راهكاري تركيبي براي بهبود خاصيت كشساني در محيط رايانش ابري

كشساني، به‌عنوان يك از مهم‌ترين ويژگي‌هايي محسوب مي‌شود كه فناوري رايانش ابري را از ديگر فناوري‌هاي رايانش توزيعي، متمايز مي‌كند. اين ويژگي، از اين حقيقت بهره مي‌گيرد كه فرايند تخصيص دهي منابع، به‌عنوان رويه‌اي محسوب مي‌شود كه مي‌توان آن را به‌صورت پويا اجرا نمود. ارائه راهكاري كارامد براي بهبود خاصيت كشساني هم براي ارائه‌دهندگان و هم براي كاربران سرويس‌هاي رايانش ابري مفيد و كارآمد واقع خواهد شد. ارائه‌دهندگان خواهند توانست با راهكاري كه در اين مقاله طراحي، ارزيابي و توسعه داده خواهد شد، خاصيت كشساني سرويس‌هاي ابري خود را ارزيابي كرده و آن‌ها را بهبود بخشيده و مزيت كمي يا كيفي خود در رقابت با ساير رقبا را افزايش دهند. در اين مقاله، راهكاري تركيبي براي بهبود خاصيت كشساني با استفاده مديريت بافر و مديريت متمركز كشساني ارائه مي‌شود. مديريت بافر وظيفه كنترل صف ورودي درخواست را به عهده دارد و مديريت كشساني با استفاده از يادگيري تقويتي، كنترل خاصيت كشساني سيستم را به عهده دارد. مؤثر بودن راهكار پيشنهادي تحت سه بار كاري واقعي Google Cluster، Yahoo Cluster و Wikipedia ارزيابي شده است. نتايج آزمايشات نشان مي‌دهد كه راهكار پيشنهادي در مقايسه با دو راهكار CTMC و ControCity موجب كاهش زمان پاسخگويي 15.2 درصد، و افزايش بهره‌وري به ميزان 13.2 درصد و افزايش خاصيت كشساني را درحد 19.8 درصد نشان مي‌دهد.