دانلود رایگان مقاله اولویت قابل تقدم مبتنی بر تخصیص منابع پویا در محاسبه ابری با تحمل خطا

چکیده 

             امروز، محاسبات ابری به عنوان یک مدل پاسخ درخواستی به خدمت گرفته می شوند که یک مشتری برای خدمات موجود مختلف در "پرداخت شما به عنوان پایه و اساس" درخواست می دهد. پردازش ابری یک پدیده تخصیص منابع انعطاف پذیر پویا را پیشنهاد می دهد. برای خدمات قابل اعتماد و تضمین شده باید یک مکانیسم برنامه ریزی وجود داشته باشد که تمام منابع با کارایی برای برآوردن درخواست مشتری اختصاص داده شوند. خدمات ابری بر اساس ویژگی های مقیاس پذیری هستند، در دسترس بودن، امنیت و تحمل خطا می باشند. تأمین خدمات در ابر بر اساس SLA است. توافقنامه سطح خدمات شرایط قرارداد ارائه دهنده ابری با مشتریان برای تعریف سطح (های) خدمات فروخته شده با اصطلاحات زبان ساده است. QoS  (کیفیت خدمات) نقش مهمی در محیط ابری بازی می کند. برنامه ریزی منابع و استقرار خدمات با توجه به پارامترهای چندگانه SLA نظیر CPU مورد نیاز، پهنای باند شبکه، حافظه و ذخیره سازی اجرا می شود. در این مقاله ما یک الگوریتم را پیشنهاد می دهیم که پیشدستی منابع از اولویت کم به اولویت بالا و رزرو پیشرفته برای منابع را با توجه به متعدد پارامتر های SLA برای استقرار خدمات اجرا می کند. این الگوریتم همچنین برای مکانیزم تحمل خطا موثر است.

1. مقدمه

           محاسبه ابری " ارائه منابع محاسباتی و برنامه های کاربردی از طریق اینترنت "با استفاده از مدل پرداخت به شما است. همچنین به عنوان محاسبات اینترنت شناخته شده است، در اینجا  مخزنی از منابع از قبیل حافظه، پردازنده، شبکه و پهنای باند، عملا در سراسر اینترنت توزیع شده است. اگر یک مشتری بخواهد از خدمات ارائه دهنده ابری استفاده کند و پس با توجه به خدمات با استفاده از زمان واقعی مجبور به پرداخت در ازای الزامات هر هزینه می باشد. محاسبات ابری به اشتراک گذاری جهانی منابع و ظرفیت های ذخیره سازی نامحدود را فراهم می کند.

           همانطور که می دانیم هر تعداد از مشتریان می توانند ارائه دهنده ابری را درخواست دهند، اگر توافق بر اساس SLA رخ دهد، بدان معناست که ارائه دهنده ابری قادر به رسیدن به درخواست مربوطه از کاربر است، این امر با برنامه ریزی موثر منابع و استقرار برنامه های کاربردی در ماشین های مجازی مناسب اجرا می شود. برنامه ریزی منابع یعنی چندگانگی درخواست های کاربران در ساختار فیزیکی یکسان. در این زمان کار بیشتر در حال حاضر در مورد برنامه ریزی منابع در ابر های این روش بر استقرار منابع جهانی با در نظر گرفتن یک SLA بر اساس هدف از قبیل هزینه اجرا، زمان اجرا، حداقل منابع و غیره است.

            زمانی که درخواستی توسط مشتری ارسال شد، ابتدا به چند زیروظیفه تقسیم می شود. در حال حاضر چهار مسئولیت اصلی زمانبندی ابری وجود دارد، 1) شیوه ای مناسب یا سفارش به منظور اجرای یک کار پیدا کند ، 2) برنامه تخصیص منابع مناسب برای کار بیابد، 3) زمانبندی باید تحمل خطا برای برنامه سربار و خاتمه کار را داشته باشد، 4) شیوه ای برای مهاجرت از وظایف به شیوه ای موثر پیدا کند. با استفاده از پدیده تخصیص منابع این مشکلات می توانند حل شوند.

