МНОГОКРИТЕРИАЛЬНЫЙ ОПТИМИЗАЦИОННЫЙ МЕТОД ДЛЯ БАЛАНСИРОВКИ НАГРУЗКИ В ОБЛАЧНЫХ ТЕХНОЛОГИЯХ - Проблемы Информационных Технологий

МНОГОКРИТЕРИАЛЬНЫЙ ОПТИМИЗАЦИОННЫЙ МЕТОД ДЛЯ БАЛАНСИРОВКИ НАГРУЗКИ В ОБЛАЧНЫХ ТЕХНОЛОГИЯХ - Проблемы Информационных Технологий

МНОГОКРИТЕРИАЛЬНЫЙ ОПТИМИЗАЦИОННЫЙ МЕТОД ДЛЯ БАЛАНСИРОВКИ НАГРУЗКИ В ОБЛАЧНЫХ ТЕХНОЛОГИЯХ - Проблемы Информационных Технологий

МНОГОКРИТЕРИАЛЬНЫЙ ОПТИМИЗАЦИОННЫЙ МЕТОД ДЛЯ БАЛАНСИРОВКИ НАГРУЗКИ В ОБЛАЧНЫХ ТЕХНОЛОГИЯХ - Проблемы Информационных Технологий

МНОГОКРИТЕРИАЛЬНЫЙ ОПТИМИЗАЦИОННЫЙ МЕТОД ДЛЯ БАЛАНСИРОВКИ НАГРУЗКИ В ОБЛАЧНЫХ ТЕХНОЛОГИЯХ - Проблемы Информационных Технологий
МНОГОКРИТЕРИАЛЬНЫЙ ОПТИМИЗАЦИОННЫЙ МЕТОД ДЛЯ БАЛАНСИРОВКИ НАГРУЗКИ В ОБЛАЧНЫХ ТЕХНОЛОГИЯХ - Проблемы Информационных Технологий
НАЦИОНАЛЬНАЯ АКАДЕМИЯ НАУК АЗЕРБАЙДЖАНА

№2, 2017

МНОГОКРИТЕРИАЛЬНЫЙ ОПТИМИЗАЦИОННЫЙ МЕТОД ДЛЯ БАЛАНСИРОВКИ НАГРУЗКИ В ОБЛАЧНЫХ ТЕХНОЛОГИЯХ

Алгулиев Расим М. , Имамвердиев Ядигар.Н., Абдуллаева Фаргана Д.

Оптимизация процесса планирования задач в облачной среде является многокритериальной NP-сложной задачей. В статье для балансировки нагрузки был предложен весовой метод PSO–TBLB, основанный на алгоритме PSO. Метод обеспечивает оптимальную миграцию задач, создающих избыточную нагрузку на виртуальные машины инфраструктуры облачных технологий из загруженных виртуальных машин в менее загруженную виртуальную машину. В предложенном оптимизационном методе минимизация времени обработки задач и времени передачи заданий были выбраны в качестве целевых функций. Экспериментальная проверка предложенного подхода была проведена в программах Jswarm и Cloudsim. В результате симуляции на основе предложенного метода найдено оптимальное решение для планирования задач, было обеспечено равномерное распределение задач в виртуальные машины и было достигнуто потребление малого объема времени в процессе назначения задач в виртуальные машины (стр.3-15). 

