موازنه گر نامتمركز بار در محيط ابر با بهره گيري از سياست تصميم گيري چندشاخصه

Decentralized Load Balancer in Cloud Environment by using Multi Attribute Decision Making Policy

در محيط ابر، موازنه بار از طريق انتخاب ماشين مجازي مناسب از بين ماشين‌هاي مجازي موجود، جهت اجراي كار دريافت­شده، صورت مي‌گيرد. انتخاب ماشين مجازي مناسب براي انجام هر كار، تابع پارامترهاي مختلفي است. در ايـن مقالـه بـا در نظر گرفتن تك­تك پارامترها، مناسب­ترين ماشين مجازي را براي كار موردنظر انتخاب مي‌نمائيم. اين انتخاب به­صورت يك مسئله تصميم­گيري چندشاخصه تعريف مي­شود. ابتدا با در نظر گرفتن اهداف اساسي توازن بار، مسئله در قالب پارامترهاي مؤثر در كارايي مدل مي­شود؛ سپس مدل فوق با استفاده از روش تاكسونومي غيركلاسيك كه از پركاربردترين روش­هاي تصميم­گيري چندشاخصه است، حل مي‌­شود. در اين روش كه TLB ناميده شده است، مطلوبيت هر ماشين مجازي با توجه به وزن اختصاص داده­شده به معيارها و ميزان اهميت هر يك از معيارها براي كاربر كه بر اساس شاخص آنتروپي تعيين مي‌شود، محاسبه مي­گردد. درنهايت بهترين ماشين مجازي بر ­اساس ارزش اختصاص­يافته انتخاب مي‌شود. جهت بررسي كارايي روش پيشنهادي، شبيه­سازي‌هاي گسترده‌اي در محيط CloudSimانجام شده است كه نشان مي‌دهد روش پيشنهادي نسبت به روش­هاي FIFO، DLB، WRR و HBB-LB عملكرد بهتري دارد.

In the cloud environment، load balancing is done by choosing the appropriate VM (Virtual Machine) between existing VMs to execute the given task. Choosing the appropriate VM to do any task، is function of various parameters. In this paper، we choose the most appropriate VM to execute the task by considering each of criteria. Therefore، we consider this selection as a Multi Attribute Decision Making (MADM) problem. At first، we model the problem in terms of effective parameters in performance by considering the basic goals of the load balancing. Then، we solve the model by using the non-determenestic taxonomy method، which is one of the most widely used method for MADM problems. In this method which is called TLB، desirability of each VM is calculated according to the weights assigned to the criteria and the level of importance of each criterion for the user which is determined based on entropy method.Finally، the best VM is choosen based on its assigned value. To study the performance of the proposed approach، extensive simulations is carried out in CloudSim simulator which show that the proposed method has better performance compared to FIFO، DLB and WRR method.