رایانش ابری یک مدل رایانشی برای فراهم کردن دسترسی آسان براساس تقاضای کاربر از طریق شبکه به مجموعهای از منابع رایانشی قابل تغییر و پیکربندی است. استفاده از ماشینهای مجازی یکی از اجزای اصلی سیستمهای ابری است که بهبود مکانیابی آنها میتواند باعث افزایش کارایی کل سیستم شود. در این مقاله ابتدا الگوریتمهای زمانبند رایج مطالعه و بررسی میشود. از معایب روشهای رایج عدم مدنظر قرار دادن معیارهایی از قبیل تعداد درخواستهای تکمیل شده و زمان سرویسدهی به کاربران میباشد. سپس با استفاده از تصمیمگیری فازی مبتنی بر پارامترهای مختلف و تجربیات قبلی شبکه، یک الگوریتم جدید ارائه میشود. نتایج شبیهسازی نشان میدهد که این روش تعداد کارهای انجام شده را افزایش میدهد؛ زمان مورد نیاز جهت سرویسدهی به کاربران کاهش مییابد و باعث کاهش هزینههای سرویسدهی میشود.
|
کد QR محصول |
دنیای فناوی اطلاعات و اینترنت که امروزه تبدیل به جزئی از زندگی بشر شده، روز به روز در حال گسترش است. همسو با آن، مفاهیمی همچون رایانش سریع، امنیت اطلاعات و از همه مهمتر، صرفهجویی در هزینهها برای اقشار مختلف جامعه اهمیت زیادی پیدا کرده است(carr,2009). جدیدترین راه حلی که امروزه در عرصهی فناوری برای چنین نیازهایی پیشنهاد میشود، مفهومی است که امروزه با نام رایانش ابری[1] معرفی شده است.ابر رایانشی سیستمی توزیع شده و بازار گرا[2] است که شامل مجموعهای از کامپیوترهای مجازی و ارتباط داخلی هستند که از لحاظ دینامیکی به عنوان یک یا چند منبع رایانشی متحد براساس توافقهای سطح سرویس بین مصرفکنندگان و فراهمکنندگان خدمات مذاکره می کنند(Buyya, 2009).سیستمهای رایانش ابری میتواند در کاربردهای مختلفی از قبیل آموزش، سلامت، امنیت، زمانبندی، رکود اقتصادی شفافیت دسترسی، بهبود توان مصرفی، تعادل بار، کاهش زمان مهاجرت و غیره میتوان اشاره کرد. مسائل و چالش های مختلفی در رایانش ابری وجود دارند که مطالعه و بررسی و همچنین ارائهی راه حلهای مختلف جهت رفع آنها میتواند تغییرات قابل توجهی در عملکرد کل سیستم ایجاد نماید.مکانیابی ماشینهای مجازی در سیستم ابر یکی از چالشهای مهم است. همکاری اجرا در میان ابرها، راهکار نظارت و مدیریت یک جزء کلیدی است و نیاز به آمادگی، زمانبندی، نظارت و مدیریت دارد. بنابراین، براساس مطالعه ساختار سیستم رایانش ابری و نحوه عملکرد آن، در این مقاله یک مکانیابی بهینهی ماشینهای مجازی با استفاده از سیستم فازی ارائه میشود. در این نوع از سیستمها نیز میتواند همانند سیستمهای دیگر، شرایطی به وجود آید که به صورت دقیق قابل پیشبینی نیست. به این خاطر، در روش ارائه شده تصمیماتی میتواند اتخاذ شود که با استفاده از تجربیات قبلی بتواند در شرایط بحرانی پاسخگو باشد. بهبود مکانیابی ماشینهای مجازی میتواند در افزایش تعداد کارهای انجام شده، کاهش زمان مورد نیاز جهت سرویس دهی به کاربران و کاهش هزینههای سرویس، تاثیر قابل توجهی داشته باشد.روند ادامه مقاله به این شرح میباشد که در بخش دوم الگوریتمهای مکانیابی ماشینهای مجازی موجود معرفی و مزایا و معایب هر یک بررسی می شوند؛ در بخش سوم یک روش جدید مکانیابی ماشینهای مجازی با استفاده از سیستم فازی و استنتاج انسانی مورد بحث و بررسی قرار گرفته میشود. در بخش چهارم نتیجهگیری و زمینه های تحقیقاتی جدید بیان شده است.
[1] Cloud Computing
[2] Market-oriented