتهاند. نتایج نشان میدهد که الگوریتم مبتنی بر بهینه سازی ازدحام ذرات توانسته است نسبت به الگوریتم فاخته تعادل بهتری بین سربار زمانی و تعداد تخطی برقرار نماید.
-1 مقدمه
توافقنامه سطح سرویس توصیفی از کیفیت خدمات سرویس* است .پارامترهای توافقنامه سطح سرویس، پهنای باند ورودی و خروجی، محاسبات ابری فناوری جدیدی است[1] که انقلابی در ارائه خدمات به پردازنده و حافظه می با شد
چالش اصلی و در واقع هدف در این مقاله که به دنبال پاسخ به آن هستیم یافتن بازه زمانی پویا با الگوریتم تکاملی PSO - بهینه سازی ازدحام ذرات - و سپس مقای سه آن با الگوریتم Cuckoo - پرنده فاخته - است که نشان دهیم کدام یک از این دو الگوریتم نتیجه بهتری در یافتن بهترین بازه زمانی پویا به دست می آورند.
بهترین بازه زمانی بازهای است که، بیشترین تخطی از توافنامه سطح سرویس را کشف کند و همچنین سربار زمانی کمتری به سیستم تحمیل کند.
ساختار این مقاله ب صورت زیر ا ست. در بخش دوم کارهای مرتبط با موضوع همراه با مزایا و معایب کارهای انجام شده درگذشته آورده شده ا ست. در بخش سوم تو ضیحی در رابطه روش پی شنهادی آورده شده است و در بخش چهارم به بررسی و ارزیابی نتایج حاصل از پژوهش پرداخته شده است و در نهایت در بخش پنجم نتیجهگیری و پیشنهادهای آینده آورده شده است.
-2 کارهای مرتبط
روشهای مختلفی برای کنترل و نظارت بر توافقنامه سطح سرویس در محیط ابر انجام شده است. هرکدام از این روشها دارای مزایا و معایبی است. این روشها به دو دسته کلی تقسیم میشوند. دسته اول روشهایی هستند که در طی اجرای برنامه با تغییر در محاسبات برنامه مقادیرشان ثابت و تغییر نمیکند این روشها ایستا نام دارند. دسته دوم در طی اجرای برنامه مقادیریشان مدام در حال عوض شدن است و حالت ثابتی ندارند به این د سته پویا گفته می شود. در ادامه به برر سی برخی از این روشها در قالب کارهای انجام شده در سایر مقالات و مزایا و معایب هر روش پرداخته شده است.
در [8]، نظارت ابری بر روی برنامه با ا ستفاده از روش mOSAIC 4 ارائه شده است. توسعه و فنهای نظارتی بر برنامههای کاربردی با استفاده از mOSAIC 5API توصیف شده و روی محیط ابری با هدف جمعآوری اطلاعات گ سترشیافته ا ست. در آن مقاله، ک شف تخطی از توافقنامه سطح سرویس بهمنظور اجتناب از هزینه در نظر گرفته نمیشود و بهعلاوه عمومی نیست. چون تنها برنامههایی را کنترل میکند که با استفاده از mOSAIC API، توسعه یافتهاند.
در [9] روش مبادله ابری ارائه شده است که عملکرد بهتر، کاهش هزینه در محیط ابری از مزایا و عدم پشتیبانی از زمانبندی پویا از معایب آن مقاله به شمار میرود.
در [10] یک رویکرد برای سازگاری قالب توافقنامه سطح سرویس کاربران با توافقنامههای عمومی ارائه شده است؛ از مزایای آن روش این است که محدودیت قالب توافقنامه ایستا با این قالب رفع میگردد و تعریف نگاشت بین توافقنامه عمومی و خصوصی برای کاربران انجام میشود؛ از طرفی تحم یل هزینه به کاربر، عدم مدیریت تخطی از توافقنامه سطح سرویس از معایب آن روش به شمار میرود.
در [5] معماری زیرساخت کشف خودکار تخطی از توافقنامه سطح سرویس ارائه شده است؛ این معماری به طور خودکار تخطی از توافقنامه سطح سرویس در بازههای ایستا را پیدا میکرد. به حداقل رساندن تعامل با کاربران و پیشگیری از تخطی از توافقنامه سطح سرویس از مزایا آن مقاله و افزایش سربار زمانی در بازههای زمانی کوتاه از معایب آن مقاله به شمار میرود.
