13609

بررسي روش هاي يادگيري ماشين براي زمان بندي وظيفه در رايانش بدون سرور

1402

دكتر هادي شهريار شاه حسيني

رايانش بدون‌سرور به‌عنوان يك رويكرد نوين در زمينه فناوري اطلاعات و ارتباطات، به‌سرعت به يكي از موضوعات بحث‌برانگيز و جذاب در حوزه فناوري تبديل شده است. اين رويكرد نوآورانه، امكان اجراي برنامه‌ها بدون نياز به مديريت زيرساخت‌هاي سروري را فراهم مي‌كند و به توسعه‌دهندگان اجازه مي‌دهد تا بر روي كد خود تمركز كنند و به‌سرعت برنامه‌هاي قابل مقياس و كارآمد ايجاد كنند يكي از چالش‌هاي اصلي و زمينه‌هاي پژوهشي سيستم‌هاي رايانش ابري مسئله زمان‌بندي وظايف است. زمان‌بندي وظايف به‌عنوان يكي از كليدي‌ترين عوامل تأثيرگذار در كارايي محيط ابري است كه مي‌تواند به‌صورت مستقيم بر كيفيت خدمات ارائه شده به كاربران و بهره‌وري منابع تأمين‌كنندگان سرويس اثر گذارد. تا كنون الگوريتم‌هاي زمان‌بندي گوناگوني جهت زمان‌بندي وظايف در رايانش ابري بدون‌سرور ارائه شده است. عمده هدف الگوريتم‌هاي زمان‌بندي دستيابي به كيفيت سرويس و كارايي بالا و حداقل نمودن زمان اجراست. در اين نوشتار پس از بيان مقدمات و پيشينه پژوهش به مروري اجمالي مرسوم‌ترين الگوريتم‌هاي به كار برده شده در زمان‌بندي وظايف و ويژگي‌هاي هر كدام از آنها پرداخته خواهد شد و نگاهي بر سير تكامل اين الگوريتم‌ها خواهيم داشت در مرحله بعد به بررسي عمده تغييرات به وجود آمده در محيط رايانش بدون‌سرور از بدو پيدايش تا امروز خواهيم داشت تا با نيازها و مقتضيات جديد زمان‌بندي وظايف در اين محيط آشنا شويم در ادامه بحث به بررسي ايده‌هاي جديد مطرح شده در اين حوزه كه سعي دارند از مزيت‌هاي به‌كارگيري الگوريتم‌هاي يادگيري تقويتي و شبكه‌هاي عصبي بهره‌مند شوند پرداخته خواهد شد. در بخش پاياني نيز به جمع‌بندي و ارائه پيشنهادها خواهيم پرداخت.

5/29/2024 12:00:00 AM

83213

1403/04/30

survey on machine learning methods for task scheduling in serverless computing

زمان‌بندي وظايف، يادگيري ماشين، رايانش بدون‌سرور، يادگيري عميق

Task scheduling, machine learning, serverless computing, deep learning