بهینه سازی نرخ سرویس کاربران در سرویس دهنده های ابری بازی های رایانه ای با استفاده از برنامه ریزی پویا

یکی از مهمترین مسایل در خدمات ابری بازیهای رایانه ای که باید از سوی سرویس دهنده ها موردتوجه قرار گیرد توجه به محدودیتهای موجود در خصوص توانایی های سختافزاری کاربران استفادهکننده از دستگاههای موبایل و تبلت است. در برخی از تحقیقات مرتبط با حوزه بازیهای رایانه ای ابری، به این کاربران که دارای منابع ضعیف میباشند اصطلاحا سرویس گیرندگان ضعیف (Clients Thin (گفته میشود. از سوی دیگر، سرویس دهندگان ابری باید بتوانند حداقل نرخ فریم الزمه در بازیهای رایانهای )یعنی 30 فریم در ثانیه( را به طور همزمان به چندین سرویس گیرنده ضعیف ارایه دهند. این در حالی است که هر یک از سرویس گیرندگان نیز توقع دارند که کیفیت تجربه (Experience of Quality (مناسبی را داشته باشد. بنابراین سرویسدهنده باید بتواند بهترین کیفیت گرافیکی را به ازای هر یک از بازیهای رایانه ای خود به سرویس گیرندگان ارایه دهد. با توجه به پویا بودن محیط و احتمال ورود و خروج کاربران در هرلحظه دلخواه از زمان، ضروری است سرویس دهنده در هرلحظه به طور پویا بهترین تخصیص لازمه و برش زمانی را از منابع و پردازنده گرافیکی (GPU (خود به مجموعه کاربران انجام دهد. در این خصوص، سرویس دهنده درعین حال باید هم به میزان منابع قابل تخصیص خود توجه داشته باشد و هم سعی کند بهترین کیفیت تجربه شده را برای هر کاربر تضمین نماید. بدین طریق، سرویس گیرندگان با توجه به جمیع جهات، کیفیتهای متغیر و متفاوتی را در طول زمان در خصوص صحنه های بازی تجربه خواهند نمود. در این مقاله، روشی برای بهینه سازی تخصیص نرخ فریم بین چندین کاربر استفاده کننده از سرویسدهنده ابری پیشنهاد شده است که قادر است به طور پویا و با توجه به تنظیمات لحظهای فریم ها خود را با شرایط هر دو سمت شبکه سازگار نماید. تمرکز ما در این تحقیق بر روی GPU و تخصیص پویای فریمهای مربوط به تمام کاربران استفادهکننده از خدمت ارایه شده توسط مرکز داده ابری میباشد. برای این منظور فرض کرده ایم هر کاربر فقط یک نشست برای بازی کردن یک گیم خاص باز نموده است و فریمهای صحنه های بازی برحسب تنظیماتی که توسط خود او و یا سرویسدهنده ابری در بازی انتخاب شده است به وی تخصیص مییابد. شبیه سازی نتایج نشان دهنده انعطاف، کارایی و خود-سازماندهی روش پیشنهادی به ازای شرایط پویای شبکه میباشد.

کلیدواژه ها:

سرویس دهنده های ابری ، پردازنده گرافیکی ، نرخ فریم ، چند نرخی ، چندکاربری ، بهینه سازی