Abstract
Resource scheduling management design on Cloud computing is an important problem. Scheduling model, cost, quality of service, time, and conditions of the request for access to services are factors to be focused. A good task scheduler should adapt its scheduling strategy to the changing environment and load balancing Cloud task scheduling policy. Therefore, in this paper, Artificial Bee Colony (ABC) is applied to optimize the scheduling of Virtual Machine (VM) on Cloud computing. The main contribution of work is to analyze the difference of VM load balancing algorithm and to reduce the makespan of data processing time. The scheduling strategy was simulated using CloudSim tools. Experimental results indicated that the combination of the proposed ABC algorithm, scheduling based on the size of tasks, and the Longest Job First (LJF) scheduling algorithm performed a good performance scheduling strategy in changing environment and balancing work load which can reduce the makespan of data processing time
چکیده
طرح مدیریت برنامه ریزی منابع در محاسبات ابری مسئله مهمی است. مدل برنامه ریزی، هزینه، کیفیت خدمات، زمان و شرایط درخواست برای دسترسی به خدمات، عواملی هستند که بر آنها متمرکز می شود. یک برنامه ریز مناسب کار باید استراتژی برنامه ریزی خود را به تغییر محیط و سیاست برنامه ریزی کار ابری متعادل کننده ی بار وفق دهد. بنابراین در این مقاله، کلنی مصنوعی زنبور عسل (ABC) برای بهینه سازی برنامه ریزی ماشین مجازی (VM) در محاسبات ابری به کار می رود. نقش اصلی کار، آنالیز تفاوت الگوریتم تعادل بار VM و کاهش زمان اتمام پردازش داده ها می باشد. استراتژی برنامه ریزی با استفاده از ابزار CloudSim شبیه سازی شده بود. نتایج تجربی نشان می دهند که ترکیب الگوریتم پیشنهادی ABC، برنامه ریزی بر اساس اندازه کار، و الگوریتم برنامه ریزی طولانی ترین کار نخست (LJF)، استراتژی برنامه ریزی عملکرد مناسبی را در تغییر محیط و تعدیل بار کار انجام داد که می تواند زمان اتمام
1-مقدمه
اخیراً ارتباط اینترنتی به یکی از مهمترین عوامل در فعالیتهای روزانه زندگی تبدیل شده است. در نتیحه، اینترنت مرکز به اشتراک گذاری داده ها می باشد. با توجه به مقدار زیاد افزایش کاربران، داده اغلب تغییر یا اصلاح می شود. این باعث برنامه ریزی کارهای سنگین برای کامپیوترها می شود در حالی که سرویس های کمی را می توان برای خدمت به کاربران بیشمار پردازش کرد. با این حال، این مسئله را می توان با استفاده از فناوری جدید محاسبات ابری حل کرد که بر شبکه سازی و محاسبه، ذخیره سازی، و منابع خدمات داده ها متمرکز می باشد...