مرکز منطقه ای اطلاع رساني علوم و فناوري - رويكرد تامين منبع بهبود يافته براي برنامه هاي كاربردي چندلايه با استفاده از سيستم استنتاج عصبي- فازي تطبيق پذير در محيط رايانش ابري

چكيده فارسي :

رايانش ابري، امكان دسترسي به محدوده وسيعي از منابع مجازي شده (سخت افزار، نرم افزار، سرويس ها و...) را فراهم مي آورد كه اين منابع مي توانند به صورت پويا و با حجم متغير، به كاربران خود سرويس دهند، يعني هر كاربر به اندازه اي كه از آن منابع نياز دارد، از آن استفاده مي كند كه اين كار به استفاده بهينه از منابع منجر مي شود. تامين خودكار منابع براي برنامه هاي كاربردي چندلايه در محيط هاي ابري، چالش هاي جديدي را در زمينه تعادل پويا و يا تخصيص منابع مطرح مي كند كه در تامين برنامه هاي تك لايه شاهد آن نبوده ايم. سازوكار هاي انعطاف پذير و عموما خودكار نياز به تعيين مقدار منابع مجازي مورد نياز براي به حداقل رساندن مصرف منابع و برآورده كردن توافقنامه سطح كيفي خدمات دارند. در اين مقاله، به ارائه رويكردي بهبود يافته براي تامين خودكار منابع براي برنامه هاي كاربردي چندلايه پرداخته ايم، رويكرد ارائه شده داراي سه مرحله پايش، تحليل و اجراست كه در مرحله تحليل از سيستم استنتاج عصبي-فازي تطبيق پذير استفاده مي شود. اين سيستم از قدرت آموزش شبكه عصبي و مزيت زباني سيستم هاي فازي به منظور تحليل فرآيندهاي پيچيده به صورت بسيار قدرتمند عمل مي كند. سپس رويكرد پيشنهادي را تحت بارهاي كاري واقعي و مصنوعي با دو روش ADRP_Fuzzy و ADRP_AL مورد ارزيابي و مقايسه قرار داديم. نتايج به دست آمده نشان مي دهد كه رويكرد پيشنهادي موجب كاهش زمان پاسخگويي به ميزان 2.3 درصد و افزايش بهره وري به ميزان 1.9 درصد مي گردد.