فهرست نشریات علمی دسترسی آزاد ایران

مقیاس‌بندی مؤثر گنجانه‌ها در رایانش ابری با توجه به بارهای کاری پویا، چالشی اساسی است. روش‌های سنتی مقیاس‌بندی محدودیت‌هایی در درک نوسانات بیدرنگ و عوامل زمینه‌ای دارند که منجر به تخصیص غیربهینه منابع و کاهش عملکرد می‌شود. در این پژوهش با بهره‌گیری از فیلترگذاری مشارکتی، فیلترگذاری مبتنی بر محتوا و استدلال هستی‌شناختی، سیستمی ایجاد شده است که تصمیمات مقیاس‌بندی را بهبود می‌بخشد. مدل پیشنهادی از داده‌های تاریخی، اطلاعات بیدرنگ و پارامترهای زمینه‌ای برای ارائه توصیه‌های هوشمندانه بهره می‌گیرد. آزمایش‌ها در محیط شبیه‌سازی‌‌شده نشان دادند که سیستم پیشنهادی در مقایسه با سیستم‌های آستانه‌محور با کاهش اقدامات مقیاس‌بندی غیرضروری، ۱۹ درصد دقّت تصمیم‌گیری را بهبود بخشیده است. با این که زمان اجرا و تأخیر در سیستم پیشنهادی تقریباً دو برابر زمان اجرا و تأخیر در سیستم‌های مبتنی بر قوانین است ولی همچنان در بازه قابل قبول برای استفاده محیط‌های بزرگ ابری قرار می‌گیرد. بنابراین، با حذف برخی محدودیت‌ها مانند وابستگی به قوانین از پیش تعیین‌شده، سیستم پیشنهادی، گامی در جهت مدیریت هوشمند و خودکار منابع در زیرساخت‌های ابری برداشته است.