           برنامه ریزی می تواند دو نوع باشد، برنامه ریزی جهانی و برنامه ریزی محلی. برنامه ریزی محلی یک نوع برنامه ریزی است که در آن منابع بومی سازی ترجمه برای برآوردن درخواست کاربر در یک ابر استفاده می شوند. برنامه ریزی جهانی در جایی است که در آن تمام منابع از ابرهای متعدد به عنوان یک واحد برای تکمیل درخواست کاربر رفتار می شوند. به طور معمول تأمین کارآمد به دو فرآیند مجزا نیاز دارد، 1) برنامه ریزی ثابت اولیه - برنامه ریزی محلی که در آن تمام ماشین های مجازی برای منابع فیزیکی نقشه برداری شوند. 2) تامین منابع پویا  ماشین های مجازی جدید، مهاجرت در ماشین های مجازی، پاسخ پویا با توجه به حجم کار ایجاد می کند. در اینجا مرحله 1 ، مرحله استقرار است که به طور کلی در زمان راه اندازی یک ابر انجام می شود، و هنگامی که تعمیر و نگهداری توسط منبع انجام می شود. خواه گام 2 بطور مکرر در زمان تخصیص اجرا شود. چالش های مختلفی در این منطقه برای برای محققان وجود دارد، مانند مقیاس پذیری، چندگرایشی، امنیت، تخصیص منابع پویا و تحمل خطا.

           در این مقاله بر تأمین منابع پویا متمرکز شده ایم، روش برنامه ریزی اکتشافی با توجه به اهداف متعددSLA ، مانند مقدار مورد نیاز پردازنده، شبکه پهنای باند و هزینه برای گسترش برنامه های کاربردی در ابرها را ارائه داده ایم. این برنامه ریزی یک انعطاف پذیری در استراتژی تخصیص منابع درخواستی شامل رزرو پیشرفته و مکانیزم قابلیت پیشدستی برای منابع ارائه می کند. الگوریتم پیشنهادی ما به صورت پویا به منبع درخواست برای این کار پاسخ می دهد. نخست آن را به صورت محلی برای دسترس بودن منابع بررسی می کنیم؛ اگر منابع رایگان باشند، پس ماشین های مجازی جدید برای کار فعلی مستقر می کنند، اگر منابع در دسترس نباشد و پس VM جدید از منابع در دسترس در سطح جهان آن را ایجاد می کنند. اگر منابع جهانی در دسترس نباشند، پس برای منابع مورد بررسی قرار خواهند گرفت اگر قابل پیشدستی باشد، پس در غیر این صورت فرآیندهای مهاجرت در لیست انتظار قرار گرفته و طرح رزرو پیشرفته را اعمال می کنند.

            سازمان دهی مقالات به شرح زیر است: در بخش 2 کارهای تحقیقاتی مربوط به این موضوع را مطرح می کنیم، در بخش 3 مدلهایی برای تخصیص منابع و برنامه ریزی کاری در سیستم محاسبات ابری شامل الگوریتم های قبلی است که در الگوریتم ما استفاده می شود، بخش 4 در مورد روش ارائه شده بحث می کند، بخش 5 نتایج شبیه سازی را نشان می دهد ، بخش 6 نتیجه گیری مقاله و کار در آینده می باشد.

2. کار مرتبط

         جیایین لی  [1] یک مکانیسم بهینه سازی منابع در  سیستم های چند ابر IaaS  ناهمگن متحد ارائه داد که برنامه ریزی مدل کار قابل پیش دستی را با تخصیص منابع ، مدل سیستم ابر، نقشه برداری محلی و مصرف انرژی و مدل نرم افزاری را فعال می کند. این امر برای آینده خودکار در ابر و ماشین های مجازی مناسب است. آنها الگوریتم پویا برای تخصیص منابع آنلاین و برنامه ریزی کار پیشنهاد دادند. در منابع ابری خارق العاده پیشنهادی هر مرکز داده جدید سرور مدیری دارد، ارتباط و طرح تخصیص منابع بین سرور های مختلف از هر مرکز داده برای اشتراک گذاری تراکم کاری در میان سرور های داده های متعدد را تقسیم می کند. به اشتراک گذاری حجم کار ذخیره منبع بزرگی از منابع انعطاف پذیر و ارزان تر برای تخصیص منابع می سازد.

Abstract

           Today, cloud computing serves as a request response model, where a client makes request for various available services on "pay as you go basis". Cloud computing offers a dynamic flexible resource allocation phenomenon. For reliable and guaranteed services there must be a scheduling mechanism that all resources are efficiently allocated to satisfy the customer's request. Cloud services are based on scalability, availability, security and fault tolerance features. Service provisioning in cloud is based on SLA. Service level agreement is the terms of cloud provider's contracts with customers to define the level(s) of service being sold in plain language terms. QoS (quality of service) plays important role in cloud environment. Resource scheduling and service deployment is done by considering multiple SLA parameters like CPU requirement, network bandwidth, memory and storage. In this paper we propose an algorithm which perform resource preemption from low priority task to high priority task and advanced reservation for resources considering multiple SLA parameters for deploying service. This algorithm is also effective for fault tolerance mechanism.

