گسترش روز افزون نیازهای محاسباتی، اهمیت استفاده از رایانش ابری را روز به روز بیشتر میکند. رایانش ابری، یک مدل رایانشی بر مبنای شبکههای رایانهای است که الگویی تازه برای عرضهی منابع را ارائه میدهد، بگونهای که کاربران بر اساس نیاز خود، منابع را درخواست نموده یا آنها چکیده کامل
گسترش روز افزون نیازهای محاسباتی، اهمیت استفاده از رایانش ابری را روز به روز بیشتر میکند. رایانش ابری، یک مدل رایانشی بر مبنای شبکههای رایانهای است که الگویی تازه برای عرضهی منابع را ارائه میدهد، بگونهای که کاربران بر اساس نیاز خود، منابع را درخواست نموده یا آنها را آزاد میسازند. هنگامیکه تقاضاها برای استفاده از منابع رایانشی افزایش مییابند، توزیع مناسب آنها از اهمیت بالایی برخوردار میشود، چراکه اگر یک واحد پردازشی دارای حجم زیادی از وظایف، و واحدی دیگر تقریباً بیکار باشد، از منابع بخوبی استفاده نمیشود و همچنین زمان اتمام کل وظایف میتواند بسیار افزایش بیابد. لذا برای غلبه بر این مشکل، از تکنیک توازن بار استفاده میشود. بطورکلی از دید محاسباتی، به فرایند توزیع متعادل بار بر روی واحدهای پردازشی، توازنبار گفته میشود. در اکثر پژوهشهای انجامشده در رابطه با توازنبار، تعاملات میان وظایف در حال اجرا، در نظر گرفته نشده، لذا در صورتیکه وظایف در تعامل با یکدیگر، در واحدهای پردازشی مجزا، در یک شبکه توزیعشده قرار گرفته باشند، تعاملات میان آنها میتواند در زمان اتمام کل وظایف، تاثیرگذار باشد. هدف از این پژوهش، ارائه روشی است که بتواند با در نظر گرفتن تعاملات میان وظایف، به یک توازنبار مطلوب در شبکه دست یابد، بطوریکه زمان اتمام کل و زمان بیکاری ماشینها به حداقل برسند. برای این منظور، از الگوریتم ژنتیک استفاده میشود. نتایج آزمایشی بدستآمده نشان میدهند که محلیکردن تعاملات، تاثیر قابل توجهی در کاهش زمان اتمام کل خواهد داشت.
پرونده مقاله