ارائه رویکرد روش‌شناسی مبتنی بر قرارداد سرویس جهت نظارت بر کیفیت خدمت در سیستم‌های ابری

نوع مقاله: مقاله پژوهشی

نویسنده

گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد خدابنده، زنجان، ایران

چکیده

امروزه سطح عظیم اشتراک منابع رایانشی و پویائی بارهای کاری در محیط‌های ابری، ضرورت تدوین رویکردی جامع در جهت نظارت بر کیفیت خدمت را ایجاب می­‌نماید. درحال حاضر فقدان بکارگیری دیدگاهی جامع، متدولوژیک و چندمنظوره درجهت پیوند دیدگاه‌های قبلی، موجب ایجاد فضای آشوب در این حوزه تحقیقاتی و درک ناقص از مسئله گشته است. بنابراین در مقایسه با تحقیقات قبلی، هدف این پژوهش گام برداشتن درجهت جبران نواقص مذکور می­‌باشد و مهم­ترین دستاورد آن ارائه دیدگاه متدولوژیک نظارت بر کیفیت خدمت مبتنی بر قرارداد سطح سرویس در سیستم های ابری می باشد. دیدگاه پیشنهادی برخلاف راه‌­حل های موجود، مستقل از عملگرهای محیطی، اهداف کیفی را به­ صورت یکپارچه و خودکار نظارت می‌­نماید تا موثّر واقع گردد. نتایج  ارزیابی ها مبیّن سودمندی و برتری دیدگاه متدولوژیک پیشنهادی نسبت به دیدگاه‌های موجود و مدیریت چندمنظوره کیفیت خدمت در مراکز داده ابری می‌­باشد.

