مروري بر چند الگوريتم زمانبندي در محاسبات ابري

A review on some scheduling algorithm in cloud computing

محاسبات ابري به دليل تقاضاي روزافزون و ويژگي هاي جالبي همچون پرداخت هزينه هنگام استفاده از امكانات، ادغام منابع، قابليت ارتجاعي سريع، سرويس مبتني بر تقاضا و دسترسي وسيع به شبكه يكي از موضوعات پژوهشي اخير است. در محاسبات ابري زمانبندي كارها يك مسئله جالب است. زيرا در يك زمان واحد، كارهاي متعدّدي براي انجام دادن وجود دارد كه به منابع احتياج دارند در حالي كه منابع محدود هستند. از اين رو ما بايد به طور هوشمندانه اين كارها را زمانبندي كنيم به طوري كه عملكرد حداكثر گردد. براي حل اين مشكل روش هاي متعددي، با شروع از روش هاي رياضي به سمت روش هاي تكاملي وجود داشته است. از اين رو چندين سال است كه الگوريتمهاي تكاملي براي بهينه سازي زمانبندي كارها ارائه شده است. از آنجا كه مديريت يك استخر عظيم كه شامل تمام منابع موجود در يك سناريوي محاسبات ابري است دشوار مي باشد، بنابراين وجود تكنيك هاي زمانبندي مؤثّر براي مقابله با اين مشكل ضروري است. در اين مقاله ابتدا مروري كلي شده است بر چند مقاله كه در آنها الگوريتم هاي قطره آب هوشمند، كلوني زنبور عسل باينري، بهينه سازي كلوني مورچه و بهينه سازي ازدحام ذرّات شرح داده شده اند. سپس سه الگوريتم كه از طبيعت الهام گرفته اند و به تازگي توسعه داده شده اند و از تكنيك هاي فرا اكتشافي استفاده مي‌كنند به نامهاي كرم شب تاب، جستجوي فاخته و الگوريتم خفاش براي برخورد با مشكل زمان بندي آورده شده اند و با يكديگر مقايسه شده اند.

Cloud computing is one of the current research topics because of its increasing demand and fancy features like pay as you go facility, resource pooling, rapid elasticity, on demand services and broad network access. Cloud Computing presents an interesting problem of job scheduling. Because there are multiple jobs available at a time while resources are limited. Hence we have to intelligently schedule these jobs such that performance is maximized. There have been several approaches to this problem, starting from mathematical approaches to evolutionary approaches. Hence in these years several evolutionary algorithms have been proposed for optimized job scheduling. . Since managing a large pool of resources involved in a cloud computing scenario is difficult as well as a necessary job, effective scheduling techniques must be there to tackle with the problem. This paper first reviews some papers in which many algorithms are described such as binary artificial bee colony, intelligent drop water ,ant colony optimization and Particle swarm optimization , then reviews three recently developed nature inspired metaheuristic techniques namely firefly algorithm, cuckoo search and bat algorithm for dealing with scheduling problem, and finally compares advantages of them.