چکیده فارسی :

زمان‌بندی وظایف در محاسبات ابری یک مساله بهینه‌سازی NP-سخت است. تعادل بار وظایف مستقل غیرپیشگیرانه در ماشین‌های مجازی (VMS) از جنبه‌های مهم زمان‌بندی وظیفه در ابر است. هرگاه برخی ماشین‌های مجازی سربارگذاری شوند و سایر ماشین‌های مجازی با وظایف برای پردازش، کم بارگذاری شده باشند، برای رسیدن به بهره‌برداری بهینه از ماشین‌ها، بار سیستم باید تعدیل شود. در این مقاله، ما یک الگوریتم به نام تعادل بار الهام گرفته از رفتار زنبور عسل (HBB-LB) را پیشنهاد کرده‌ایم که هدف آن دستیابی به تعادل بار در سراسر ماشین‌های مجازی برای به رسیدن به حداکثر توان است. الگوریتم پیشنهاد شده وظایف را بر اساس اولویت در ماشین‌های مجازی متعادل می‌کند به گونه‌ای که مدت زمان انتظار وظایف در صف حداقل باشد. ما الگوریتم پیشنهادی را با الگوریتم‌های تعادل بار و زمان‌بندی موجود مقایسه کرده‌ایم. نتایج تجربی نشان می دهد که الگوریتم ما در مقایسه با الگوریتم‌های موجود موثر عمل می‌کند. رویکرد ما نشان می‌دهد که بهبود قابل توجهی در متوسط زمان اجرا و کاهش زمان انتظار وظایف در صف وجود دارد.

چکیده انگلیسی :

Scheduling of tasks in cloud computing is an NP-hard optimization problem. Load balancing of non-preemptive independent tasks on virtual machines (VMs) is an important aspect of task scheduling in clouds. Whenever certain VMs are overloaded and remaining VMs are under loaded  with tasks for processing, the load has to be balanced to achieve optimal machine utilization. In this paper, we propose an algorithm named  honey bee behavior inspired load balancing (HBB-LB), which aims to achieve well balanced load across virtual machines for maximizing the throughput. The proposed algorithm also bal-ances the priorities of tasks on the machines insuch a way that the amount of waiting time of the tasks in the queue is minimal. We have compared the proposed algorithm with existing load balancing and scheduling algorithms. The  experimental results show that the algorithm is effective when compared with existing algorithms. Our approach illustrates that there is asignificant improvement in averageexecution timeand reduction in waiting time of tasks on queue.