عنوان

ارائه یک روش جدید توازن بار در محیط رایانش ابری با استفاده از عامل های هوشمند,‮‭new approach for load balancing in cloud computing by intelligent agents‬ A

Number

‭۲۱۶۰۲پ‬

.Language of Text, Soundtrack etc

per

Title Proper

ارائه یک روش جدید توازن بار در محیط رایانش ابری با استفاده از عامل های هوشمند

Parallel Title Proper

‮‭new approach for load balancing in cloud computing by intelligent agents‬ A

First Statement of Responsibility

/نعیمه احمدیان

Name of Publisher, Distributor, etc.

: علوم ریاضی

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۸‬

Name of Manufacturer

، راشدی

Specific Material Designation and Extent of Item

‮‭۷۳‬ص‬

Text of Note

چاپی - الکترونیکی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

علوم کامپیوتر گرایش سیستم های هوشمند

Date of degree

‮‭۱۳۹۷/۰۶/۱۷‬

Body granting the degree

تبریز

Text of Note

رایانش ابری ی فناوری جدید برای ارائه منابع محاسبات از طریق اینترنت است که با استفاده از شب‌ه، منابع، نرم‌افزار و تجهیزات اشتراک را برای سرویس مورد تقاضای مشتری‌ها در زمان مشخص فراهم م‌کند .بهره‌گیری از رایانش ابری مانند هر روش جدید در دنیای فناوری، چالش‌های فراوان را پیش روی صاحب نظران این حوزه قرار داده است که از آن جمله م‌توان به توازن بار، امنیت، قابلیت اطمینان، مال‌یت و پشتیبان‌گیری از داده‌ها اشاره کرد .توازن بار ی از چالش‌های اساس در رایانش ابری است و وظیفه‌ی آن استفاده از تمام منابع به گونه‌ای است که هیچ منبع پربار نباشد در حال‌که برخ دی‌ر از منابع کم بار هستند .ال‌وریتم‌های متعددی برای حل مساله توازن بار پیشنهاد شده است .با مقایسه آن‌ها دیده م‌شود که هر کدام بسته به وضعیت رایانش ابری مزایا و معایب دارند و هیچ‌ی از آن‌ها تمام معیارهای موردنظر مانند زمان پاسخ، تحمل‌پذیری خطا، بهره‌برداری از منابع، توان عملیات وغیره را ارضا نم‌کند .ی دی‌ر از چالش‌های مهم در رابطه با رایانش ابری مصرف انرژی است .امروزه شب‌ه‌های ابری و مراکز داده حجم زیادی از انرژی را مصرف م‌کنند به‌طوری‌که طبق آخرین گزارشات ‮‭۸.۱‬از انرژی مصرف آمری‌ا توسط مراکز داده‌ها بوده است .در این پایان‌نامه با توجه به بار کاری پویا در محیط رایانش ابری، حد آستانه‌ی تطبیق برای میزان بهره‌وری میزبان‌های فیزی در نظر گرفته‌ایم که بر اساس تاریخچه‌ی سیستم و روش‌های آماری تنظیم م‌شود در روش پیشنهادی برای هر میزبان دو عامل هوشمند اختصاص داده‌ایم که به‌صورت موازی با عامل‌های میزبان‌های دی‌ر کار م‌کنند و حالت میزبان فیزی که روی آن مستقر هستند را تشخیص داده و ماشین‌های مجازی مناسب را برای مهاجرت انتخاب کرده و از میزبان جدا م‌کنند .در نهایت با خاموش کردن به‌موقع منابع فیزی کم بار و جلوگیری از سرریزشدن منابع به کاهش مصرف انرژی اقدام کردیم برای تحقق این هدف دو روی‌رد در نظر گرفته‌ایم در روی‌رد اول از ال‌وریتم بهینه‌سازی ازدحام ذرات‮‭(PSO‬ ( برای تخصیص اولیه میزبان‌های فیزی و مهاجرت ماشین‌های مجازی بهره برده‌ایم و تابع برازندگ آن را بر پایه‌ی انرژی مصرف منابع طراح کرده‌ایم .در روی‌رد دوم به جای ال‌وریتم بهینه‌سازی ازدحام آذرات از ال‌وریتم کلاسی ‮‭PABFD‬ برای تخصیصمیزبان‌های فیزی و مهاجرت ماشین‌های مجازی استفاده کرده‌ایم .بررس نتایج حاصل از شبیه‌سازی، کاهش مصرف انرژی در روی‌رد اول را نسبت به روی‌رد دوم نشان م‌دهد و در کل هر دو روی‌رد نسبت به ال‌وریتم‌های پیشین میزان مصرف انرژی را به اندازه قابل قبول کاهش داده و از نقض شدن قانون سطح سرویس از قبیل هزینه سرویس، کیفیت سرویس مورد انتظار و غیره جلوگیری کرده‌اند

Text of Note

Cloud computing is a new technology for offering computing resources over the Internet that Provides client on demand service at specified time by network, resources, soware, and shared equipment. Utilizing cloud computing like any new technologies in the world, Has Many challenges for experts of the field, Including load balancing, security, reliability, ownership and data backup. Load balance is one of the major challenges in cloud computing. Its duty is using all resources so that any resource shouldnt be overloaded while some other resources are idle loaded. Many algorithms have been proposed to solve the load balancing problem. By comparing them we can see that each one has advantages and disadvantages depending on the cloud computing status and none of them cant satis all the measures such as response time, error tolerance, resource utilization, throughput and Etc. Energy consumption is Another major challenge in cloud computing. Today, cloud networks and data centers consume a great mass of energy. According to recent reports, 8 percent of U.S. energy consumption was Consumption by data centers[1]. In this thesis, According the dynamic workload in the cloud computing environment, We set an adaptive threshold for the efficiency of the physical hosts, which is adjusted based on system history and statistical methods; In the proposed approach, we assign two intelligent agents to each host that work in parallel with other host agents. and each agent detect the physical host state and select the appropriate virtual machines to migrate and separate om the host. Finally, we decrease energy consumption by switching off low-load physical resources and preventing; To achieve this goal, we consider two approaches; in the first one, we use the particle swarm optimization algorithm for initial allocation of physical hosts and virtual machine migration, and we designed its fitness function based on the energy consumption of the resources. In the second approach, instead of the particle swarm optimization algorithm, we use the classic PABFD algorithm to allocate physical hosts and migrate virtual machines. Examination of the simulation results shows the reduction of energy consumption in the first approach compared to the second approach. In general, both approaches to the previous algorithms have significantly reduced the energy consumption and they have prevented service-level violations such as service cost, quality of service expected and so on

Parallel Title

‮‭new approach for load balancing in cloud computing by intelligent agents‬ A

احمدیان، نعیمه

Ahmadian, Naeemeh

Public note

سیاه و سفید

نمایه‌سازی قبلی