بهبود زمان‌بندی کار و تخصیص منابع در ابر با روش ahp اصلاح‌شده

از مسائل چالش‌برانگیز حوزه رایانش ابری، زمان‌بندی کارآی کارها و تخصیص بهینه منابع در ابر، براساس ماهیت پویای کارها و ناهمگونی منابع است. برنامه‌های کاربردی که برمبنای گردش‌کار علمی، عمل می‌کنند ازجمله برنامه‌های پرکاربرد در این حوزه هستند که از ویژگی‌های بارز آن قدرت پردازش و ظرفیت ذخیره‌سازی زیاد است. به منظور افزایش کارایی آن‌ها نیازمند به برنامه‌ریزی مناسب کارها و انتخاب بهترین ماشین‌مجازی موجود در ابر می‌باشد. اهداف سیستم از عوامل موثر در برنامه‌ریزی کارها و انتخاب منابع است که وابسته به معیارهای مختلفی ازجمله زمان، هزینه، بارکاری جاری و قدرت پردازش است. روش‌‌های تصمیم‌گیری چند معیاری انتخاب مناسبی در این زمینه هستند.در این پژوهش دو سیاست زمان‌بندی کارها و تخصیص منابع در محیط ناهمگن برمبنای الگوریتم ahp اصلاح‌شده پیشنهاد شده است. در سیاست زمان‌بندی کارهای ورودی، اولویت‌بندی کارها برمبنای دو معیار زمان اجرا و اندازه است. هدف کلی دو سیاست زمان‌بندی کارها و تخصیص منابع، کاهش تاخیر و زمان اجرای هر کار است. سیاست تخصیص منابع از معیارهای اندازه حافظه، سرعت پردازنده و پهنای باند برای اولویت‌بندی ماشین‌های مجازی استفاده می‌کند. در این سیستم ما بر روی پنج روش نرمال‌سازی معروف به منظور بهبود عملکرد الگوریتم ahp تمرکز کرده‌ایم نتایج ارزیابی زمان بازگشت و زمان پاسخ نشان داد که روش‌های نرمال‌سازی linear max-min و linear max بهترین انتخاب برای آن هستند. نتایج شبیه‌سازی نشان‌دهنده کاهش متوسط زمان پاسخ‌گویی، زمان بازگشت و زمان اجرای کارهای ورودی در روش پیشنهادی در مقایسه با روش‌ پایه است.