مدیریت اضطراری ابری

(سیارک) ما در سالهای اخیر شاهد تلاش هایی برای گسترش و پیشرفته تر کردن اینترنت اشیاء بوده ایم. اخیرا دستگاه های جاسازی شده بیشتری به اینترنت اشیاء پیوسته اند تا انواع اشیاء را شامل امکانات و تسهیلات ترافیک، ساختمان ها، دریاچه ها و غیره کنترل کنند که این امر حجم اطلاعات را بسیار عظیم می کند. به عبارت دیگر ما در محیطی زندگی می کنیم که داده ها از منابع مختلفی مانند سنسورها، دستگاه های موبایل و RFIDها ایجاد می شوند. اگر واضحتر بگوییم، سنسورها در مکان های جغرافیایی مختلفی توزیع شده اند و قبل از اینکه داده های متراکم فراوان، فوق العاده عظیم شوند، مرتبا داده ها را از اشیاء مختلف جمع آوری می کنند. علاوه بر این اطلاعات جمع آوری شده از دستگاه های موبایل متعدد برای ردگیری چندمنظوره می توانند از هزاران ترابایت هم فراتر بروند و مرتبا ایجاد شوند. چنین داده های عظیمی مجموعه ای از داده ها را ارائه می کنند که نمی توانند با روش ها و زیرساخت های سنتی تجزیه و تحلیل شوند و چالش عظیمی را در مدیریت اضطراری مطرح می کنند. شرایط اضطراری اخیر در جهان این نقطه نظر را نشان می دهد که انتظار می رود فرکانس وقوع فجایع طبیعی در اینده افزایش پیدا کند. اثرات فجایع طبیعی بسیار جدی هستند و ممکن است بازسازی تخریب ایجاد شده زمان زیادی طول بکشد. تحلیل و پردازش بی وقفه برای داده های عظیم یکی از کلیدهای بهبود مدیریت اضطراری ابری می باشد. پیدایش محاسبات ابری عملیات هایی را میسر ساخته اند تا با سرمایه جذاری و استفاده از منابع محاسباتی زیاد مورد نیاز و با هزینه استفاده کم، در مدیریت اضطراری به چنین داده های عظیمی در زمان بپردازند، که به آن مدیریت اضطراری ابری نیز می گویند. با مدیریت اضطراری ابری هرکسی قادر است که داده ها و اطلاعات را در اینترنت با دیگران به اشتراک بگذارد. آنچه که اهمیت بیشتری دارد این موضوع است که حتی اگر مرکز داده ها توسط یک فاجعه طبیعی تحت تاثیر قرار بگیرد داده ها محفوظ هستند چون به محض پیش بینی فاجعه تدابیری برای عملیات احتمالی انتقال داده ها به مراکز دیگر وجود دارد. علاوه بر این، سنسورهای عظیم داده ها که از سنسورهای مختلف جمع آوری شده اند می توانند پردازش شوند و با مدیریت اضطراری ابری، به خصوص هنگام مواجه با فاجعه های ناگهانی به صورت بی وقفه پاسخ داده شوند. بنابراین، مدیریت اضطراری ابری در سال اخیر کانون توجه تحقیقات زیادی قرار گرفته است. هنگامیکه یک اپلیکیشن ابری در در مدیریت اضطراری ابری جایگزین می شود کاربر آن اپلیکیشن به انتخاب تعدادی گره ابری شامل سرورها و دستگاه های مجازی برای به کار انداختن آن نیاز دارد. چگونگی ترتیب قرارگیری و گسترش بهینه اپلیکیشن های مدیریت اضطراری ابری یک مسئله چالش برانگیز و ضروری است.
این مقاله برای بهینه سازی تحلیل و پردازش موازی داده ها در محیط ابری راجع به

(الف): انتخاب گره، یعنی اینکه چه تعداد گره و کدام گره های رایانشی باید مورد استفاده قرار گیرند.

(ب) قسمت بندی داده ها و اتمام همزمان، یعنی اینکه چگونه داده های عظیم را در محیط های رایانشی موازی شده قسمت کنیم تا از همزمانی مطمئن شویم، که در اینجا همزمانی به تکمیل شدن همه ی قسمت های کاربار در یک زمان، حتی وقتی که منابع و شبکه های متصل به هم، متنوع (ناهمسان) باشند و در ابرهای جداگانه ی اینترنتی گوناگون اشاره دارد.

(ج)، و زمان بندی چند گره ای، یعنی اینکه جگونه باید از زمان بندی چند گره ای برای کاهش تاخیر ناشی از انتظار برای تسک های متعدد استفاده کرد.
ما برای بررسی این مسئله یک الگوریتم زمانبندی چند گره ای جدید را برای پردازش و تحلیل داده های عظیم طبق تحلیل خوشه ای و قسمت بندی داده ها در مدیریت اضطراری ابری گسترش داده ایم. بسیاری از روش های کنونی معمولا گره های ابری در دسترس را بر اساس مقادیر QoS (کیفیت خدمات) آنها ارزیابی میکنند (رتبه بندی میکنند) و بهترین ابرهای کارآمد را انتخاب می کنند. یکی از نقاط ضعف های روشهای ارزیابی (رتبه بندی) این است که این روش ها نمی توانند روابط میان گره های ابری مختلف را منعکس کنند. بنابراین، روش ما نه تنها ارزیابی و رتبه بندی QoS ابرها را در نظر می گیرد، بلکه پیوند و ارتباط بی آنها را هم در نظر میگیرد. علاوه بر این از نظریه ی تعادل بار برای فرستادن (گسیل) تحلیل داده های عظیم به گره های رایانشی استفاده شده، به گونه ای که اتمام همگام شده را با بهترین عملکرد و اثرگذاری میسر سازد. همچنین، استراتژی زمانبندی جاری برای رایانش ابری فرض می کند که تنها یک گره مسئول زمانبندی می باشد که تاخیر ناشی از انتظار برای زمانبندی را افزایش می دهد. برای پردازش بی وقفه تسک های متعدد، گره های چندگانه برای شرکت داشتن در پردازش زمانبندی تسک لازم هستند. این مقاله به زمانبندی تسک چندگره ای به عنوان یک بازی بدون همیاری می پردازد و یک مدل زمانبندی تسک را بر اساس بازی متعادل با اطلاعات کامل ایجاد می کند.در نهایت، توسط هم سنگی (هم ایستایی) Nash استراتژی های زمانبندی بهینه را برای هر گره می یابیم و میانگین زمان اتمام را برای هر گره زمانبندی به حداقل می رسانیم. در آخر، آزمایش هایی را برای ارزیابی عملکرد الگوریتم ارائه شده طراحی می کنیم. نتایج تجربی (آزمونی) نشان می دهند که روش ما برای تحلیل بی وقفه داده های عظیم در مدیریت اضطراری ابری بهتر از سایر روش های موجود عمل می کند.این مقاله ادامه دارد......... ترجمه  itrans.ir