ارائه يك روش جديد جهت افزايش توازن بار در محيط رايانش ابري مبتني بر الگوريتم ژنتيك بهبود يافته

با پتانسيل بالايي كه رايانش ابري براي ذخيره ‌سازي و پردازش داده‌ها، از راه دور دارد، اين فناوري نمونه‌اي جديد از محاسبات را ارائه داده است. در محيط‌هاي ارائه‌دهنده خدمات ابري، ماشين‌هاي مجازي از چندين سازمان روي همان سرور فيزيكي قرار داده شده‌اند كه باعث مي‌شود بازده مجازي‌سازي به حداكثر ميزان خود برسد. در چنين زيرساخت مقياس پذيري، بدون فراهم كردن راهكارهائي جهت مديريت بارهاي ترافيكي و پخش آن ها بين ساير گره‌ها، مي‌تواند سبب ايجاد گلوگاه و ازدحام شود. درنتيجه نياز به راهكارهايي جهت متوازن نمودن بار و پخش آن در بين ساير گره هاي پردازشي است. در اين مقاله يك راهكار پيشرفته مبتني بر الگوريتم ژنتيك بهينه يافته به منظور زمان‌بندي و ايجاد توازن بار در زيرساخت ابري ارائه مي شود، بر همين اساس پارامترهاي بررسي منبع به الگوريتم اضافه شده است تا قبل از زمان‌بندي، وضعيت منابع نيز موردبررسي قرار گيرد. درواقع تكنيك پيشنهادي از طريق تخصيص بهينه وظايف به سرورهاي پردازشي، از افزايش بيش از حد يا كم باري در سرورها جلوگيري بعمل مي‌آورد. همچنين سرورهائي كه داراي بار زياد هستند و بعبارتي دچار ازدحام شده‌اند، با استفاده از مهاجرت ماشين مجازي، وظايف آن ها به يك سرور ديگر انتقال داده مي‌شوند تا از اين طريق زمينه سازي افزايش توازن بار در زيرساخت ابري فراهم شود. در پايان راهكار پيشنهادي از طريق شبيه‌ساز كلودسيم و با آزمايش بر روي حجم كار بيش از هزار ماشين مجازي بر روي داده ها PlantLab مورد ارزيابي قرار داده شده است. نتايج حاصل از شبيه سازي نشان مي دهد كه راهكار پيشنهادي توانسته است كه معيار نقض توافق نامه سطح سرويس را در مقايسه با روش هاي AMUT  و EQVS به طور ميانگين به ميزان 46 درصد، معيار مصرف انرژي را به  طور ميانگين به ميزان 18 درصد و معيار تعداد مهاجرت هاي ماشين مجازي را  به  طور ميانگين به ميزان 24 درصد بهبود دهد.