بخشی از مقاله
چکیده
افزایش روز افزودن فرضیه ی رایانش ابری و مفاهیم بدیعی در خصوص سرویس های رایانش ابری، منجر به این گردیده که فعالیت هایی پژوهشی مختلفی در رابطه با انتخاب سرویس ابری عقلانیٌ و با هدف توسعه ی تکنیک هایی به منظور بهره بردن کاربران از این سرویس رایانش ابری - به وسیله ی انتخاب سرویس هایی که کارائی بهینه ای را با کمترین هزینه فراهم میسازد - صورت گیرد.
رایانش ابری را میتوان بستری جدید برای ارائه ی زیر ساختار محاسباتی دانست، با این هدف که محل زیرساختار محساباتی را به یک شبکه منتقل داد تا بتوان هزینه های نگهداری منابع سخت افزاری و نرم افزاری را کاهش داد. سیستم های رایانش ابری ، قادر به ارائه ی دسترسی به مخزن بزرگی از منابع میباشند. منابعی که در سیستم های رایانش ابری فراهم میشود، حجم زیادی از سرویس ها را به وسیله ی بصری سازی از دید کاربر مخفی میسازد. در این مقاله، دیتا سنتر سرویس ابری به صورت سیستم صف بندی و با یک بافر درخواست وظیفه و یک بافر ورودی یک وظیفه که از ظرفیت نامحدودی برخوردار است، مدل سازی شده است.
مقدمه
رایانش ابری را میتوان یک شکل توسعه ی تحت وب و استفاده از دانش کامپیوتر دانست. این سرویس در طی چند سال اخیر به یک بسر عمده ی IT مدل گشته است. رایانش ابری را با عبارات مشابه دیگری مانند نرم افزار به عنوان یک سرویس - SaaS - 2، رایانش گریدَ، رایانش خوشه، رایانش مستقل و رایانش کاربردی نیز تعریف میکنندSaas .[1]، یا نرم افزار به عنوان یک سرویس، یک مدل تحویل نرم افزار بوده که در آن، نرم افزار و داده های مربوطه به آن به صورت مرکزی بر روی یک ابر مورد میزبانی قرار گرفته اند. SaaSعموماٌ توسط کاربرانی که به وسیله ی یک مرورگر وب از یک کلاینت استفاده میکنند، قابل دسترسی است.
رایانش گرید و رایانش خوشه نیز دو نوع تکنولوژی کامپیوتری برای توسعه ی رایانش ابری میباشد. رایانش مستقل نیز شامل سرویس های سیستم کامپیوتری بوده که قادر به مدیریت خود بوده و رایانش کاربرد نیز شامل بسته بندی منابع محاسباتی ای مانند دستگاه های محاسباتی و ذخیره سازی میباشد.[2,3] مراکز ابری، بر مبنای یک سری جنبه ی مهم و سیستم های صف بندی، با هم متفاوت هستند. یک مرکز ابری ، میتواند دارای تعداد مازادی گره های قابلیت - سرور - به تعداد صد ها یا هزاران مورد باشد[4]؛ تحلیل صف بندی مرسوم، در مقیاس کمی این سیستم خا را در نظر میگیرد. زمان های سرویس دهی به وظیفه را باید به صورت کلی مدل سازی کرد، و نه اینکه آنرا به صورت تابع احتمالاتی و نمایی مدل سازی کرد.
ضریب واریانس مربوط به زمان سرویس در یک وظیفه ممکن است از مقدار یک بیشتر باشد. به دلیل ماهیت پویای محیط های ابری، تنوع درخواست های کاربران و وابستگی زمانی در بارهای کاری باعث گردیده تا مراکز ابری بتوانند کیفت سرویس مورد انتظار را برای بار های مختلف ارائه دهند.[5,6]توسعه ی یک بستر رایانش ابری، باعث گردیده تا ارزیابی کارائی صحیح از مراکز داده ای ابری ضرورت یابد. از آنجایی که مدل سازی دقیقی از مراکز ابری را نمیتوان به دلیل ماهیت مراکز ابری و تنوع درخواست های کاربران مفید دانست، در اینجا یک مدل تحلیل تخمین جدیدی از توزیع احتمالاتی کامل در سرور ابری را ارائه میدهیم و آنرا به منظور بدست آوردن تخمین صحیحی از احتمالِ کامل توزیع زمان پاسخ به درخواست ،و سایر شاخص های کارائی مهم حل خواهیم کرد.
