مقياس بندي خودكار منبع ابري: رويكردهاي نوين در گزينش VM مازاد

ارائه دهندگان سرويس كاربرد (ASP) با هدف كاهش هزينه هاي مالي به اجاره ماشين مجازي (VM) ارائه شده در محيط ابري روي مي آورند. مهمترين مشخصه رايانش ابري كه مي تواند به ASP در كاهش هزينه كمك كند، خاصيت مقياس پذيري منابع ابري است. از اين رو ASP با تدارك مكانيزمي جهت مقياس بندي خودكار منابع اجاره شده، سعي مي كند از تامين بيش از نياز و تامين كمتر از نياز جلوگيري كند. محققان به ارائه مكانيزم ها و بررسي پارامترهاي موثر در تصميم گيري اين مكانيزم مي پردازند. اما به جز نحوه دستيابي به يك تصميم مقياس بندي، چگونگي اجرا كردن تصميم از اهميت بالايي برخوردار است. از ديد نويسندگان اين مقاله، اينكه در هنگام اجراي تصميم مقياس بندي پايين كدام ماشين اجاره شده براي آزادسازي انتخاب شود يك چالش اساسي است كه مي تواند در عملكرد مكانيزم تاثيرگذار باشد. در اين مقاله با شبيه سازي چرخه كامل مديريت خودكار منابع در شبيه ساز كلادسيم ، رويكردهاي نويني براي گزينش VM مازاد ارائه مي شوند. تفاوت چشمگير در نتايج و عملكرد مكانيزم مقياس بندي در اثر اعمال هر كدام از رويكردهاي پيشنهادي، بر اثربخشي و اهميت سياست گذاري در گزينش VM مازاد دلالت مي كنند. همچنين نتايج نشان داد كه رويكردهاي آگاه به بار مي توانند به بهبود كيفيت سرويس (18 %) از لحاظ كمي و كيفي و رويكرد آگاه به هزينه به كاهش هزينه (20 %) كمك كنند.