ارزیابی الگوریتمهای توازنبار در محاسبات ابری بر اساس فاکتورهای گروهبندی

چکیده مقاله

محاسبات ابری فناوری است که در ازای پرداخت، خدمات ارایه میدهد و منابع محاسباتی را در اختیار کاربران قرار میدهد توازنبار از تکنیکهای مدیریت منابع این فناوری است که با استفاده موثر از منابع و کاهش زمانپاسخ، موجب بهینهسازی منابع در محاسبات ابری میشود الگوریتمهای توازنبار مختلفی وجود دارد؛ الگوریتم نوبت چرخشی، نظارت فعال توازنبار و الگوریتم متوقف کننده، از جمله الگوریتمهای کاربردی توازنباریهستند که در تحلیلگرابر قابل ارزیابی میباشند در این مقاله این سه الگوریتم در تحلیلگرابر تحت تنظیمات پیشرفته مورد ارزیابی قرار گرفته است این مقاله سه الگوریتم توازنبار را در تحلیلگرابر تحت دو سناریومختلف در فاکتور گروهبندی کاربران در پایگاه کاربر، گروهبندی درخواستها در مرکز داده و با سیاستهای کارگزار سرویس متفاوت مورد ارزیابی قرار میدهد نتایج از نظر میانگین زمان پاسخ کلی، میانگین زمانپردازش درمرکز داده و هزینه ارایه شده است نتایج افزایش میانگین زمان پاسخ و میانگین زمان پردازش مرکز داده در سیاست پیکربندی دوباره پویا را نشان میدهد که این افزایش با افزایش فاکتور گروهبندی کاربران و فاکتور گروهبندی درخواستها، در الگوریتم متوقف کننده نسبت به دو الگوریتم دیگر قابل ملاحظهتر است

کلیدواژه‌ها

نویسندگان

امیر هداوندمیرزایی

گروه کامپیوتر، دانشکده فنی مهندسی،واحد ساوه،دانشگاه آزاد اسلامی ،ساوه ، ایران

محمد آزاد

مربی گروه کامپیوتر، دانشکده فنی مهندسی،واحد ساوه،دانشگاه آزاد اسلامی ،ساوه ، ایران

هداوندمیرزایی، امیر و آزاد، محمد،1395،ارزیابی الگوریتمهای توازنبار در محاسبات ابری بر اساس فاکتورهای گروهبندی،چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر،تهران

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی19 بهمن 1396 · تهران