الگوریتم ترکیبی مبتنی بر معماری گوسیپ با استفاده از SVM برای زمانبندی وظایف در رایانش ابری | ||
| محاسبات نرم | ||
| مقاله 6، دوره 9، شماره 2 - شماره پیاپی 18، اسفند 1399، صفحه 84-93 اصل مقاله (1.68 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22052/scj.2021.242822.0 | ||
| نویسندگان | ||
| شیوا رزاق زاده* 1؛ پریسا نوروزی کیوی2؛ بابک پناهی1 | ||
| 1گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اردبیل، اردبیل، ایران. | ||
| 2باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی واحد اردبیل، اردبیل، ایران. | ||
| چکیده | ||
| در حال حاضر رایانش ابری با توجه به کاربردهای وسیع و فراگیر از اهمیت زیادی برخوردار است. گستردگی و انعطافپذیری قابل توجه رایانش ابری در کنار سایر محاسن، باعث شده است تا زمینه ایجاد چالشهای جدید از جمله قابلیت اطمینان فراهم گردد. این نوع از چالشها بدلیل وجود کاربران زیاد، در میان پژوهشگران این حیطه از اهمیت بیشتری برخوردار است. برای حل این مسئله در سالهای اخیر محققان زیادی به ارائه انواع الگوریتمهای تحملپذیری خطا در رایانش ابری پرداختهاند؛ اما علیرغم تلاشهای فراوان، متاسفانه مشکلات موجود در این زمینه بصورت کامل برطرف نشده است. هدف این مقاله ارائه یک الگوریتم ترکیبی کارآمد و جدید با بهرهگیری از خواص ماشین بردار پشتیبان و پروتکل گوسیپ است؛ باید توجه داشت که الگوریتم ماشین بردار پشتیبان برای تجزیه و تحلیل دادههای ماشینهای مجازی و دستهبندی آنها براساس الگوهای رفتاری عمل میکند. همچنین، پروتکل گوسیپ برای جمعآوری دادهها و نظارت بر هر دسته استفاده شده است. در این مدل پیشنهادی سه فاکتور زمان پردازش، میزان بار و قابلیت اطمینان به منظور دستیابی به کیفیت سرویس بهتر مورد ارزیابی قرار میگیرد. نتایج شبیهسازی انجام گرفته در کلودسیم نشان میدهد که روش پیشنهادی میتواند متوسط سرعت پردازش را به میزان 0.65 افزایش و به تناسب آن متوسط طول زمانبندی را 7.22 ثانیه کاهش دهد. | ||
| کلیدواژهها | ||
| رایانش ابری؛ ماشین بردار پشتیبان؛ پروتکل گوسیپ؛ قابلیت اطمینان؛ زمان پردازش | ||
| مراجع | ||
|
[1] Buyya R., Yeo C. S., Venugopal S., Broberg J., and Brandic I., “Cloud computing and emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th utility,” Future Generation Computer Systems 25(6): 599-616, 2009. [2] Chawla Y. and Bhonsle M., “A Study on Scheduling Methods in Cloud Computing,” International Journal of Emerging Trends & Technology in Computer Science (IJETTCS), pp. 12-17, 2012. [3] Awada A. I., El-Hefnawya N. A., Abdel_kader H. M., “Enhanced Particle Swarm Optimization For Task Scheduling In Cloud Computing Environments,” Procedia Computer Science, 65: 920-929, 2015. [4] Suma V. and Chintureena T., “Improving Reliability in Cloud Computing Systems,” Advanced Computing and Communication Techniques for High Performance Applications (ICACCTHPA), pp. 10-13, 2014. [5] Tang X., Li K., Qiu M., and Sha E. H.-M., “A hierarchical reliability-driven scheduling algorithm in grid systems,” J. Parallel Distrib. Comput., 72(4): 525-535, 2012. [6] اسداللهی ا.، اصغری س.ا.، «پیشبینی تعداد مناسب ماشینهای مجازی بر اساس سری زمانی و روشهای هوشمند مبتنی بر خوشهبندی ماشینهای مجازی»، مجله محاسبات نرم، جلد 6، شماره 1، ص 66-77، 1396. [7] قبائیارانی م.، مهدیبابایی ف.، «رویکرد تخصیص منبع کارا برای پردازش دادههای حوزه سلامت در محیط رایانش ابری»، مجله محاسبات نرم، جلد 8، شماره 2، ص 80-101، 1398. [8] خراسانی فردوانی م.، رمضان پور م.، خورسند ر.، «ارائه یک الگوریتم مسیریابی چند مسیره انرژی کارا در سیستمهای اینترنت اشیاء»، مجله محاسبات نرم، جلد 7، شماره 1، ص 34-49، 1397. [9] Kumar P. and Vibha K., “Gossip Protocols Applicability in Grid & Cloud Computing,” IJSRD - International Journal for Scientific Research & Development, 2(2): 884-886, 2014. [10] Chatterjee M., Mitra A., Setua S. K., and Roy S., “Gossip-based fault-tolerant load balancing algorithm with low communication overhead,” Computers and Electrical Engineering, 81: 106517, 2019. [11] Junaid M., Sohail A., Ahmed A., Baz A., Khan I. A., and Alhakami H., “A Hybrid Model for Load Balancing in Cloud Using File Type Formatting,” IEEE ACCESS, 8:118135-118155, 2020. [12] Babu L. D. D. and Krishna P. V., “Honey bee behavior inspired load balancing of tasks in cloud computing environments,” Applied Soft Computing, 13(5):2292-2303, 2013. [13] Baumann H., Fraigniaud P., Harutyunyan H. A., and de Verclos R. J., “The worst case behavior of randomized gossip protocols,” Theoretical Computer Science, 560: 108-120, 2014. [14] S. R. Gunn, “Support Vector Machines for Classification and Regression,” University of Southampton Institutional Repository, U.K., 1998. | ||
|
آمار تعداد مشاهده مقاله: 958 تعداد دریافت فایل اصل مقاله: 726 |
||
