>
Fa   |   Ar   |   En
   یک رهیافت خودتطبیق‌پذیر مدیریت منابع در محیط‌های‌ رایانش ابری  
   
DOR 20.1001.2.0020193782.1400.1.1.15.3
نویسنده شیبانی‌راد احمدرضا ,آشتیانی مهرداد
منبع وب پژوهي - 1400 - دوره : 7 - هفتمین کنفرانس بین المللی وب پژوهی - کد همایش: 00201-93782
چکیده    افزایش تقاضا، سرویس دهنده ابری را با چالش زمان‌بندی مناسب منابع مرکز داده برای حفظ تعادل زمان پاسخگویی به کار ها، کاهش این زمان و داشتن شانس تقریبی برابر انتخاب هر یک از کارها روبه رو ساخته است. زمان بندی کارها، یک واحد اصلی در مرکز داده محیط رایانش ابری است. الگوریتم های اکتشافی توانمندی تطبیق پذیری خودکار نسبت به بهینگی و تغییرات محیطی یک بارکاری از پیش تعیین شده را ندارند. از طرف دیگر، فرآیند تخصیص چندگانه منابع در واحد زمان و مکان منجر به ایجاد پیچیدگی بیشتر این فرآیند در محیط رایانش ابری می شود. در جهت توجه و مواجهه با چالش‌های مطرح شده از یادگیری تقویتی به عنوان یک روش تصمیم گیری ترتیبی با امکان تغییر رفتار در مقابل تغییر محیطی استفاده شده است. رهیافت پیشنهادی، با کارهای پژوهشی deeprm و deepscheduler در حوزه زمان‌بندی خودکار و مبتنی بر یادگیری تقویتی با دادگان شبیه سازی‌ از منظر معیار کندی میانگین پاسخ، نقطه تعادلی میانگین پاسخگویی به کارها و کمینه‌سازی بهره وری منابع مرکز داده در الگوی تقاضای نرمال کارها مورد ارزیابی قرار گرفت و مولفه زمان‌بند رهیافت پیشنهادی، عملکرد بهتری نسبت به آن‌ها در مدیریت منابع مرکزداده از خود نشان داد.
کلیدواژه محیط رایانش ابری ,، مرکز داده ,، زمان‌بندی و تخصیص کار ,یادگیری تقویتی ,عملگر-منتقد نرم
آدرس دانشگاه علم و صنعت ایران, ایران, دانشگاه علم و صنعت ایران, ایران
پست الکترونیکی m_ashtiani@iust.ac.ir
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved