الگوریتم ترکیبی مبتنی بر معماری گوسیپ با استفاده از SVM برای زمانبندی وظایف در رایانش ابری

رزاق زاده, شیوا; نوروزی کیوی, پریسا; پناهی, بابک

doi:10.22052/scj.2021.242822.0

الگوریتم ترکیبی مبتنی بر معماری گوسیپ با استفاده از SVM برای زمانبندی وظایف در رایانش ابری

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اردبیل، اردبیل، ایران.

² باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی واحد اردبیل، اردبیل، ایران.

10.22052/scj.2021.242822.0

چکیده

در حال حاضر رایانش ابری با توجه به کاربردهای وسیع و فراگیر از اهمیت زیادی برخوردار است. گستردگی و انعطاف‌پذیری قابل توجه رایانش ابری در کنار سایر محاسن، باعث شده است تا زمینه ایجاد چالش‌های جدید از جمله قابلیت اطمینان فراهم گردد. این نوع از چالش‌ها بدلیل وجود کاربران زیاد، در میان پژوهشگران این حیطه از اهمیت بیشتری برخوردار است. برای حل این مسئله در سال‌های اخیر محققان زیادی به ارائه انواع الگوریتم‌های تحمل‌پذیری خطا در رایانش ابری پرداخته‌اند؛ اما علیرغم تلاش‌های فراوان، متاسفانه مشکلات موجود در این زمینه بصورت کامل برطرف نشده است. هدف این مقاله ارائه یک الگوریتم ترکیبی کارآمد و جدید با بهره‌گیری از خواص ماشین بردار پشتیبان و پروتکل گوسیپ است؛ باید توجه داشت که الگوریتم ماشین بردار پشتیبان برای تجزیه و تحلیل داده‌های ماشین‌های مجازی و دسته‌بندی آنها براساس الگوهای رفتاری عمل می‌کند. همچنین، پروتکل گوسیپ برای جمع‌آوری داده‌ها و نظارت بر هر دسته استفاده شده است. در این مدل پیشنهادی سه فاکتور زمان پردازش، میزان بار و قابلیت اطمینان به منظور دستیابی به کیفیت سرویس بهتر مورد ارزیابی قرار می‌گیرد. نتایج شبیه‌سازی انجام گرفته در کلودسیم نشان می‌دهد که روش پیشنهادی می‌تواند متوسط سرعت پردازش را به میزان 0.65 افزایش و به تناسب آن متوسط طول زمانبندی را 7.22 ثانیه کاهش دهد.

کلیدواژه‌ها

20.1001.1.23223707.1399.9.2.6.1

عنوان مقاله [English]

A hybrid algorithm based on Gossip architecture using SVM for task scheduling in cloud computing

نویسندگان [English]

Shiva Razzaghzadeh ¹
Parisa Norouzi Kivi ²
Babak Panahi ¹

¹ Department of Computer Engineering, Islamic Azad University, Ardabil Branch, Ardabil, Iran.

² Young and Elite Researchers Club, Islamic Azad University, Ardabil Branch, Ardabil, Iran.

چکیده [English]

Nowadays, Cloud computing is very important due to its widespread use. The considerable extensiveness and flexibility of cloud computing as well as other advantages led to new challenges such as reliability. Such challenges have more importance among researchers because of existing high number of cloud users. To solve the challenge of reliability, a variety of fault tolerance algorithms were provided in recent years to deal with and fix faults in cloud computing. Despite many efforts, there still exist some problems. This paper aims to present an efficient and new hybrid algorithm where SVM features, and Gossip protocol are used. SVM is used to analyze and categorize virtual machine data based on behavioral patterns. Moreover, Gossip is used to gather data monitoring categories. In the proposed model, processing time, load amount, and reliability are evaluated for better service quality. The simulation results through the CloudSim tools show that proposed method is able to increase the processing speed around 0.65 and decrease makespan to 7.22 seconds.

کلیدواژه‌ها [English]

Cloud computing
Support vector machine
Gossip
Reliability
Process time

مراجع

[1] Buyya R., Yeo C. S., Venugopal S., Broberg J., and Brandic I., “Cloud computing and emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th utility,” Future Generation Computer Systems 25(6): 599-616, 2009.
[2] Chawla Y. and Bhonsle M., “A Study on Scheduling Methods in Cloud Computing,” International Journal of Emerging Trends & Technology in Computer Science (IJETTCS), pp. 12-17, 2012.
[3] Awada A. I., El-Hefnawya N. A., Abdel_kader H. M., “Enhanced Particle Swarm Optimization For Task Scheduling In Cloud Computing Environments,” Procedia Computer Science, 65: 920-929, 2015.
[4] Suma V. and Chintureena T., “Improving Reliability in Cloud Computing Systems,” Advanced Computing and Communication Techniques for High Performance Applications (ICACCTHPA), pp. 10-13, 2014.
[5] Tang X., Li K., Qiu M., and Sha E. H.-M., “A hierarchical reliability-driven scheduling algorithm in grid systems,” J. Parallel Distrib. Comput., 72(4): 525-535, 2012.
[6] اسداللهی ا.، اصغری س.ا.، «پیش‌بینی تعداد مناسب ماشین‌های مجازی بر اساس سری زمانی و روش‌های هوشمند مبتنی بر خوشه‌بندی ماشین‌های مجازی»، مجله محاسبات نرم، جلد 6، شماره 1، ص 66-77، 1396.
[7] قبائی‌ارانی م.، مهدی‌بابایی ف.، «رویکرد تخصیص منبع کارا برای پردازش داده‌های حوزه سلامت در محیط رایانش ابری»، مجله محاسبات نرم، جلد 8، شماره 2، ص 80-101، 1398.
[8] خراسانی فردوانی م.، رمضان پور م.، خورسند ر.، «ارائه یک الگوریتم مسیریابی چند مسیره انرژی کارا در سیستم‌های اینترنت اشیاء»، مجله محاسبات نرم، جلد 7، شماره 1، ص 34-49، 1397.
[9] Kumar P. and Vibha K., “Gossip Protocols Applicability in Grid & Cloud Computing,” IJSRD - International Journal for Scientific Research & Development, 2(2): 884-886, 2014.
[10] Chatterjee M., Mitra A., Setua S. K., and Roy S., “Gossip-based fault-tolerant load balancing algorithm with low communication overhead,” Computers and Electrical Engineering, 81: 106517, 2019.
[11] Junaid M., Sohail A., Ahmed A., Baz A., Khan I. A., and Alhakami H., “A Hybrid Model for Load Balancing in Cloud Using File Type Formatting,” IEEE ACCESS, 8:118135-118155, 2020.
[12] Babu L. D. D. and Krishna P. V., “Honey bee behavior inspired load balancing of tasks in cloud computing environments,” Applied Soft Computing, 13(5):2292-2303, 2013.
[13] Baumann H., Fraigniaud P., Harutyunyan H. A., and de Verclos R. J., “The worst case behavior of randomized gossip protocols,” Theoretical Computer Science, 560: 108-120, 2014.
[14] S. R. Gunn, “Support Vector Machines for Classification and Regression,” University of Southampton Institutional Repository, U.K., 1998.