بخشی از مقاله

چکیده

امروزه سرویس محاسبات ابری به یکی از راهکارهای توسعهپذیر در صنعت کامپیوتر مبدل گشته است. این سرویس، روش جدیدی به منظور ارائهی سرویسهای مبتنی بر فناوری اطلاعات بر روی فضای وب است. همچنین این مدل، منابع محاسباتی را از طریق اینترنت در اختیار مشتری قرار میدهد. در محاسبات ابری، تخصیص و زمانبندی منبع باعث شده تا سرویسهای وب زیادی در کنار هم قرار گیرند . این مقاله، به استراتژیهای تخصیص منبع در شبکه پرداخته و کاربرد آنها را در محیط محاسبات ابری بررسی میکند. در این مقاله تشریح مختصری برای تخصیص منابع در محاسبات ابری، به صورت پویا نیز بیان شده است. همچنین به بررسی و دستهبندی آخرین چالشهای مرتبط با فرآیند تخصیص منبع در محاسبات ابری، بر حسب انواع تکنیکهای تخصیص منبع پرداخته شده است.

کلمات کلیدی:محاسبات ابری، محاسبهی توزیع شده، چالشهای محاسبات ابری، تخصیص منبع

-1 مقدمه

محاسبات ابری را میتوان یک مدل محاسباتی دانست که با استفاده از اینترنت و سرورهای سازماندهی شدهی مرکزی، برنامههای کاربردی و اطلاعات و وضعیت آنها را نگهداری میکند. این راهکار، به کاربران و فرآیندهای کاری اجازه داده تا برنامههای کاربردی خود را بدون نیاز به سختافزار پردازشی قدرتمند، از طریق اینترنت اجرا کنند. محاسبات ابری، همچنین با متمرکزسازی فضای ذخیرهسازی، توزیع و پهنای باند، اجازهی پردازش محاسبات بسیار سنگین را میدهد . به عنوان نمونههایی از محاسبات ابری، میتوان به سرویسهای پست الکترونیکی شرکتهایی مثل یاهو، گوگل و یا مایکروسافت2 اشاره کرد. در محاسبات ابری، سرور و نرمافزار مدیریت ایمیل،تماماٌ بر روی فضای ابری قرار گرفتهو کاملاٌ تحت کنترل و مدیریت تأمین کنندهی سرویس ابری هستند. کاربران از نرمافزاری که به این سرور وابسته نیست استفاده کرده و از مزایای این سرویسها بهره میبرند.محاسبات ابری، به عنوان واسط عمل میکند و میتوان آن را به سه سطح خدمات واسط زیر تقسیم کرد:
.1 SaaS3 - نرمافزار به عنوان یک سرویس -
.2 PaaS4 - سکو به عنوان یک سرویس -
.3 IaaS5 - زیرساخت به عنوان یک سرویس -

تخصیص منابع ابری، نه تنها کیفیت سرویس6 را با توجه به توافقات سطح سرویس فراهم میکند، بلکه مصرف انرژی را نیز به میزان زیادی کاهش میدهد.

-2 تخصیص منبع

محاسبات ابری، یک مدل محاسباتی جدید را برای پروژهها، مشتریان و مشاغل آنلاین فراهم کرده به گونهای که در آن، منابع بر اساس تقاضا تخصیص داده میشود. اهداف کلیدی تأمین کنندگان سرویس ابری و مصرفکنندگان، تخصیص منابع ابری قدرتمند و رسیدن به بالاترین سطح سود مالی میباشد.تخصیص منبع، یکی از مباحث ضروری در محاسبات ابری به شمار میرود. این تخصیص، به معنای نحوهی توزیع سرویس و تجهیزات در بین کاربران است. استفاده از این سرویس توسط مشتری از پرداخت هزینههای اضافی برای منابع بلااستفاده جلوگیری میکند . تخصیص منبع، میتواند چیزی بیشتر از صرفهجویی در هزینههای مالی باشد، بدین صورت که به کاربران اجازه داده تا از بروزترین نرمافزارها و توزیع محیط برای ارتقاء فرایندهای شغلی خود استفاده کنند.

تخصیص منبع برای کاربران ابری، به دلیل پیچیدگی تخصیص، یک فرایند چند بعدی میباشد. هزینهی منابع در یک ابر نیز بر مبنای سیاست »سفارش -تحویل« است. تخصیص منبع به صورت پویا، به ما اجازهی پیشرفت در پیادهسازی برنامههای کاربردی را داده و به مشتریان نیز اجازهی توصیف سیاستهای فراوانی را میدهد. نسخهی عینی تخصیص منبع برای یک زیر ساختار محاسبات ابری، بهگونهای است که منابع بدست آمده از تیمهای سراسری تخصیص منبع، به صورت همزمان تخصیص داده میشود.

