ارائه مدلی جهت مهاجرت جزئی داده های متمرکز به بستر ابری بر مبنای داده های سرد و گرم

کاربردهای اینترنت اشیاء در حوزه‌های مختلف مانند شهر هوشمند، سامانه‌های نظارتی و سامانه‌های اندازه‌گیری سبب تولید حجم بالایی از داده‌ها می‌گردد که مکانیسم ذخیره‌سازی آن‌ها در سرعت بهره‌برداری و همچنین هزینه‌های نگهداری داده‌ها بسیار تاثیرگذار است. با افزایش سریع تولید داده‌ها در بستر اینترنت اشیاء، مهاجرت از مدل متمرکز ذخیره‌سازی به مدل‌های توزیع‌شده یا مدل‌های مبتنی بر محاسبات ابری امروزه موردتوجه محققین می‌باشد. در این راستا آنچه در تحقیقات پیشین موردبررسی قرار داده‌شده، توزیع بهینه‌ی داده‌ها بر روی سرورها به‌منظور متعادل‌سازی بار است؛ اما رویکرد دیگری که در این مقاله از آن بهره‌گیری شده استفاده از مدل‌های هیبرید ابری می‌باشد. بجای رویکرد توزیع بار، بخشی از داده‌ها تحت عنوان داده‌های سرد به بستر ابر منتقل‌شده و سایر داده‌ها تحت عنوان داده‌های گرم در سرورهای لبه شبکه یا سرورهای محلی نگهداری می‌گردند که این موضوع از یک‌سو سبب افزایش کارایی در دسترسی به داده‌های گرم و همچنین کاهش هزینه نگهداری داده‌های سرد خواهد شد. در این مقاله با استفاده از مدل‌سازی و بهینه‌سازی ریاضی، یک سامانه پیشنهاددهنده برای مهاجرت جزئی داده‌های ذخیره‌شده در پایگاه داده‌ها به بستر رایانش ابری ارائه‌شده است تا با استفاده از آن، بهینه‌ترین گزینش، از میان جداول کاندید، برای انتقال به بستر ابری و بهره‌گیری از مزایای منابع اشتراکی ابری انجام پذیرد. در این تحقیق، هدف کمینه کردن هزینه انتقال و میزبانی داده‌ها در فضای ابری با استفاده از مفهوم داده‌های سرد و گرم است. در ارزیابی انجام‌شده با بنچمارک استاندارد تی-سی-پی-اچ و در مقایسه با مدل پایه، مدل پیشنهادی باعث کاهش 56.3 درصد هزینه استقرار داده و بهبود 27.2 درصد زمان پاسخگویی شده است.