روشی برای موازنه بار ورودی ها مبتنی بر عامل خودکار در محاسبات ابری

رایانش ابری یکی از فناوری های جدید است که نظر محافل علمی و تجاری را به خود جلب کرده ا ست. رایانش ابری در آینده نزدیک همگانی می شود. از همین رو باید سرعت انجام محاسبات و اجرای وظایف در آن افزایش یابد. در سال های اخیر، زیرساخت های فناوری اطلاعات بدلیل وجود تقاضا برای توان محاسباتی مورد نیاز به سرعت در حال رشد است و مراکز داده پیشرفته در رایانش ابری میزبان انواع مختلفی از برنامه های کاربردی می باشند. لذا با یکپارچه کردن منابع اختصاص داده شده به سرویس های مختلف و پیاده سازی آن ها به کمک ساختار رایانش ابری می توان کارایی و راندمان استفاده از منابع سیستم را افزایش داد. تخصیص وتوزیع مناسب وظایف درخواست شده از ابر محاسباتی بر روی ماشین های مجازی یک مسیله NP-hard است. علاوه بر این زمانی که یک ماشین مجازی بارکاری زیادی بر روی یک سرور فیزیکی ایجاد می کند، زمان پاسخگویی سرور افزایش می یابد. در این پژوهش، برای بهینه سازی تخصیص منابع در شبکه خدمات ابری از مکانیزم پیش بینی بار ماشین های مجازی با استفاده روش نمو هموار می شود و در پایان روش A2LBOA بر اساس معیارهای طول زمان بندی، زمان پاسخ ومتوسط زمان اجرا با استفاده از محیط کلود سیم ارزیابی شده و در مقایسه با الگوریتم های FCFS, Min Min و RR بهبود در روش پیشنهادی نشان داده می شود.

کلیدواژه ها:

رایانش ابری ، وظیفه ، ماشین مجازی ، تعادل بار