7499

ارائه يك روش مقياس‌پذيري خودكار در سامانه‌هاي پردازش ابري

كارشناسي

مهندسي كامپيوتر

1400

دكتر مهرداد آشتياني

1400/08/11

كامپيوتر

A Proactive Auto Scaling Mechanism in Cloud Computing Environments

رايانش ابري، منابع كارآمدي را به واسطه اينترنت دراختيار كاربران قرار مي‌دهد. از جمله مي‌توان به ابزارها و برنامه‌هاي نظير ذخيره‌سازي داده‌ها، سرورها، پايگاه‌هاي داده، شبكه‌ها و نرم‌افزارها اشاره كرد. با استفاده از منابع سخت‌افزاري تعيين مقياس براي سيستم‌هاي نرم‌افزاري بزرگ بسيار دشوار خواهد بود و به حداكثر رسيدن منابع سخت‌افزاري افت عملكرد سيستم‌هاي نرم‌افزاري را به دنبال دارد، كه امروز با به كارگيري رايانش ابري تا حدودي اين مشكلات كم رنگ شده‌اند. تعيين مقياس منابع مورد نياز براي سيستم‌هاي نرم‌افزاري در رايانش ابري به علت پويا بودن بار كاري ورودي در حال نوسان است. امروزه براي فائق آمدن بر اين مشكل روشه‌اي سنتي خودكار منفعلانه، از جمله رايانش گريد يا رايانش خوشه‌اي به كار گرفته مي‌شود. مقياس منابع از پيش تعيين شده از جمله الزامات استفاده از چنين روشه‌ايي است. از آنجا كه چنين سيستم‌هاي نرم‌افزاري به ذات گسترده، باز و پويا هستند تخصيص منابع چالش‌هاي منحصر به فردي با خود به همراه دارد و به كارگيري رويكردهاي ساده منفعلانه، از طريق تامين بيش از حد منابع كه همراه با افزايش قابل توجه هزينه‌ها است و يا تامين محدود منابع كه همراه با بازدهي پايين است، عملكرد سيستم‌هاي نرم‌افزاري را تحت تاثير قرار مي‌دهند. از اين رو اهميت طرح تخصيص منابع با روشه‌اي هوشمند خودكار كه با نوسانات حجم كاري همگام باشد بيش از پيش پررنگتر شده است. يك رويكرد هوشمند با تخصيص منابع لازم به واسطه فراگيري پوياي محيط، بر موارد گفته شده غلبه مي‌كند. در اين راستا ما به طراحي يك سيستم مقياس دهنده خودكار براي سيستم‌هاي نرم‌افزاري فعال در فضاي ابري مي‌پردازيم. هدف اصلي اين پژوهش در بخش تصميم‌گيري خودكار در سامانه‌هاي ابري است.

رايانش ابري , مقياسپذيري خودكار , تخصيص منابع , مقياس‌پذيري