-3 کارهای مربوطه

فعالیتهای زیادی برای تحلیل منبع در سکوهای7 ابری صورت گرفته است. تخصیص منابع، بر مبنای الگوریتمهای زمانبندی متعدد، میباشد. منابع بر اساس پارامترهای متعددی مانند بیشترین توان کاری، بیشترین بهرهوری، آگاهی از توافقات سطح سرویس8 ، تضمین کیفیت سرویس، بیشترین مصرف انرژی و غیره، تخصیص داده میشود. در بخش زیر، یک بازبینی مختصر بر روی بعضی از فعالیتهای مرتبط با تخصیص منبع که تاکنون صورت گرفته، ارائه شده است.[1]

- 1  الگوریتم بهینهی زمانبندی منبع

به منظور بهینهسازی زمانبندی منبع، یک الگوریتم بر مبنای پژوهشهای صورت گرفته بر روی سیستمهای زیرساختار به عنوان یک سرویس - IaaS - پیشنهاد شده است. روشهای احتمالاتی برای توزیع ماشینهای مجازی به صورت انعطافپذیر و به منظور بیشترین استفاده از منابع مشارکتی صورت گرفته است. یک الگوریتم ژنتیک بهبودیافته - IGA - 9 نیز مورد استفاده قرار گرفته و در این الگوریتم از کمترین ژنها استفاده شده و یک شمایی برای انتخاب بهترین تخصیص برای تقاضاهای ماشینهای مجازی معرفی شده است.[2]

- 2راهکار تخصیص منبع مبتنی بر بازار: - RAS-M - 10

یک راهکار تخصیص منبع مبتنی بر بازار - RAS-M - پیشنهاد شده است که هدف آن، بهبود مصرف منبع مراکز دادهای بزرگ و در عین حال فراهم کردن سرویسی با کیفیت بالا برای مشتریان این سرویس میباشد.[3] با توجه به محدودیتهای منابع که کاربران این سرویس با آن روبرو هستند، طراحی ساختاری و نسخهی عینی بازار از RAS-M ایجاد شده است. روش پیشنهادی، منابع را بر اساس ضرورتهای منابع متفاوت، تأمین میکند. با این کار، مصرف منابع با مزایایی برای تأمین کننده و کاربر همراه است.این مدل از سه پارامتر اصلی: مصرفکننده، منابع و اقتصاد بازار تشکیل شده است. هدف بیشینه کردن سود برای عامل مصرف کننده است. فاکتور اقتصاد بازار در این روش در واقع راهکاری برای تنظیم قیمت منابع با توجه به رابطه عرضه و تقاضا است.

- 3زمانبندی، با استفاده از پارامترهای توافقات سطح سرویس

در راهکار استفاده از محاسبات ابری، مشخصهی ضروری این است که منابع بر اساس روش مبتنی بر تقاضا تخصیص داده شوند. سرویس ارائه شده در فضای ابری، بر مبنای توافقات سطح سرویس میباشند. به منظور اجتناب از جریمههای هزینهبر، نقض توافقات سطح سرویس باید مورد مجازات قرار گیرد. برای تخصیص منبع به صورت کارآمد، روشهای زمانبندی را باید با پارامترهای متعددی از توافقات سطح سرویس در نظر گرفت. بنابراین، یک روش زمانبندی با پارامترهای توافقات سطح سرویس پیشنهاد شده است.[4] همچنین زمانبندی منبع در هر سه لایهی مطرح شده یعنی SaaS، PaaS، IaaS مورد مطالعه قرار گرفته است.[5]زمانبندی منابع به صورت کارآمد و بهرهبرداری از برنامههای کاربردی در این لایهها، برحسب محدودیتهای متعدد و ضرورتها، بسیار مهم است. روش زمانبندی پیشنهادی در این بخش، ماشینهای مجازی را بر روی منابع و بر مبنای موجود بودن منبع تخصیص میدهد. با این روش، احتمال نقض توافقات سطح سرویس نیز پایین آمده و در عین حال هماهنگی برنامه کاربردی نیز بهینه میشود.الگوریتم پیادهسازی این روش به صورت زیر میباشد:

همانطور که در این الگوریتم دیده میشود ابتدا درخواستهای مشتریان به عنوان ورودی گرفته میشود. - خط - 1لیستی از ماشینهای مجازی در دسترس و همچنین لیستی از منابع موجود دریافت میشود. - خط - 2سپس لیستی از VM ها که میتوانند قادر به تأمین سرویس درخواست شده - R - باشند مشخص میشود. - خطوط - 3-4زمانیکه لیستی از VMها دریافت شد، متعادل کننده بار تصمیم میگیرد که برنامه کاربردی مورد نظر روی کدام VM استقرار پیدا کند. - خطوط - 5-8اگر هیچ VM مناسب برای اجرای منابع وجود نداشت، یک VM جدید به صورت خودکار، با ظرفیت منبع از پیش تعریف شده شروع به کار و ارائه دادن خدمات می-کند. - خطوط - 9-14هنگامی که تمامی منابع در حال استفاده باشند و هیچ منبعی در دسترس نباشد درخواستها در یک صف زمانبندی میشوند. - خطوط - 15-16اگر بعد از یک دوره زمانی معین خدمات نتوانند ارائه و مستقر شوند، پیغام شکست به مدیر ابر فرستاده میشود، در غیر اینصورت که همهچیز با موفقیت انجام میشود. - خطوط - 17-21

- 4  مدل تخصیص منبع مبتنی بر نقش - RBRAM - 11

این مدل، به چندین مؤلفهی مستقل اجازه داده تا به صورت ایمن و بدون تحمیل هزینههای اضافی به منابع دسترسی داشته باشند. در محاسبات ابری، سرویس بر مبنای محدودیتهای محاسباتی مشتری تخصیص داده میشود و از اینرو، اجازهی مصرف بهینهی منابع مورد نیاز به مشتریان، یک چالش است. هر شکستی از این چالش میتواند منجر به محرومیت سیستم ابری گردد. این روش بر روی توزیع پویا و بکارگیری

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید