علوم رایانشی

علوم رایانشی

مقیاس بندی خودکار منبع ابری: رویکردهای نوین در گزینش VM مازاد

نوع مقاله : مقاله پژوهشی

نویسندگان
محمد صادق اصلان پور 1
سید ابراهیم دشتی رحمت آبادی 2
1 دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان، ایران
2 استادیار گروه مهندسی کامپیوتر، واحد جهرم، دانشگاه آزاد اسلامی، جهرم، ایران
چکیده
ارائه‌دهندگان سرویس کاربرد (ASP) با هدف کاهش هزینه‌های مالی به اجاره ماشین مجازی (VM) ارائه شده در محیط ابری روی می‌آورند. مهمترین مشخصه رایانش ابری که می‌تواند به ASP در کاهش هزینه کمک کند، خاصیت مقیاس‌پذیری منابع ابری است. از این رو ASP با تدارک مکانیزمی جهت مقیاس‌بندی خودکار منابع اجاره شده، سعی می‌کند از تامین بیش از نیاز و تامین کمتر از نیاز جلوگیری کند. محققان به ارائه مکانیزم‌ها و بررسی پارامترهای موثر در تصمیم‌گیری این مکانیزم می‌پردازند. اما به جز نحوه دستیابی به یک تصمیم مقیاس‌بندی، چگونگی اجرا کردن تصمیم از اهمیت بالایی برخوردار است. از دید نویسندگان این مقاله، اینکه در هنگام اجرای تصمیم مقیاس‌بندی پایین کدام ماشین اجاره شده برای آزادسازی انتخاب شود یک چالش اساسی است که می‌تواند در عملکرد مکانیزم تاثیرگذار باشد. در این مقاله با شبیه‌سازی چرخه کامل مدیریت خودکار منابع در شبیه‌ساز کلادسیم ، رویکردهای نوینی برای گزینش VM مازاد ارائه می‌شوند. تفاوت چشمگیر در نتایج و عملکرد مکانیزم مقیاس‌بندی در اثر اعمال هر کدام از رویکردهای پیشنهادی، بر اثربخشی و اهمیت سیاست‌گذاری در گزینش VM مازاد دلالت می‌کنند. همچنین نتایج نشان داد که رویکردهای آگاه به بار می‌توانند به بهبود کیفیت سرویس (18 %) از لحاظ کمی و کیفی و رویکرد آگاه به هزینه به کاهش هزینه (20 %) کمک کنند.





 
کلیدواژه‌ها
رایانش ابــری
مقیاس بندی خودکار
کیفیت سرویس
ماشین مجازی