ارائه یک روش تامین منبع فعالانه مبتنی بر پیشگویی برای زمان بندی گردش کار چندهدفه در رایانش ابری
محل انتشار: فصلنامه کارافن، دوره: 19، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 134
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KARFN-19-3_024
تاریخ نمایه سازی: 18 اردیبهشت 1402
چکیده مقاله:
به منظور مدیریت فعالانه بار کاری در طول اجرای برنامه کاربردی روی سیستم ابر، بار کاری باید از طریق یک روش مناسب پیشگویی شود و از طریق یک کنترل کننده سیستم مقیاسپذیر تعداد منابع موردنیاز مدیریت شوند. از سوی دیگر زمانبندی گردشهای کار به منظور بهرهوری منابع و برآورده کردن نیازمندیهای کیفی کاربران مختلف به نگاشت مناسب منابع ابری به وظایف گردش کار نیاز دارد. زمانبندی گردش کار یک مسئله NP کامل است و الگوریتمهای تکاملی چندهدفه اغلب برای حل این مسائل مفید هستند. بیشتر کارهای گذشته تنها بر تامین منبع یا زمانبندی اجرای گردش کارها تمرکز کردهاند و تاکنون به ترکیب پویای آن ها توجه نشده است. براساس کمبودی که در این زمینه وجود دارد، در این مقاله یک استراتژی تامین منبع فعالانه با استفاده از شبکه عصبی رقمیساز بردار یادگیر (LVQ) برای پیشگویی بارهای کاری آینده ارائه میشود و یک کنترل کننده سیستم فازی برای محاسبه تعداد مناسب منابع موردنیاز پیشنهاد میشود که این منابع باید به سیستم اختصاص داده شوند. همچنین یک الگوریتم زمانبندی مبتنی بر روش برنامهریزی خطی چندهدفه برای اجرای بارهای کاری روی منابع موجود پیشنهاد میشود. در نهایت ارزیابی مقاله با سه نوع بارکاری واقعی انجام میشود. نتایج آزمایش ها نشان میدهند که روش پیشنهادی متوسط هزینه اجرا و زمان پاسخ را در مقایسه با کارهای انجام شده دیگر، کاهش و میزان بهرهوری منابع را افزایش میدهد.
کلیدواژه ها:
نویسندگان
محمدرضا محمودیان
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران.
ریحانه خورسند
دانشیار، گروه مهندسی کامپیوتر، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران.
محمدرضا رمضان پور
دانشیار، گروه مهندسی کامپیوتر، واحد مبارکه، دانشگاه آزاد اسلامی، اصفهان، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :