آستانه پويا مبتني بر اتوماتاي يادگير براي تشخيص ميزبان سربار در محيط ابر

امروزه با پیشرفت تكنولوژی، ارائه خدمات محاسباتی به كاربران به عنوان یك سرویس مطرح شده است. در این مسیر رایانش ابری با هدف افزایش قابلیتهای محاسباتی قابل اعتماد و با كیفیت تضمین شده، مورد توجه واقع شده است. یكی از چالشهای مطرح در رایانش ابری مدیریت منابع كارآمد و بهینهسازی تخصیص منابع در محیط ابر میباشد. از آنجایی كه مصرف انرژی و نقض توافقنامه خدمات دو عامل مهم در محیط ابر است، بنابراین مدیریت منابع كارامد در این محیط مستلزم توازن میان كارایی، مصرف انرژی و نقض توافقنامه خدمات میباشد. جلوگیری از سربار سرورها و توازن بار متناسب میان سرورها میتواند منجر به حفظ كیفیت خدمات و كاهش مصرف انرژی شود. در این مقاله یك روش جدید مبتنی بر اتوماتای یادگیر جهت تشخیص میزبان سربار و تخصیص كارامد منابع در محیط ابر پیشنهاد میگردد. روش پیشنهادی با درنظر گرفتن تغییرات منبع درخواستی كاربر، میزبانی را كه ممكن است دچار سربار شود را پیشبینی میكند، كه ضمن تضمین كیفیت خدمات، بهعلت جلوگیری از سربار سرور و همچنین افزایش سرورهای كه باید خاموش شوند منجر به كاهش انرژی مصرفی مركز داده نیز میشود. الگوریتم پیشنهادی در محیط نرم افزار CloudSim شبیه سازی گردیده و برای دادههای باركاری، اطلاعات پردازنده ده روز سیستم واقعی زیرساخت ابر PlanetLab استفاده شده است. كارایی الگوریتم پیشنهادی از نظر معیارهای انرژی مصرفی، نقض توافقنامه سطح خدمات و تعداد میزبانهای خاموش شده با الگوریتمهای DVFS ، NPA ، رگرسیون محلی ) LR (، آستانه ) THR (، میانگین انحراف مطلق) MAD ) و دامنه میانچالاكی) IQR ( مقایسه شده است. نتایج حاصل از شبیه سازی نشان میدهد الگوریتم پیشنهادی با میزان انرژی مصرفی 180848 Kwh و نقض توافقنامه سطح خدمات 0800.0 درصد كارایی بهتری نسبت به سایر الگوریتمهای مورد مقایسه ارائه میدهد.