این مدل به اپراتور های ابری اجازه داده تا رابطه ی بین سرور ها و اندازه ی بافر ورودی را از یک سو مشخص سازند، در حالی که شاخص های کارائی مانند تعداد وظایف در یک سیستم، احتمال بلاک بندی و احتمال اینکه یک وظیفه سرویسی آنی را دریافت کند نیز از سوی دیگر مورد ارزیابی قرار خواهد گرفت. مزیت کلیدی ای که در داشتن چندین سرور در محیط رایانش ابری وجود دارد، این بوده که کارائی سیستم به وسیله ی کاهش طول صف افزایش یافته و زمان انتظار نیز در مقایسه با روش های مرسومی که در آن فقط یک سرور وجود دارد کاهش پیدا میکند، به طوری که مشتریان نیازی به انتظار کشیدن برای بازه ی زمانی طولانی ای نداشته و نیازی هم نیست تا صف از حجم بزرگی برخوردار باشد.
در این مقاله، ما مرکز ابری را به عنوان یک سیستم صف بندی GD MODEL - ] - : - [ - M/G/1 و به همراه یک بافر درخواست وظیفه و بافر ورود وظیفه با ظرفیت محدود، مدل سازی کرده ایم. همچنین کارائی سیستم صف بندی را با استفاده از مدلی تحلیلی ارزیابی کرده ایم و آنرا به منظور بدست آوردن فاکتور های کارائی مهمی مانند تعداد میانگین وظیفه ها در یک سیستم، حل نموده ایم.
مابقی این مقاله به صورت زیر سازماندهی شده است.در بخش دون، فعالیت های مربوطه را تشریح خواهیم کرد. در بخش سوم، بازبینی مختصری را بر روی مدل های صف بندی و فرضیات مربوط به آن انجام خواهیم داد. در بخش چهارم، مدل تحلیلی خود را به صورت کامل بیان خواهیم کرد. نتایج تحلیلی را نیز در بخش پنجم ارائه خواهیم داد. یافته های خود را نیز در بخش ششم خلاصه کرده ایم و همچنین جهت گیری های آینده ی خود را نیز مشخص نموده ایم.
فعالیتهای مربوطه - بیشینه -
سرویس رایانش ابری، میتواند یک محیط نرم افزاری کاملی را در اختیار کاربران قرار دهد. این محیط میتواند منابعی مانند انرژی محاسباتی، پهنای باند و ظرفیت ذخیره سازی را برای ما فراهم سازد. این سرویس در سطح زیادی مورد توجه قرار گرفته است، ولی فقط بخش کمی از این فعالیت ها به بررسی مسائل مربوط به کارائی پرداخته اند و روشی تحلیلی در این خصوص نیز فقط به تعداد انگشت شماری ارائه شده است.
زمان پاسخ را میتوان یکی از محدودیت های اصلی در سیستم صف بندی دانست، چرا که توزیع زمان پاسخ برای یک مدل مرکز ابری به صورت یک سیستم صف بندی M/M/m/m+r فراهم شده است که در این سیستم، زمان های سرویس و زمان بین ورود بر این مفروض بوده که به صورت نمایی توزیع شده است و سیستم دارای بافری محدود به اندازه ی میباشد. زمان پاسخ نیز به چند دسته ی زمان انتظار، سرویس دهی و بازه های اجرا تقسیم شده است، با این فرض که هر سه بازه ی زمانی مستقل میباشند، که البته این چنین استقلالی با توجه به نظریه ی ارائه شده در [7] غیر واقعی میباشد.
زمان بین ورود و/یا زمان سرویس دهی به صورت نمایی نیستند و پیچیدگی زیادی دارند. بسیاری از تحلیل های نظری ، به منظور ارزیابی کارائی سیستم های صف بندی M/G/m در سطح زیادی متکی به پژوهش بوده اند. اگرچه توزیع های احتمالاتی از زمان پاسخ و طول صف بندی در M/G/m را نمیتوان به شکلی بسته بدست آورد، که این امر باعث شده پژوهش برای یک تخمین مناسبی در [8] ضرورت یابد.
