دانلود ترجمه مقاله توازن بار در رایانش ابری (ساینس دایرکت – الزویر 2020) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

توازن بار در رایانش ابری: یک تصویر بزرگ

Load Balancing in Cloud Computing: A big Picture

چکیده

1- مقدمه

2- معماری رایانش ابری

3- ماتریس های عملکرد تاثیرگذار بر توازن بار

4- طبقه بندی الگوریتم های توازن بار

4-1 الگوریتم های توازن بار

5- نتایج شبیه سازی

6- نتیجه گیری

چکیده

زمان بندی اختصاص درخواست کاربر (کارها) در محیط ابری یک مساله بهینه سازی NP-hard است. مطابق با زیرساخت ابری و درخواست های کاربران، سیستم ابری همراه با برخی بارها (که ممکن است کم باری یا اضافه بار یا بار متعادل باشد) اختصاص داده می شود. شرایطی همانند کم باری یا اضافه بار سبب خرابی سیستم مرتبط با مصرف توان، زمان اجرا، خرابی ماشین و غیره شود. بنابراین، توازن بار برای غلبه بر تمامی مشکلات اشاره شده فوق مورد نیاز است. این توازن بار کارها (آن ها ممکن است وابسته یا مستقل باشند) بر ماشین های مجازی (VM) جنبه مهمی از زمان بندی کارها در ابرها است. انواع مختلف بارها در شبکه ابری همانند بار حافظه، بار محاسباتی (CPU)، بار شبکه و غیره وجود دارد. توازن بار مکانیزم شناسایی نودهای اضافه بار و کم بار و سپس توزان بار در بین آن ها است. محققان روش های مختلف توازن بار را در رایانش ابری برای بهینه سازی پارمترهای مختلف عملکرد پیشنهاد داده اند. ما یک طبقه بندی را برای الگوریتم های توزان بار در ابر ارائه کرده ایم. توضیح کوتاهی از پارامترهای عملکرد در ادبیات و اثرات آن ها در این مقاله ارائه شده است. به منظور تحلیل عملکرد الگوریتم های مبتنی بر اکتشاف ، شبیه سازی ها در شبیه ساز CloudSim انجام شده است و نتایج به طور کامل ارائه شده است.

1- مقدمه

در حوزه فناوری شبکه، فناوری رایانش ابری در حال نمایش رشد پدیده ای به دلیل پیشرفت فناوری ارتباطات، استفاده گسترده از اینترنت و حل مشکلات در مقیاس بزرگ است. این فناوری کاربردهای سخت افزاری و نرم افزاری همانند منابع در بستر اینترنت را برای کاربر ابر امکان پذیر می سازد. رایانش ابری یک مدل رایانه ای مبتنی بر اینترنت است که منابع (مانند شبکه ها، سرورها، استوریج، برنامه ها و خدمات)، نرم افزار و اطلاعات را به دستگاه های مختلف کاربر براساس تقاضا به اشتراک می گذارد [1]. رایانش ابری مسیری به سوی رایانش سودمند است که توسط برخی شرکت های مهم فناوری اطلاعات مورد استفاده قرار گرفته است که نمونه این شرکت ها آمازون، اپل، گوگل، HP، IBM، مایکروسافت، اوراکل و غیره است. مدل رایانش ابری دارای سه مدل خدماتی به نام نرم افزار به عنوان یک سرویس (SaaS)، پلتفورم به عنوان یک سرویس (PaaS) و زیرساخت به عنوان یک سرویس (IaaS) و چهار مدل پیاده سازی به نام های خصوصی، عمومی، ترکیبی و اجتماعی است.

6- نتیجه گیری

در این مطالعه تکنیک های مختلف توازن بر در محیط های مختلف (یعنی همگون و ناهمگون) رایانش ابری توصیف شده است. یک معماری سیستم به همراه مدل های متمایز برای میزبان و ماشین مجازی توضیح داده شده است. ما پارامترهای مختلف عملکرد را برای تحلیل عملکرد سیستم مورد ارزیابی قرار دادیم. محاسبه زمان کل و مصرف انرژی سیستم به طور کامل بررسی شده است. همچنین یک طبقه بندی برای الگوریتم توازن بار در محیط ابری پیشنهاد داده شده است. به منظور تحلیل عملکرد الگوریتم های مبتنی بر اکتشاف، شبیه سازی در شبیه سازی CloudSim انجام و نتایج به طور کامل ارائه شده است. برای انجام تحقیقات بیشتر، درک این روش ها الزامی است. کار آتی دربرگیرنده ارزیابی الگوریتم های پیشنهادی در اجرای محیط واقعی ابری و همچنین پیاده سازی تکنیک های بحث شده و مقایسه بین آن ها است.

Abstract

Scheduling or the allocation of user requests (tasks) in the cloud environment is an NP-hard optimization problem. According to the cloud infrastructure and the user requests, the cloud system is assigned with some load (that may be underloaded or overloaded or load is balanced). Situations like underloaded and overloaded cause different system failure concerning the power consumption, execution time, machine failure, etc. Therefore, load balancing is required to overcome all mentioned problems. This load balancing of tasks (those are may be dependent or independent) on virtual machines (VMs) is a significant aspect of task scheduling in clouds. There are various types of loads in the cloud network such as memory load, Computation (CPU) load, network load, etc. Load balancing is the mechanism of detecting overloaded and underloaded nodes and then balance the load among them. Researchers proposed various load balancing approaches in cloud computing to optimize different performance parameters. We have presented a taxonomy for the load balancing algorithms in the cloud. A brief explanation of considered performance parameters in the literature and their effects is presented in this paper. To analyze the performance of heuristic-based algorithms, the simulation is carried out in CloudSim simulator and the results are presented in detail.

1- Introduction

In the field of network technology, the cloud computing technology is showing phenomenal growth due to the advancement of communication technology, explosive use of Internet and solve large-scale problems. It allows both hard ware, and software applications as resources over the Internet for the cloud user. The cloud computing is an Internet-based computing model that share resources (e.g., networks, servers, storage, applications, and services), software, and information to various devices of the user on demand [1]. The Cloud computing is a path to utility computing embraced by some major IT companies such as Amazon, Apple, Google, HP, IBM, Microsoft, Oracle, and others. The Cloud Computing model has three service models, namely, Software as a Service (SaaS), Platform as a Service (PaaS), Infrastructure as a Service (IaaS) and four deployment models, namely, private, public, hybrid and community.

6- Conclusion

In this study, we have described various load balancing techniques in different (i.e., homogeneous, heterogeneous) cloud computing environments. A system architecture, with distinct models for the host, VM is described. We have explained various performance parameters listed in the above tables those evaluate the system performance. The calculation of makespan and energy consumption of the system is explained in details. We have proposed a taxonomy for the load 390 balancing algorithm in the cloud environment. To analyze the performance of heuristic-based algorithms, the simulation is carried out in CloudSim simulator and the results are presented in detail. For further researches, understanding of these approaches is essential. Future work includes evaluating the proposed algorithms in a real-world cloud deployment, and also implementation of all discussed techniques and make a comparison among all.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

توازن بار در رایانش ابری: یک تصویر بزرگ

Load Balancing in Cloud Computing: A big Picture