ارائه یک استراتژی زمان‌بندی وظایف به‌منظور بهبود خصوصیات کیفی در محیط محاسبات ابری

در طول سال‌های اخیر، یکی از جنبه‌های مهم محاسبات ابری زمان‌بندی پویای تعداد زیادی درخواست‌های وظیفه است که با نرخ متغیر به‌وسیله کاربران ارسال می‌شوند. زمان‌بندی وظیفه یک نقش کلیدی در سیستم‌های محاسباتی ابر بازی می‌کند و این نوع زمان‌بندی بر اساس یک معیار تنها نمی‌تواند انجام شود بلکه تعداد زیادی قوانین و شرایط به‌صورت یک توافق بین کاربران و فراهم‌کنندگان ابر باید در نظر گرفته شوند. درواقع این توافق، کیفیت سرویسی است که کاربران از فراهم‌کنندگان انتظار دارند. مراکز داده ابر نه‌تنها باید این وظیفه‌های عظیم را اجرا کنند بلکه باید نیازمندی‌های چندگانه کاربران مختلف را ارضاء کنند. در این مقاله، یک استراتژی زمان‌بندی وظایف چندهدفه با استفاده از مرتب‌سازی نامغلوب، محاسبه نرخ نرمال و آستانه ارائه می‌شود. هدف از روش پیشنهاد شده در نظرگیری تعدادی از مهم‌ترین معیارهای کیفیت سرویس در زمان اجرای وظیفه‌ها یعنی مهلت زمانی و هزینه می‌باشد. به‌علاوه، خصوصیت کشسانی ابر در نظر گرفته می‌شود. نتایج شبیه‌سازی بهبود را در شرایطی روی زمان تکمیل کلی، هزینه، میانگین بهره‌وری ماشین مجازی و نقض مهلت زمانی در مقایسه با الگوریتم‌های multiobjective، fcfs، minmin، priority scheduling و mof نشان می‌دهد.

A Task Scheduling Strategy to Improve Qualitative Features in the Cloud Computing Environment

: Over the recent years, one of the important aspects of cloud computing is the dynamic scheduling of a large number of task requests which are submitted with variable rate by users. Task scheduling plays a key role in cloud computing systems, and this type of scheduling can not be done on a single criterion, but many rules and conditions must be considered as an agreement between users and cloud providers. In fact, this agreement is the quality of the services that users expect from providers. Cloud data centers should not only execute these huge tasks, but also should meet the multiple needs of different users. In this paper, a multiobjective task scheduling strategy is proposed using nondominated sorting, calculate normal and threshold rates. The aim of the proposed approach is considering some of the most important criteria for quality of service at the time of tasks execution, that means deadline and cost. In addition, the cloud elasticity property is considered. The simulation results show improvement in the conditions of makespan, cost, mean utilization of virtual machines and deadlines violation compared to MultiObjective, FCFS, MinMin, Priority Schedulig and MOF approaches.