در [8]، مؤلفین ، زمان پاسخ میانگین از یک درخواست سرویس در [14] را اندازه گیری نموده اند، ولی تکنیک های اندازه گیری را به سختی میتوان در پیش بینی کارائی سرویس کامپیوتر بکار گرفت. به منظور محاسبه ی درصدی زمان پاسخ، باید در ابتدا توزیع احتمال مربوط به زمان پاسخ را بدست آورد. البته انجام این کار در یک محیط محاسباتی پیچیده که شامل گره های محاسباتی زیادی است، کار آسانی نیست.آنها یک M/G/1 وابسته به وضعیت را در نظر گرفته اند که در آن، بازه ی زمانی و توزیع های زمان سرویس، بسته به میزان کار ناتمام سیستم دارد. آنها از متد های بیرونی به منظور بدست آوردن تخمین هایی برای چندین مقیاس مربوط به کار ناتمام و بازه ی اشغالی میانگین در یک چنین صفی از [9] استفاد نموده اند.
ملاحظه ی مهم این بوده که زمان ورود یک مشتری - که اندازه ی آن بسته به وضعیت زنجیره ی مارکوف مربوطه دارد - را میتوان به عنوان زمان ورود یک مشتری بالا رتبه در نظر رگفت، که زمان سرویس آن به صورت جمع درخواست های سرویس از کامپیوتر های موجود در [11] صورت گرفت است. یک مقایسه ای در بین همه ی این روش ها صورت گرفته است که تمرکز آنها بر روی بدست آوردن تخمین های قابل اطمینانی از پیش بینی کارائی معماری های مختلف و بسته به جریان های کاری بوده است. اگرچه هیچ مقایسه ی هزینه ی اقتصادی در بین پلت فرم های مختلف نشان داده نشده است. بعضی از کارهایی که در این زمینه صورت گرفته است، بر مبنای ایستگاه های کاری دستکاپ، خوشه های محلی و منابع به اشتراک گذاشته شده ی HPC و با استناد به بار های کاری علمی موجود در [16] بوده است.
• مدل های بکار گیری کنترل
کنترل فسقٌ و تأخیر مدار در مدار های دیجیتال cmos را میتوان به شکل درستی به وسیله ی معادلاتی ساده، و حتی برای مدار های ریز پردازنده مدل سازی کرد. مدار های CMOS دارای فسق کنترل مدار کوتاه ، ایستا و پویایی میباشند؛ اگرچه مؤلفه ی اصلی در یک مداری که به خوبی طراحی شده است، بکار گیری کنترل پویا Pبوده - مانند سوئیچ مؤلفه ی انرژی - که تقریباٌ برابر با بوده و در این آن، b یک فاکتور فعالیت بوده، D نشان دهنده ی ظرفیت باری و w نیز ولتاژ تأمین و همچنین f فرکانس کلاک میباشد.[12]در یک مورد عالی، ولتاژ تأمین و فرکانس کلاک به گونه ای بهم مرتبط بوده که برای مقادیر ثابت میباشد.[15] سرعت اجرای پردازنده s نیز به صورت خطی، با فرکانس کلاک تناسب داشته که به صورت نامگذاری میشود. به منظور آسانی مباحث، فرض میکنیم که در آن، هر دوی ثابت هستند.
• مدل ها و فرضیات
میتوان مشخصه ی احتمالاتی زنجیره ی مارکوف را به صورت زیر تعریف کرد:یک زنجیره ی مارکوف را در صورتی احتمالاتی مینامیم که قابل کاهش نبوده، فاقد مقدار Null بوده و غیر دوره ای باشد. ما قابلیت محاوره را نیز به صورت زیر تعریف میکنیم، وضعیت i که با j محاوره دارد نشان داده میشود، در صورتی که زنجیره ، وضعیت j را با احتمالی مثبت و با شروع از i ملاقات کرده باشد