در [11] روش کمترین ز مان م هاجرت برای کاهش تخطی از توافقنامه سطح سرویس در بازههای ای ستا بهعنوان یک نیاز جهت بالا بردن کیفیت سرویس و راضی کردن مشتریان ارائه شده است . کاهش مصرف انرژی که باعث پیدا کردن تخطی بیشتر توافقنامه سطح سرویس نسبت به روشهای دیگر شده؛ از مزایا آن مقاله و عدم کاهش سربار زمانی سی ستم و همچنین عدم پویا سازی از معایب آن مقاله به شمار میرود.
در [12] با استفاده از الگوریتم رقابت استعماری، تضاد منافع میان سربار سی ستم و تخطی در محا سبات ابری جهت یافتن بازههای پویا در معماری کشف خودکار تخطی6 را ارائه شده است. درآن مقاله یک روش دقیق با یک روش نا دقیق مورد مقایسه قرار گرفته که ذات این مقایسه صحیح نیست در ضمن عدم پیادهسازی در محیط کلودسیم7 از معایب آن مقاله به شمار میرود.
در [1] الگوریتم جهش قورباغه برای یافتن بازه زمانی پویا ارائه شده است. برقراری تعادل نسبی بین کشف تخطی و سربارزمانی سی ستم از مزایای آن مقاله به شمار می رود. اما م صرف زیاد حافظه از معایب آن الگوریتم به شمار می رود.
در این مقاله از الگوریتم بهینهسازی ازدحام ذرات بدلیل داشتن سرعت همگرایی بالا در رسیدن به نقطه بهینه محلی8 استفاده شده است.
-3 الگوریتم پیشنهادی
چالش موجود در کشف تخطی از توافقنامه سطح سرویس، این است که هر اندازه بازه زمانی کوچکتر در نظر گرفته شود، تعداد تخطی کشف شده و سربار زمانی بیشتر و هر اندازه بازه زمانی بزرگتر انتخاب گردد، تعداد تخطی ک شف شده و سربار زمانی وارد شده به سی ستم کمتر خواهد شد. هدف اصلی برقراری تعادل بین سربار زمانی سیستم و تعداد تخطیهای کشف شده میباشد. سربارزمانی در بازههای ایستا به علت کشف بیشتر تخطی افزایش مییابد.
برای یافتن بازه زمانی پویا ابتدا میبایست برای پارامتر حافظه توافقنامه سطح سرویس، یک بارکاری بر مبنای بارکاری پیش فرض کتابخانه کلودسیم تولید شود. این بارکاری، باید میزان تخطیها را در هر بازه زمانی بر اساس دقیقه ارزیابی نماید. از آنجا که دادههای پلنت لب تنها در بازههای زمانی که ضریب صحیحی از 5 دقیقه میباشد؛ تعداد تخطیهای ک شف شده را گزارش مینمایند لذا برای روش کار ما مناسب نیستند. به همین دلیل نیاز به تولید یک بارکاری داریم که بتواند در هر بازه زمانی تعداد تخطیهای کشف شده را مشخص نماید. هر بارکاری برای یک شبانه روز یعنی 1440 دقیقه ارزیابی می شود. با توجه به بازه زمانی انتخابی m تعداد دفعاتی که تخطی سیستم ثبت میشود از رابطه - 1 - به دست می آید.
برای هر بازه زمانی m دقیقهای، لازم است تا هزینه اندازهگیری که رابطه مستقیمی با طول بازه دارد و تعداد تخطیهای ک شف شده و بدنبال آن تعداد تخطیهای کشف نشده محاسبه شود. جهت ایجاد تعادل بین هزینه اندازهگیری و تعداد تخطی کشف شده از رابطه - 2 - استفاده میشود
در رابطه - 2 - تعداد اندازهگیری رابطه مستقیمی با زمان دارد. برای مثال اگر بازههای اندازهگیری 5 دقیقهای یکبار باشد و بارکاری ما برای یک شبانه روز 24 - ساعت - اجرا شود آنگاه تعداد بازههای اندازهگیری 1440 دقیقه خواهد بود به همین ترتیب برای بازههای 10 دقیقه یکبار ت عداد ا ندازهگیری 522 خوا هد بود. طبیعی است این ت عداد برای بازه هایی با طول بزرگتر م قدار کمتر و برای بازه ها با طول کوچکتر مقدار بزرگتر را ایجاد میکند. مجموع این پارامترها باید تعادل را ببین هزینه اندازهگیری و هزینه تخطی کشف نشده برقرار سازد.