کلیدواژه‌ها


 
[1]    Ghahramani, M., Zhou, M., & Hon, C.T. (2017).  Toward cloud computing QOS architectrure: analysis of cloud systems and cloud services. IEEE/CAA J. Autom. Sin., 4(1), pp. 5-17.
[2]     Potluri, S., & Rao, K.S. (2017). Quality of service based task scheduling algorithms in cloud computing. Int. J. Electr. Comput. Eng. (IJECE), 7(2), pp. 1088-1095.
[3]    Freitas, A. L. P., &  Freitas Neto, M. M.  (2017). Assessing the service quality in Software-as-a-Service from the customer’s perspective: a methodological approach and case of use, J Production, vol. 27. http://dx.doi.org/10.1590/0103-6513.20170020
[4]    Iranpour, E., & Sharifian, S.  (2018). A distributed load balancing and admission control algorithm based on fuzzy type-2 and game theory for large scale SaaS architecture.   J Future Generation Computer Systems, Vol. 86, pp. 81-98. https://doi.org/10.1016/j.future.2018.03.045
[5]    Krebs, R., Loesch, M. & Kounev, S. (2014). Platform-as-a-Service Architecture for Performance Isolated Multi-Tenant Applications in Cloud Computing (CLOUD). IEEE 7th International Conference on, pp. 914-921.
[6]    Sampaio, A. M.  & Barbosa, J. G. (2016). Chapter Three- Energy-Efficient and SLA-Based Resource Management in Cloud Data Centers, J Advances in Computers, Vol. 100, pp. 103-159.https://doi.org/10.1016/bs.adcom.2015.11.002
[7]    Almeida, J., Almeida, V., Ardagna, D., Cunha, I., Francalanci, C. & Trubian, M. (2010). Joint admission control and resource allocation in virtualized servers. J Parallel and Distributed Computing, Vol. 70, pp. 344-362.
[8]    Gao, Y., Guan, H., Qi, Z., Song, T., Huan, F. & Liu, L. (2014). Service level agreement based energy-efficient resource management in cloud data centers. J Computers & Electrical Engineering, Vol. 40, pp. 1621-1633.
[9]    Patros, P., MacKay, S. A., Kent, K. B. & Dawson, M. (2016). Investigating resource interference and scaling on multi-tenant PaaS clouds. In Proceedings of the 26th Annual International Conference on Computer Science and Software Engineering, pp. 166-177.
[10]  Ramanathan, R. & Latha, B. (2018). Towards optimal resource provisioning for Hadoop-MapReduce jobs using scale-out strategy and its performance analysis in private cloud environment. J Cluster Comput, pp. 1–11.https://doi.org/10.1007/s10586-018-2234-8
[11]   Xen NUMA roadmap, 2015.[Online] Available: http://t.cn/RoiaLQP.
[12]   Ren, J., Qi, Y., Dai, Y., Xuan, Y. & Shi, Y. (2017). A lightweight nested-virtualization VMM for hosting high performance computing on cloud. J Systems and Software, Vol. 124, pp. 137-152.https://doi.org/10.1016/j.jss.2016.11.001
[13]  Suresh, S. & Sakthivel, S.(2017). A novel performance constrained power management framework for cloud computing using an adaptive node scaling approach. J Computers& Electrical Engineering, Vol. 60, pp. 30-44.
[14] García,   A., García, I., Blanquer Espert, I. & Hernández García, V. (2014). SLA-driven dynamic cloud resource management. J Future Gener. Comput. Syst, vol.31, pp.1-11.
[15] Calheiros,   R.N., Ranjan, R., Beloglazov, A., DeRose, C.A.& Buyya, R. (2011). CloudSim:a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms. J Softw Pract Exp, Vol. 41, pp. 23-50.
[16] Beloglazov, A., & Buyya, R. (2012). Optimal Online Deterministic Algorithms and Adaptive Heuristics for Energy and Performance Efficient Dynamic Consolidation of Virtual Machines in Cloud Data Centers. J Concurrency and Computation: Practice and Experience, Vol. 24, pp. 1397-1420.https://doi.org/10.1002/cpe.1867.
[17]  Madhu , B. R. ,  Manjunatha, A.S. , Chandra , P., & Murthy, C. (2016). A Comparative Study of Algorithms For Efficient Dynamic Consolidation of Virtual Machines In Cloud.  J Applied Engineering Research, Vol. 11, no. 6, pp .4597-4600.
[18]  Sundarraj, B. (2015). A Stochastic Model to Investigate Data Center Performance and QoS in IaaS Cloud Computing Systems. International Journal of Innovative Research in Computer and Communication Engineering, Vol. 3, no. 3.
[19] Farahnakian , F. (2015). Using ant colony system to consolidate VMs for green cloud computing, J IEEE Trans. Services Comput, Vol. 8, no. 2, pp. 187–198. https://doi.org/10.1109/TSC.2014.2382555
[20] Wang, Z., Tang, X., & Luo, X. (2011). Policy-Based SLA-Aware Cloud Service Provision Framework. In Proceedings of the Seventh International Conference on Semantics Knowledge and Grid, pp. 114-121.
[21]  Zhang, L., Zhuang, Y., & Zhu, W. (2013). A Balanced Scheduling Algorithm for Virtual Cloud Resources based on Dynamic Power-Aware, Mechatronic Sciences, Electric Engineering and Computer (MEC), Proceedings 2013 International Conference.  
[22]  Kanani, B. & Maniyar, B. (2015). Review on Max-min Task Scheduling Algorithm for Cloud Computing. J Emerging Technologies and Innovative Research, Vol. 2, pp. 781-784.
[23] Gaurav, G. et al. (2014). A simulation of priority based earliest deadline first scheduling for cloud computing system. Networks & Soft Computing (ICNSC), First International Conference on. IEEE.https://doi.org/10.1109/CNSC.2014.6906659
[24]  Rimal, B.P., & Maier, M. (2017). Workflow Scheduling in Multi-Tenant Cloud Computing Environments. IEEE Trans Parallel Distrib Syst , Vol. 28, no.1, pp.290-304.https://doi.org/10.1109/TPDS.2016.2556668