مروري بر الگوريتم هاي تعادل بار در رايانش ابري

A Survey of Load Balancing Algorithms in Cloud Computing

امروزه محاسبات ابري به عنوان يك روش جديد براي برنامه هاي علمي، كاربردي تبديل شده است. براي اين امر سيستم هاي گوناگوني توسط كارشناسان پيشنهاد و ارائه شده، كه از آن جمله مي توان به محاسبات خوشه اي، محاسبات هوشمند و در نهايت محاسبات ابري اشاره كرد. در سيستم رايانش ابري، كاربران به سادگي فقط با داشتن اينترنت پرسرعت و دستگاه هاي ساده اي كه توان پشتيباني اينترنت را داشته باشد با پرداخت هزينه به سرويس دهنده ها مي توانند از اين سيستم استفاده كنند. در اين راستا تعادل بار مسئله اي حائز اهميت در رايانش ابري است، كه خود باعث افزايش سرعت و كارايي مي شود. تعادل بار يك فرآيند يا تكنيكي است كه براي توزيع يك بار پردازش بزرگ، به صورت يكنواخت و پويا به تمام گره ها روي ابر استفاده مي شود. الگوريتم هاي متعددي براي مساله تعادل بار ارائه شده است. ما در اين مقاله الگوريتم‌هاي تعادل بار را از چندين جنبه بررسي و گردآوري كرده‌ايم تا مخاطبان درك بهتر و واضحي از مفهوم آن داشته باشند. در نهايت يك مقايسه از اين الگوريتم‌ها ارائه كرده‌ايم و در بخش نتيجه‌گيري چندين كار آتي را براي پژوهش‌هاي تحقيقاتي در آينده پيشنهاد كرده‌ايم.

Today cloud computing has become a new method for applied science applications. For this, various systems have been proposed by experts, including cluster accounting, intelligent computing, and ultimately supercomputing. In the cloud computing system, users can easily use the system at a cost to servers by using a simple and powerful Internet and Internet that can support the Internet. In this regard, loading is an important issue in cloud computing, which increases the speed and efficiency. Load balancing is a process or technique used to load large processing times uniformly and dynamically to all nodes on the cloud. Several algorithms for loading loading are presented. In this article we review and collect the loading algorithms from several aspects to the audience with a better understanding of this concept. Finally, a comparison of these algorithms is presented and in the conclusion section several future work papers for future research are presented.