از آنجا که تعداد بازههای انتخابی m زیاد میباشد و هربار باید کل بارکاری در هر بازه انتخابی در یک دوره 24 ساعته ارزیابی شود لذا به دنبال یک انتخاب بازه زمانی هستیم که تعادل بین هزینه اندازهگیری و تعداد تخطیهای کشف شده برقرار نماید. برای این منظور یک بازه زمانی m از بین بازههای زمانی انتخاب میشود که مقدار رابطه - 2 - را مینیمم نماید.
با توجه به مسائل بیان شده در بالا برای یافتن یک بازه زمانی از بین بازههای زمانی موجود نیاز به ا ستفاده از یک الگوریتم تکاملی میبا شد. در همین راستا از الگوریتم بهینه سازی ازدحام ذرات در این مقاله استفاده شده ا ست. عدم گیر افتادن در بهینه محلی دلیل انتخاب این الگوریتم میباشد.
همانطور که توضیح داده شد نوآوری این مقاله در یافتن بهترین بازه زمانی است که بتواند بین هزینه اندازهگیری و تعداد تخطیهای ک شف ن شده تعادل برقرار نماید؛ به عبارت دیگر یافتن بازه پویایی که با توجه به شرایط مسئله تعیین میگردد.
-1-3 الگوریتم بهینه سازی ازدحام ذرات
روش بهینهسازی ازدحام ذرات - PSO - ، از رفتار اجتماعی دسته پرندگان یا گروه ماهیها در حین جستجوی غذا، برای هدایت جمعیت به منطقه امیدبخش در فضای جستجو الهام گرفتهشده است
هر پرنده به عنوان یکی از اعضا گروه از تجربه قبلی و یافتههای سایر اعضا برای یافتن غذا بهره میبرد. پایه اصلی الگوریتم بهینه سازی ازدحام ذرات همین ت سهیم اطلاعات بین اع ضا گروه ا ست. در الگوریتم بهینهسازی ازدحام ذرات هر جواب مسئله، موقعیت یک پرنده در فضای جستجو است که آن را ذره مینامند. تمام ذرهها دارای یک مقدار شایستگی هستند که توسط تابع برازش9 که هدف بهینهسازی میباشد به دست میآیند. همچنین هر ذره دارای مؤلفهای به نام سرعت می باشد که مسیر حرکت آن را در فضای جستجو تعیین میکند.
الگوریتم بهی نهسازی ازد حام ذرات با یک گروه از جواب های تصادفی شروع به کار میکند. سپس برای یافتن جواب بهینه در فضای مسئله با بهروزکردن موقعیت و سرعت هر ذره به جستجو میپردازد. هر ذره به صورت چندبعدی - ب سته به طبیعت م سئله - با دو مقدار X id وV id که به ترتیب معرف مکان و سرعت مربوط به بعد d ام از i امین ذره ه ستند تعریف می شود. در هر مرحله از حرکت جمعیت، هر ذره با توجه به دو مقدار بهترین بهروز میشود.
اولین مقدار بهترین جواب از لحاظ شایستگی است که تاکنون برای هر ذره بهطور جداگانه بهدستآمده است. این مقدار بهترین فردی ا ست و pbest نامیده می شود. مقدار بهترین دیگر که تو سط الگوریتم بهینهسازی ازدحام ذرات به دست میآید، بهترین مقداری است که تاکنون توسط تمام ذرهها در میان جمعیت بهدستآمده است این مقدار بهترین کلی است و gbest نام دارد. پس از یافتن دو مقدار pbest و gbest هر ذره سرعت و مکان جدید خود را با دو رابطه - 3 - و - 4 - بهروز میکند.بهطوری که w وزن اینر سی c1 و c2 ضرایب شتاب و r 1 و r 2 اعداد تصادفی در بازه 1 - و - 0 میباشند
