رهيافتي جديد در الگوريتم هاي زمانبندي مبتني بر مكان ارائه خدمات براي محيط ابر تركيبي متحد شده

A new Approach to Scheduling Algorithm based on Service placement on Federated Hybrid Cloud

رايانش ابري جزء جديدترين نسل¬ سيستم¬هاي توزيع شده است كه به كاربران اجازه دهد تا به خدمات مبتني بر وب به صورت كاملا پويا و مقياس¬پذير و بر اساس مدل¬هاي مختلف نرخ خدمت دسترسي پيدا كنند. اين موضوع علاوه بر اين كه باعث صرفه¬جويي در هزينه براي مصرف كنندگان مي¬شود، به كاربران و مخصوصا شركت¬هاي كوچك و متوسط تجاري اجازه دسترسي به آخرين نرم¬ افزارها، زيرساخت¬ها و همچنين مديريت بهتر منابع توزيع شده به منظور نوآوري و رقابت با شركت¬هاي بزرگ تجاري را مي¬دهد. از سوي ديگر توانايي مديريت و آناليز حجم عظيم داده¬هاي توليد شده به عنوان عاملي كليدي در راستاي برتري رقابتي اين شركت¬ها محسوب مي¬شود. به همين علت شركت¬هاي تجاري و مراكز تحقيقاتي از الگوي برنامه¬هاي جريان¬كاري آناليز داده براي سياست¬گذاري و تصميم¬گيري بهتر استفاده مي¬كنند. با اين وجود استفاده¬كنندگان از اين فناوري با دو چالش بزرگ روبرو هستند؛ تضمين محرمانگي داده¬ها در بستر رايانش ابري و عامل بسيار مهم نحوه دسترسي و تبادل اطلاعات با مراكز داده است. هدف از اين مقاله، بررسي و ارائه الگوريتم زمانبندي برنامه¬هاي جريان¬كاري آناليز داده براي تضمين محرمانگي اطلاعات در ابرهاي تركيبي متحد شده مي¬باشد، به صورتي كه دو معيار اصلي¬ هزينه اقتصادي و زمان اجرا در زمانبندي را بهينه نمايد و زمانبندي وظايف داده پرمصرف را با توجه به مكان استقرار آنها صورت پذيرد. در پايان، پياده سازي و ارزيابي الگوريتم پيشنهادي در مقايسه با ساير الگوريتم¬هاي شناخته شده در اين زمينه صورت خواهد گرفت. با توجه به مقايسه¬هاي انجام شده، الگوريتم پيشنهادي نسبت به روش مشابه ارائه شده، درصد هزينه استفاده از ابرهاي عمومي را كاهش داده است.

Cloud Computing is the most recent generation of distributed systems in which web services can be accessed to users in dynamic and scalable manner and with different payment models. This would lower the cost, and would allow users and specially small and medium companies to use cutting-edge software and platforms. It would additionally provide them with better management for distributed resources, enabling them to compete with large enterprises. On the other hand, the ability of management and analysis the large volume of data generated is considered as a key determinant of competition across many companies. For this reason, scientific and business organizations prefer to use Data-analytics workflow model to make better decisions and policies. However, two important challenges faced by users of this technology are, guarantee of data privacy on cloud platform and exchanging data with data centers. The objective of this research is to present a scheduling algorithm for preserving data privacy in Data Analytics Workflow Applications on Federated Hybrid Cloud Environment, such that the budget is minimized, while the makespan limitation imposed by the user is satisfied; In addition, the scheduler tries to schedule data intensive tasks considering the related data placement.