تحسين إدارة موارد السحابة اعتماداً على نظام ذكي
DOI:
https://doi.org/10.21123/bsj.2023.8507الكلمات المفتاحية:
الحوسبة السحابية، الخوارزمية الجينية، إدارة الموارد، خوارزمية Round robin، الجدولةالملخص
تعد الحوسبة السحابية نموذجًا تقنيًا مهمًا يتمتع بأقوى إمكانات لتغيير الطريقة التي يتم بها تنفيذ أنشطة تكنولوجيا المعلومات. توفر السحابة موارد تكنولوجيا معلومات منخفضة التكلفة وقابلة للتطوير، و يسعى مقدمو الخدمات السحابية إلى تحسين نتائج الأعمال بحيث تصبح الأنظمة السحابية أكثر تعقيدًا. تحتوي السحابة الذكية على عدد من المشكلات ، بما في ذلك تحسين تصميم الخدمة السحابية وتوزيع الموارد بشكل تكيفي واقتصادي. هناك اتجاه متزايد نحو اعتماد التقنيات الذكية لتحسين إدارة السحابة على وجه الخصوص. يقدم هذا البحث طريقة ذكية لإدارة الموارد السحابية دون تأخير أو مشاكل. بدءًا من تصميم نظام يعتمد على الخوارزمية الجينية (GA) كأدوات حسابية لتحقيق الهدف وتوضيح طلب تنبؤي ثم اعتمادًا على خوارزمية round robin (RR) لتخصيص طلبات المعالجة. لتقييم أداء الطريقة، تم التحقق من الخوارزمية المقترحة في 145 طلب. حيث حقق نظام التنفيذ نتيجة معقولة.
Received 02/02/2023,
Revised 10/07/2023,
Accepted 12/07/2023,
Published Online First 20/11/2023
المراجع
Fazlina MA, Latip R, Abdullah A, Ibrahim H, Alrshah MA. Crucial File Selection Strategy (CFSS) for Enhanced Download Response Time in Cloud Replication Environments. Baghdad Sci J. 2021 Dec 20; 18(4 Suppl.): 1356-1364. https://dx.doi.org/10.21123/bsj.2021.18.4 .
Yiqiu F, Xia X, Junwei G. Cloud computing task scheduling algorithm based on improved genetic algorithm. ITNEC. 2019 Mar 15 (pp. 852-856). https://dx.doi.org/10.1109/ITNEC.2019.8728996.
Abed MM, Younis MF. Developing load balancing for IoT-cloud computing based on advanced firefly and weighted round robin algorithms. Baghdad Sc. J. 2019 Mar; 16(1): 130-9. https://dx.doi.org/10.21123/bsj.2019.16.1.0130.
Salman SA, Dheyab SA, Salih QM, Hammood WA. Parallel Machine Learning Algorithms. MJBD. 2023 Jan 22: 13-17. https://dx.doi.org/10.58496/MJBD/2023/002.
Zhang Y, Yao J, Guan H. Intelligent cloud resource management with deep reinforcement learning. IEEE Cloud Comput. 2017 Nov; 4(6): 60-9. https://dx.doi.org/10.1109/MCC.2018.1081063.
Sharma C, Sharma S, Kautish S, Alsallami SA, Khalil EM, Mohamed AW. A new median-average round Robin scheduling algorithm: An optimal approach for reducing turnaround and waiting time. Alex Eng J. 2022 Dec 1; 61(12): 10527-38. https://dx.doi.org/10.1016/j.aej.2022.04.006.
Hasan RA, Sutikno T, Ismail MA. A Review on Big Data Sentiment Analysis Techniques. MJBD. 2021 Jan 15: 6-13. https://dx.doi.org/10.58496/MJBD/2021/002.
Shafiq DA, Jhanjhi NZ, Abdullah A. Load balancing techniques in cloud computing environment: A review. J King Saud Univ Comput Inf Sci. 2022 Jul 1; 34(7): 3910-33. https://dx.doi.org/10.1016/j.jksuci.2021.02.007.
Al-Arasi R, Saif A. Task scheduling in cloud computing based on metaheuristic techniques: A review paper. ToCS. 2020 Jan 30; 6(17): 1-19. https://dx.doi.org/10.4108/eai.13-7-2018.162829.
Kaur J., Bahl K. Job Scheduling in Cloud Computing Using Genetic Algorithm. IJISET. 2018 Apr; 5(4): 255-259. https://ijiset.com/articlesv5/articlesv5s4.html.
Varma SS. Task Scheduling for Cloud Computing Using Improved Genetic Algorithm. IJIRSET. June 2022; 11(6): 7859- 7868 https://dx.doi.org/10.15680/IJIRSET.2022.1106142.
Tseng FH, Wang X, Chou LD, Chao HC, Leung VC. Dynamic resource prediction and allocation for cloud data center using the multiobjective genetic algorithm. ISJ. 2017 Jul 21; 12(2): 1688-99. https://dx.doi.org/10.1109/JSYST.2017.2722476.
Kousalya A, Radhakrishnan R. Hybrid algorithm based on genetic algorithm and PSO for task scheduling in cloud computing environment. IJNVO. 2017; 17(2-3): 149-57. https://dx.doi.org/10.1504/IJNVO.2017.085524.
Shishido HY, Estrella JC, Toledo CF, Arantes MS. Genetic-based algorithms applied to a workflow scheduling algorithm with security and deadline constraints in clouds. Comput Electr Eng. 2018 Jul 1; 69: 378-94. https://dx.doi.org/10.1016/j.compeleceng.2017.12.004.
Gawali MB, Shinde SK. Task scheduling and resource allocation in cloud computing using a heuristic approach. J Cloud Comput. 2018 Dec; 7(1): 1-6. https://dx.doi.org/10.1186/s13677-018-0105-8.
Aziza H, Krichen S. A hybrid genetic algorithm for scientific workflow scheduling in cloud environment. Neural Comput Appl. 2020 Sep; 32(18): 15263-78. https://dx.doi.org/10.1007/s00521-020-04878-8.
Praveenchandar J, Tamilarasi A. Dynamic resource allocation with optimized task scheduling and improved power management in cloud computing. JAIHC. 2021 Mar; 12(3): 4147-59. https://dx.doi.org/10.1007/s12652-020-01794-6.
Singh AK, Swain SR, Saxena D, Lee CN. A bio-inspired virtual machine placement toward sustainable cloud resource management. ISJ. 2023 Mar 13: 1-12. https://dx.doi.org/10.1109/JSYST.2023.3248118.
التنزيلات
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2023 مجلة بغداد للعلوم
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
