کاهش مصرف انرژی در زمان بندی جریان کاری چندهدفه در سیستم های محاسباتی ابری با استفاده از الگوریتم تکاملی نهنگ

تجربیات علمی و فرآیند تجاری بعنوان جریانهای کاری ارایه می شود که در آن کارها برحسب جریان داده هایشان و وابستگی محاسبه هایشان، به هم ربط می یابند. این جریان های کاری معمولا شامل داده های پیچیده با اندازه های مختلف و شبیه سازی های کامپیوتری بلند مدت هستند. آنها به قدرت محاسباتی بالا و دسترسی به زیرساخت های بزرگ نیاز دارند که محیط های محاسبات ابری با سطوح QoS (کیفیت خدمات) مختلف فراهم کرده اند.زمان بندی جریان کاری در محاسبات ابری یک مسیله پیچیده است که برای برآورد تعداد زیاد QoS باید معیارهای مختلفی را در آن در نظر گرفت. تحقیقات گذشته در زمینه زمانبندی جریان کار به طور عمده بر بهینه سازی محدودیت هایی مانند زمان یا هزینه بدون توجه به مصرف انرژی تمرکز داشته اند. ما در این تحقیق کارهای قبلی را گسترش میدهیم تا چندین نیاز QoS را مدیریت کنیم،روشی برای زمان بندی جریان کاری مبتنی بر QoS ارایه میدهیم که هدف آن کاهش هزینه و زمان اجرای کل است. علاوه بر این در روش زمان بندی که ارایه خواهیم داد هدف کاهش مصرف انرژی است. برای پیادهسازی توابعی برای پارامترهای مورد نظر تعریف میکنیم و برای دستیابی به اهداف از الگوریتم بهینه سازی نهنگ استفاده می کنیم. مقایسه مقادیر بهینه انرژی با روش های مختلف نشان می دهد که مثلا نسبت به روش ECS مقداربهینه شده 62 کیلو وات و نسبت به روش TETS مقداربهینه 35 کیلووات بوده است.

کلیدواژه ها:

محاسبات ابری ، زمان بندی ، کاهش مصرف انرژی ، الگوریتم بهینه سازی نهنگ