مدیریت کشسانی در رایانش ابری با استفاده از شبکه پتری رنگی

رایانش ابری، فناوری جدیدی است که روزبه‌روز بر محبوبیت آن افزوده می‌شود، این محبوبیت به دلیل خاصیت کشسانی آن است. به‌عبارت دیگر، رایانش ابری، ظرفیت منابع را برای مصرف‌کننده به‌صورت بینهایت در نظر می‌گیرد و مصرف‌کننده، می‌تواند منابع را برحسب تقاضا و بر اساس نرخ رقابتی در اختیار بگیرد و میزان منابع را افزایش یا کاهش دهد. اگرچه راه‌حل‌های مختلفی برای مدیریت کشسانی تاکنون توسعه داده شده‌اند، اما کارهای بیشتری نیاز است تا خاصیت کشسانی ابر را به‌صورت کاراتر مدیریت نمایند. در این مقاله مدلی برای بهبود خاصیت کشسانی با استفاده از شبکه پتری رنگی برای تامین منابع در شبکه‌های ابری ارائه می‌شود. در مدل پیشنهادی مدیریت کشسانی با استفاده شبکه پتری رنگی و در قالب کنترل صف‌هایm/m/n  صورت می‌گیرد. بدین ترتیب که به ازای ورود هر درخواست یا ارائه سرویس در صف حرکت افقی و به ازای نیاز به افزایش یا کاهش ماشین مجازی حرکت عمودی در صف وجود دارد. نتایج عملکرد روش پیشنهادی تحت بار کار واقعیgoogle cluster بهبود خاصیت کشسانی، افزایش دقت و افزایش سرعت را در مقایسه با رویکردهای مشابه نشان می‌دهد.

Elasticity Management in Cloud Computing Using Colored Petri Net

Cloud computing is a new technology which its popularity increases every day, a popularity due to its elasticity. On the other words, cloud computing takes into account an unlimited capacity of the resource for the consumer, and the consumer can take resources in demand based on competitive rates and increase or decrease the amount of resources. There have been many improvements to elasticity management by previous researches. However, further reasearches are necessary to manage elasticity more efficiently. In this paper, a model for the elasticity improvement using a colored Petri network is proposed to provide resources in cloud computing. In the proposed model, elasticity management is performed using a colored Petri net in the form of control of the M/M/N queues. In this way, there is a horizontal queue for each request or service in the vertical queue for the need to increase or decrease the virtual machine. The results of the proposed method show an improvment in elasticity, accuracy and speed, compared with the other approaches.