Ключевые слова: облачные технологии, метод роя частиц, миграция виртуальных машин, планирование задач, Cloudsim, Jswarm, интенсивность данных, интенсивность вычислений.
DOI : 10.25045/jpit.v08.i2.01
Литература
  • Metri G., Srinivasaraghavan S., ShiW., Brockmeyer M. Experimental analysis of application specific energy efficiency of datacenters with heterogeneous servers / Proc. of the IEEE 5th International Conference on Cloud Computing, 2012, pp.786−793.
  • Vaquero L.M., Rodero-Merino L., Caceres J., Lindner M. A break in the clouds: towards a cloud definition // ACM SIGCOMM Computer Communication Review, 2008, vol.39, no.1, pp.50−55.
  • Ramezani F., Lu J., Hussain F.K. Task-based system load balancing in cloud computing using Particle Swarm Optimization // International Journal of Parallel Programming, 2013, vol.42, no.5, pp.739−754.
  • Guo L., Zhao S., Shen S., Jiang C. Task scheduling optimization in cloud computing based on heuristic algorithm //Journal of Networks, 2012. vol.7, no3, pp.547−553.
  • Alguliev R.M., Alyguliev R.M., Alekperov R.K. An approach to optimal task assignment in a distributed system // Journal of Automation and Information Sciences, 2004, vol.36, no.10, pp.51–55.
  • Танаев В.С., Гордон В.С., Шафранский Я.М. Теория расписаний. Одностадийные системы. М.:Наука. Главная редакция физико-математической литературы, 1984, c.384.
  • Wu Z., Liu X., Ni Z., Yuan D., Yang Y. A market-oriented hierarchical scheduling strategy in cloud workflow systems // The Journal of Supercomputing, 2013, vol.63, no.1, pp.256−293.
  • Ajit M., Vidya G. VM level load balancing in cloud environment / Proc. of the fourth International Conference on Computing, Communications and Networking Technologies (ICCCNT), 2013, pp.87−95.
  • Chawla Y., Bhonsle M. A study on scheduling methods in cloud computing // International Journal of Emerging Trends &Technology in Computer Science (IJETTCS), 2012, vol.1, no.3, pp.12−17.
  • Mohammad M., ValiKardan S., Shahi Z., Azar S.I. Towards workflow scheduling in cloud computing: A comprehensive analysis // Journal of Network and Computer Applications, 2016, vol.66, pp. 64−82.
  • Milani A.S., Navimipour N.J. Load balancing mechanisms and techniques in the cloud environments: Systematic literature review and future trends // Journal of Network and Computer Applications, 2016, vol.71, pp.86−98.
  • Ajit M., Vidya G. VM level load balancing in cloud environment / Fourth International Conference on Computing, Communications and Networking Technologies (ICCCNT), 2013, pp.1−5.
  • Madni S.H., Latiff M.S., Coulibaly Y., Abdulhamid S.M. Resource scheduling for Infrastructure as a Service (IaaS) in cloud computing: Challenges and opportunities // Journal of Network and Computer Applications, 2016, vol.68, pp.173−200.
  • Ramezani F., Lu J., Hussain F. Task scheduling optimization in cloud computing applying multi-objective particle swarm optimization // Service-Oriented Computing, 2013, vol.8274, pp.237−251.
  • Ramezani F., Lu J., Hussain F.K. Task-based system load balancing in cloud computing using particle swarm optimization // Knowledge Engineering and Management, 2013, pp.31−42.
  • Ramezani F. Evolutionary algorithm-based multi-objective task scheduling optimization model in cloud environments // World Wide Web, 2015, vol.18, no.6, pp.1737−1757.
  • Dhinesh B.D., Krishna P.V. Honey bee behavior inspired load balancing of tasks in cloud computing environments // Applied Soft Computing, 2013, vol.13, no.5, pp.2292−2303.
  • Babu K.R., Samuel P. Enhanced bee colony algorithm for efficient load balancing and scheduling in cloud // Innovations in Bio-inspired Computing and Applications, 2016, pp.67−78.
  • Banerjee S., Adhikari M., Kar S., Biswas U. Development and analysis of a new cloudlet allocation strategy for QoS improvement in cloud // Arabian Journal for Science and Engineering, 2015, vol.40, no.5, pp.1409−1425.
  • Liu Y., Zhang C., Li B., Niu J. DeMS: A hybrid scheme of task scheduling and load balancing in computing clusters // Journal of Network and Computer Applications, 2015, pp.1−8.
  • Cho K.M., Tsai P.W., Tsai C.W., Yang C.S. A hybrid meta-heuristic algorithm for VM scheduling with load balancing in cloud computing // Neural Computing and Applications, 2015, vol.26, no.6, pp.1297−1309.
  • Alguliev R.M., Aliguliyev R.M., Mehdiyev C.A. An optimization approach to automatic generic document summarization // Computational Intelligence,2013, vol.29, no.1, pp.129−155.
  • Aliguliyev R.M. Clustering techniques and discrete particle swarm optimization algorithm for multi-document summarization // Computational Intelligence, 2010, vol.26, no.4, pp.420−448.
  • Cakar T., Koker R. Solving Single Machine Total Weighted Tardiness Problem with Unequal Release Date Using Neurohybrid Particle Swarm Optimization Approach // Computational Intelligence and Neuroscience, 2015, vol.2015, pp.1−13.