مروری بر روش‌های توازن بار در رایانش ابری مبتنی بر الگوریتم‌های‌ هوش جمعی

واژه‌ی ابر در واقع، مجموعه‌ای از منابع مختلف است که خدماتی به کاربرهای نهایی ارائه می‌کند و بر مبنای توافق‌نامه سطح سرویس‌دهی است تا منابع را به‌صورت کارآمد در اختیار کاربرها قرار دهد. برای هر برنامه در مرکز داده، ارائه‌دهنده‌های سرویس باید کیفیت سرویس را تضمین کنند و بهره‌وری از سرور و راندمان انرژی را به دست آورند. رایانش ابری با استفاده از فناوری مجازی‌سازی به‌عنوان الگوی جدیدی از سیستم‌های توزیع‌شده، پدید آمده است. با تعداد رو به رشد کاربرهای ابر، تعداد وظایف به میزان زیادی افزایش می‌یابد درحالی‌که تعداد ماشین‌های مجازی ثابت باقی می‌مانند. یکی از چالش‌های اصلی آن، زمان‌بندی میزان گسترده‌ای از وظایف ناهمگن و حفظ توازن بار بین ماشین‌های مجازی مختلف به‌منظور برآورده‌سازی نیازهای کاربرها و ارائه‌دهنده‌ها است. نیازهای کاربران و ارائه‌دهنده‌ها، شامل حداقل بازه زمانی، هزینه پایین و بهره‌وری بالا از منابع است. توازن بار منجر به افزایش بازده به‌وسیله محدودسازی زمان واکنش می‌شود. همچنین بهره‌وری را افزایش می‌دهد. این مسئله، اغلب به‌عنوان بهینه‌سازی np-hard طبقه‌بندی می‌شود و الگوریتم‌های‌ هوش جمعی بسیاری تلاش کرده‌اند تا این مسئله را حل کنند. در این پژوهش، روش‌های توازن بار که از الگوریتم‌های‌ هوش جمعی استفاده کرده‌اند، مرور می‌شوند.