I. INTRODUCTION

           Cloud computing is "providing computing resources and applications over the internet" using pay as you go model. It is also known as internet computing, here a pool of resources such as memory, processor, network and bandwidth, virtually distributed across the internet. If a customer wants to use the services of cloud provider then it has to pay cost according to services using real time as per requirements. Cloud computing provides globalize sharing of resources and unlimited storage capacities.

         As we know that any number of customers can make requests to cloud provider, if SLA based agreement takes place that means cloud provider are able to attain the corresponding request from the user, this is done by efficiently scheduling of resources and deploying applications on proper VMs. Resource scheduling means multiplexing of several user requests on same physical structure. In this time there exists more work already done on scheduling of resources in clouds this approach is based on global resource deployment by considering one SLA objective such as cost of execution, time of execution, minimum resources etc.

            When a request is submitted by the client, it's firstly partitioned into several subtasks. Now there are four main responsibility of cloud scheduler, 1) find appropriate manner or order to execute a task, 2) find appropriate resource allocation schedule for task, 3) the scheduler should be fault tolerance to schedule overheads and terminate the task, 4) find a manner for migration of tasks in an effective manner. Using the resource allocation phenomenon these problems can be solve.

          The scheduling can be two types, global scheduling and local scheduling. Local scheduling is a type of scheduling where localize resources are use to satisfy the user's request within one single cloud. Global scheduling is where all the resources from multiple clouds are treated as one single unit to complete the user's request. Typically efficient provisioning required two distinct processes, 1) initial static planning - local scheduling where all the VMs are mapped to physical resources. 2) Dynamic resource provisioningcreate new VMs, migration on VMs, dynamically response according to workload. Here step 1 is set up stage, it is generally performed at the time of set up a cloud, and when maintenance is done by the source. Whether step 2 run repeatedly at the allocation time. There are various challenges arise in this area for researchers such as scalability, multitenency, security, dynamic resource allocation and fault tolerance.

            In this paper we focus on dynamic resource provisioning, we present a scheduling heuristic considering multiple SLA objectives, such as amount required CPU, network bandwidth, and cost for deploying applications in clouds. The scheduling present a flexible on demand resource allocation strategy included advanced reservation and preempt-able mechanism for resources. Our proposed algorithm dynamically responds to requested resource for the task. First it's locally checks for the availability of resource; if resource is free then it deployed new VMs to current task, If resource is not available then it's create new VM from globally available resource; if global resources are not available then it will check for resource if it's preemptable then it's migrate processes otherwise put the task into waiting list and apply advanced reservation scheme.

           Organization of papers is as follows: In section 2 we discuss research works related to this topic, in section 3 models for resource allocation and task scheduling in [aas cloud computing system and consist the previous algorithms that is being used in our algorithm, section 4 discusses the proposed method, section 5 shows the simulation results, section 6 conclude the paper and future work.

II. RELATED WORK

           Jiayin Li [1] presents a resource optimization mechanism in heterogeneous IaaS federate multi cloud systems, that enable preemptable task scheduling with resource allotment model, cloud system model, local mapping and energy consumption, and application model. It is suitable for autonomic future in cloud and VMs. They proposed online dynamic algorithms for resource allocation and task scheduling. [n proposed cloud resource phenomenal every data center has a manager server, the communication and resource allotment scheme works between various servers of each data center for share workloads among multiple data servers. The workload sharing makes a large resource pool of flexible and cheaper resources to resource allocation.

چکیده 
1. مقدمه
2.کار مرتبط
3. استراتژی برنامه ریزی و مسائل طراحی 
A. تخصیص منابع و استقرار نرم افزار
B. زمانبندی توضیحات اکتشافی
4. الگوریتم زمان بندی
5. نتیجه شبیه سازی
6. نتیجه گیری
منابع

Abstract
1. INTRODUCTION
2. RELATED WORK
3. SCHEDULING STRATEGY AND DES[GN[NG ISSUES
A. Resource allocation and deployment of application
B. Scheduling heuristic description
4. SCHEDULING ALGORITHM
5. SIMULATION RESULT
6. CONCLUSION
REFERENCES