تامین اتوماتیک منابع در برنامه های کاربردی چند لایه در محیط رایانش ابری

رایانش ابری بستر جدیدی است که سیستم های مختلفی را در زمینه توسعه و کاربرد فناوری اطلاعات و ارتباطات دگرگون خواهد کرد. یکی از مهمترین مسایل موجود در رایانش ابری مسیله مدیریت منابع می باشد. به دلیل اهمیت این مسیله، در این پژوهش به ارایه رویکرد تامین اتوماتیک منابع در برنامه های کاربردی چندلایه در محیط رایانش ابری پرداخته شده است. در این پژوهش، از حلقه MAPE با تکنیک MAPE-LA استفاده نمودیم که فاز تحلیل این حلقه از مدل رگرسیون خطی (LRM) و در فاز برنامه ریزی، از روش مبتنی بر LA به منظور بهینه نمودن اقدامات استفاده شده است. سپس رویکرد پیشنهادی خود را تحت سه بار کاری واقعی FIFA, Clark Net و NASA با سه روش (Cost-Aware(ARMA), Cost-Aware(LRM و DRPM مقایسه نمودیم و از نظر معیارهای مختلف مورد ارزیابی قررا دادیم و از نتایج حاصل از شبیه سازی مشاهده نمودیم که روش پیشنهادی موجب بهبود 13% در تعداد ماشین های مجازی، 5/2% در هزینه 6% در بهره وری و 4/2% در سود گردیده است.

کلیدواژه ها:

رایانش ابری ، برنامه های چندلایه ، مقیاس پذیری ، مدل رگرسیون خطی ، یادگیری اتوماتا