آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,208 |
| تعداد مقالات | 8,740 |
| تعداد مشاهده مقاله | 7,270,512 |
| تعداد دریافت فایل اصل مقاله | 4,252,963 |
ارائه یک روش زمانبندی وظیفه تحمل‌پذیر خطا به منظور استفاده بهینه ازمنابع در محیط رایانش ابری | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 9، دوره 8، شماره 2 - شماره پیاپی 30، شهریور 1399، صفحه 95-103 اصل مقاله (1.05 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| محمد جواد احراری؛ محمد رضا حسنی آهنگر* ؛ آرش غفوری | ||
| دانشگاه جامع امام حسین(ع) | ||
| تاریخ دریافت: 14 مرداد 1398، تاریخ بازنگری: 15 مهر 1398، تاریخ پذیرش: 01 آبان 1398 | ||
| چکیده | ||
| در سال‌های اخیر رایانش ابری در حال تبدیل شدن به یک فناوری مهم در حوزه‌ی فناوری اطلاعات است. در محیط رایانش ابری احتمال بروز خطا وجود دارد. روش‌های متفاوتی برای مقابله با خطاها وجود دارد ولی با توجه به ویژگی‌ها و خصوصیت‌های محیط رایانش ابری، استفاده از روش‌های تحمل‌پذیری خطا بهترین انتخاب برای مقابله با خطا در این محیط است. یکی از بزرگ‌ترین مسئله‌ها در روش‌های تحمل‌پذیری خطا، استفاده بهینه از منابع است. استفاده بهینه از منابع هم برای فرآهم‌آورندگان سرویس‌‌های ابری و هم برای مشتریان سرویس‌‌های ابری دارای اهمیت زیادی است. متأسفانه استفاده بهینه از منابع در روش‌های تحمل‌پذیری خطا در رایانش ابری، خیلی مورد توجه پژوهشگران و فرآهم آورندگان سرویس‌‌های ابری قرار نگرفته است. در این مقاله سعی شده است با در نظرگرفتن وابستگی بین وظایف، یک روش تحمل‌پذیری خطا بر روی ماشین‌های مجازی ارائه شود که علاوه بر تحمل‌پذیر بودن در برابر خطا، به بهینگی در استفاده از منابع نیز دست یابد. در این روش با استفاده از یک زمانبند اولویت‌دار، به هر یک از وظایف یک اولویت اختصاص داده می‌شود. سپس وظایف به ترتیب اولویتشان جهت پردازش به ماشین‌های مجازی فرستاده می‌شوند. نتایج حاصل از شبیه‌سازی روش پیشنهادی توسط شبیه‌ساز کلاودسیم نشان می‌دهد که روش پیشنهادی نسبت به روش تکرار توانسته است بهینگی بیشتری در استفاده از منابع را به ارمغان بیاورد و با ضریب اطمینان 95 درصد، به 15/29% و 74/22% بهبود در استفاده از تعداد پردازنده و 76/30% و 22.34% بهبود در استفاده از حافظه و 71/29% و 88/22% بهبود در استفاده از پهنای باند دست یافته است. | ||
| کلیدواژه‌ها | ||
| رایانش ابری؛ تحمل‌پذیری خطا؛ ماشین مجازی؛ بهینگی منابع؛ زمانبندی وظایف | ||
| عنوان مقاله [English] | ||
| A Fault Tolerant Task Scheduling Method for Optimal use of Resources in Cloud Computing Environment | ||
| نویسندگان [English] | ||
| M. J. Ahrari؛ M. R. Hassani Ahangar؛ A. Ghafori | ||
| ihu | ||
| چکیده [English] | ||
| In recent years, cloud computing is becoming eminent in the field of information technology. In a cloud computing environment, there is a potential for faults. There are different methods for dealing with faults, but with regard to the features and characteristics of the cloud computing environment, the use of fault tolerance methods is the best choice for this environment.One of the biggest issues in fault tolerance methods is the efficient use of resources. The optimal use of resources is important for cloud providers and customers. Unfortunately, the optimal use of resources in fault tolerance methods has not been much considered by researchers and cloud service providers. In this paper taking into account the dependence between tasks, an attempt has been made to provide a fault tolerance method on virtual machines, which in addition to being tolerant of fault, achieves optimum use of resources. In this method, by using a priority scheduler, each task is assigned a priority, then tasks are sent by the order of priority to their virtual machines for processing. The results of simulation by the cloudsim simulator show that the proposed method has been able to improve the use of resources more than other methods and with 95% confidence intervals it has achieved (29.15% and 22.74%) improvement in the number of processors, (30.76% and 22.34%) improvement in memory usage and (29.71% and 22.88%) improvement in the use of bandwidth. | ||
| کلیدواژه‌ها [English] | ||
| Cloud Computing, Fault Tolerance, Virtual Machines, Optimization of Resources, Task Scheduling | ||
| مراجع | ||
|
[1] H. Kaur and A. Kaur, “A Survey on Fault Tolerance Techniques in Cloud Computing Envirenment,” International Journal of Scientific Engineering and Applied Science, vol. 1, 2015.##
[2] M. Cheraghlou, A. Khadem-Zadeh, and M. Haghparast, “A Survey of Fault Tolerance Architecture in Cloud Computing,” Journal of Network and Computer Applications, pp. 81-92, 2015.##
[3] S. Prathiba and S. Sowvarnica, “Survey of Failures and Fault Tolerance in Cloud,” 2nd International Conference on Computing and Communications Technologies (ICCCT), 2017.##
[4] K. Plankensteiner et al, “Fault-Tolerant Behavior in State of the Art Grid Workflow Management Systems,” CoreGRID Integration Workshop, Integrated Research in Grid Computing, 2008.##
[5] Y. Liu and W. Wei, “A Replication-Based Mechanism for Fault Tolerance in Mapreduce Framework,” Mathematical Problems in Engineering, pp 1-7, 2015.##
[6] S. Malik and F. Huet, “Adaptive Fault Tolerance in Real Time Cloud Computing,” IEEE World Congress on Services, 2011.##
[7] A. D. Meshram, A. Sambare, and S. Zade, “Fault Tolerance Model for Reliable Cloud Computing”, International Journal on Recent and Innovation Trends in Computing and Communication, vol. 1 pp. 600-603, 2013.##
[8] X. Zhu et al, “Fault-Tolerant Scheduling for Real-Time Scientific Workflows With Elastic Resource Provisioning in Virtualized Clouds,” in IEEE Transactions on Parallel and Distributed Systems, 2016.##
[9] X. Zhu, X. Qin, and M. Qiu, “QoS-aware Fault-Tolerant Scheduling for Real-Time Tasks on Heterogeneous Clusters,” in IEEE Transactions on Computers, 2011.##
[10] T. Altameem, “A Replication-Based and Fault Tolerant Allocation Algorithm for Cloud Computing,” International Journal of Computer Science Engineering and Technology, vol. 4, pp. 395-399, 2014.##
[11] R. Al-Omari, A. K. Somani, and G. Manimaran, “Efficient Overloading Techniques for Primary-Backup Scheduling in Real-Time Systems,” Journal of Parallel and Distributed Computing, vol. 64, pp. 629-648, 2004.##
[12] S. Ghosh, R. Melhem, and D. Mossé, “Fault-tolerance through scheduling of aperiodic tasks in hard real-time multiprocessor systems,” in IEEE Transactions on Parallel and Distributed Systems, 1997.##
| ||
|
آمار تعداد مشاهده مقاله: 634 تعداد دریافت فایل اصل مقاله: 387 |
||