بررسي و معرفي الگوريتم‌هاي موجود براي حفظ توازن بار در رايانش ابري

Survey And introducing existing algorithms for load balancing in cloud computing

امروزه تقاضا براي ذخيره‌سازي داده‌ها، محاسبات و انجام عمليات‌هاي بلا‌درنگ همواره در حال افزايش است و سيستم‌ها قادر به پردازش و نگه‌داري حجم عظيمي از داده‌ها با روش‌هاي پيشين نيستند. رايانش ابري، به كاربران زيادي قابليت دسترسي به ساختارهاي سخت‌افزاري و نرم‌افزاري توزيع شده، مقياس‌پذير و مجازي دربستر اينترنت را مي‌دهد .يكي از مهم‌ترين چالش‌ها در رايانش‌ابري، مديريت منابع و زمانبندي جهت رسيدن به توازن بار است. توازن بار روشي براي توزيع حجم محاسبات بر روي چندين كامپيوتر يا ديگر منابع موجود بر روي شبكه است كه براي دستيابي به استفاده بهينه از منابع، حداكثر كردن مقدار فعاليت‌ها، كاهش زمان پاسخ و جلوگيري از ايجاد سربار، مورد استفاده قرار مي‌گيرد. در اين مقاله الگوريتم‌هاي مختلفي بر براي حفظ توازن بار گره‌ها در محيط رايانش ابري مورد بحث و مقايسه قرار گرفته است. تمركز اصلي اين مقاله برروي توازن بار گره در ابر با استفاده از الگوريتم بهينه‌سازي كلوني مورچه، بررسي ويژگي‌ها و مزايا و معايب آن است. در اين الگوريتم‌ها تكرار و تكثير كامل داده بر روي چندين سايت به معني تضعيف منابع ذخيره‌سازي است. تجزيه و تحليل عملكرد سياست‌هاي توازن بار و نحوه عملكرد الگوريتم‌هاي توازن بار در محيط رايانش ابري به پژوهشگران كمك خواهد كرد كه از اجزا و معيارهاي الگوريتم‌هاي توازن بار شناختي بهتر كسب كنند تا ساده‌تر بتوانند الگوريتم‌ها و سياست‌هاي توازن بار در محيط رايانش ابري را توسعه و بهبود دهند.

Today, demand for data storage, computing, and real-time operations is ever-increasing, and systems are not able to process and store a huge amount of data in the past. Cloud computing gives many users the ability to access distributed, scalable, and virtualized Internet hardware and software structures. One of the most important challenges in computing, resource management and scheduling is to achieve load balancing. Load balancing is a method for distributing the volume of computations on multiple computers or other resources on the network, which is used to achieve optimal use of resources, maximize the amount of activities, reduce response time and prevent overhead. In this paper, various algorithms have been discussed and compared to maintain node load balances in a cloud computing environment. The main focus of this paper is on the knot load balancing in the cloud using an ant colony optimization algorithm, examining its features and its advantages and disadvantages. In these algorithms, duplication of data across multiple sites means weakening storage resources. Performance analysis of load balancing policies and the manner in which load balancing algorithms in cloud computing environments will help researchers to better grasp the components and criteria of cognitive load balancing algorithms to facilitate the development and improvement of load balancing algorithms and policies in the cloud computing environment