الگوریتم ترکیبی مبتنی بر معماری گوسیپ با استفاده از SVM برای زمانبندی وظایف در رایانش ابری

نویسندگان

1 گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اردبیل، اردبیل، ایران.

2 گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اردبیل، اردبیل، ایران.

3 باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی واحد اردبیل، اردبیل، ایران.

doi
10.22052/scj.2021.242822.0
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.