بهبود زمان بندی کار و تخصیص منابع در ابر با روش AHP اصلاح شده

از مسائل چالش برانگیز حوزه رایانش ابری، زمان بندی کارآی کارها و تخصیص بهینه منابع در ابر، براساس ماهیت پویای کارها و ناهمگونیمنابع است. برنامه های کاربردی که برمبنای گردشکار علمی، عمل می کنند ازجمله برنامه های پرکاربرد در این حوزه هستند که از ویژگی هایبارز آن قدرت پردازش و ظرفیت ذخیره سازی زیاد است. به منظور افزایش کارایی آن ها نیازمند به برنامه ریزی مناسب کارها و انتخاب بهترینماشین مجازی موجود در ابر می باشد. اهداف سیستم از عوامل موثر در برنامه ریزی کارها و انتخاب منابع است که وابسته به معیارهای مختلفیازجمله زمان، هزینه، بارکاری جاری و قدرت پردازش است. روش های تصمیم گیری چند معیاری انتخاب مناسبی در این زمینه هستند.در این پژوهش دو سیاست زمان بندی کارها و تخصیص منابع در محیط ناهمگن برمبنای الگوریتم AHP اصلاح شده پیشنهاد شده است. در سیاست زمان بندی کارهای ورودی، اولویت بندی کارها برمبنای دو معیار زمان اجرا و اندازه است. هدف کلی دو سیاست زمان بندی کارها و تخصیص منابع، کاهش تاخیر و زمان اجرای هر کار است. سیاست تخصیص منابع از معیارهای اندازه حافظه، سرعت پردازنده و پهنای باند برایاولویت بندی ماشین های مجازی استفاده می کند. در این سیستم ما بر روی پنج روش نرمال سازی معروف به منظور بهبود عملکرد الگوریتمAHP تمرکز کرده ایم نتایج ارزیابی زمان بازگشت و زمان پاسخ نشان داد که روش های نرمال سازی Min-Max Linear و Max Linearبهترین انتخاب برای آن هستند. نتایج شبیه سازی نشاندهنده کاهش متوسط زمان پاسخگویی، زمان بازگشت و زمان اجرای کارهای ورودی در روش پیشنهادی در مقایسه با روش پایه است

کلیدواژه ها:

اولویت بندی کارها ، تخصیص منابع ناهمگن ، فرآیند تحلیلی سلسله مراتبی ، گردشکار علمی ، نرمال سازی