چکیده فارسی :

رایانش ابری به طور گسترده­ای در جهان محاسبات پذیرفته شده و بسیاری از منابع سخت­افزاری و نرم­افزاری را دربرمیگرد. چنانچه مراکز داده ابری دچار بار اضافی زیادی میشوند، آنگاه برطرف کردن به موقع نیازهای مشتری به یک مسئله ضروری تبدیل میشود. برای این منظور بهره­وری از منابع به روشی هوشمند تبدیل میشود که ما بتوانیم بر مسئله انتخاب میزبان­های فیزیکی برای توسعه وظایف تمرکز کنیم. در نتیجه چارچوبOPH-LB برای مدلسازی سرویس­های مورد درخواست مشتری در معماری IaaSهمراه با ماشین­های ناهمگون مجازی ارائه شده است. این روش، ایده دست­یابی به توازن بار در محایط پویا را پیشنهاد میکند. در ابتدا این روش OPH-LB، میزبان­های ارزیابی شده ای را که نیازمندی­های توسعه وظایف را به انجام رسانده­اند، فیلتر میکند. سپس از میان مجموعه­های شایسته، ما مدل احتمالی را به کار میگیرم که به کاوش بهینه­ترین میزبان از لحاظ قابلیت­های محاسباتی و تابع کارایی، کمک میکند. علاوه بر آن، کارایی با استفاده از ابزار شبیه­سازی Cloudsim ارزیابی شده و با روش­های موجود مقایسه میشود. نتایج نشان میدهد که مدل ما توان عملیاتی را بهبود بخشیده، نرخ خرابی را کاهش و دست­یابی به مراکز داده ابری را بهینه کرده است.

کلمات کلیدی: رایانش ابری، توزان بار، گسترش وظیفه، احتمال، کارایی، بهینگی

چکیده انگلیسی‌:

Cloud Computing is being widely accepted in this computing world and comprises of many hardware and software resources. It becomes critical to meet their client’s needs on time if the cloud data centers are so overloaded. In this regard, if the utilization of resources becomes an intelligent way so that we focused on the selection problem of the physical hosts for deploying the tasks. So, OPH-LB (Optimal Physical Host with effective Load Balancing) framework is proposed to model the service of client’s requests in this IaaS architecture with heterogeneous virtual machines. It proposes the thought of accomplishing load balancing in this dynamic environment. Firstly, this OPH-LB approach is filtering the qualified hosts among all which accomplishes the requirement of deploying tasks. Then out of those qualified sets, we apply probablistic model which helps to find the most optimal host in terms of its computing capability and its performance function. Further, the performance is analyzed using Cloudsim simulation tool and compared with existing approaches. The results demonstrate that our model has improved the throughput, reduced the failure rate and optimized the attainment of cloud data centers.