Unapreðenje rasporeðivanja poslova i balansiranja opterecenja u klaud okruženju primenom metaheuristika inteligencije rojeva
Improvements of task scheduling and load balancing in cloud environment by swarm intelligence metaheuristics
Metapodaci
Prikaz svih podataka o disertacijiSažetak
Klaud racunarstvo pripada grupi novijih racunarskih paradigmi, koja se
poput paradigme mrežnog racunarstva, bazira na grupisanju resursa i na korišcenju
mrežnih i Internet tehnologija. U opštem smislu, klaud racunarstvo se odnosi na
novi nacin isporuke racunarskih resursa u vidu usluge, gde se pod resursima podrazumeva
gotovo sve, od podataka i softvera, do hardverskih komponenti, kao što su
procesirajuci elementi, memorija i skladišta.
Klaud racunarstvo je aktuelna i važna multidisciplinarna oblast, o cemu svedoci
veliki broj objavljenih radova u vrhunskim me unarodnim casopisima i prikazanih
na najznacajnijim svetskim skupovima. Na osnovu naucnih rezultata prikupljenih
u objavljenim radovima iz ovog domena, može da se zakljuci da u klaud okruženju
postoji veliki broj izazova i problema, za cije rešavanje mogu da se prona u bolje
metode, tehnike i algoritmi. Jedan od najvažnijih izazova savremenog klaud okruženja
je raspore ivanje zahteva krajnjih korisnika za izvršavanje ...na ogranicenom skupu
raspoloživih resursa (virtuelnih mašina). Problem raspore ivanja na klaudu odnosi
se na definisanje rasporeda izvršavanja zadataka na ogranicenom skupu raspoloživih
resursa uzimajuci pritom u obzir potencijalna ogranicenja i funkciju cilja koju je
potrebno optimizovati.
Raspore ivanje poslova vrše algoritmi raspore ivanja, koji mogu da se podele
na staticke i dinamicke. U slucaju statickog raspore ivanja, gde se poslovi ne mogu
dinamicki prebacivati sa preopterecnih na manje opterecene virtuelne mašine, zadaci
se raspore uju za izvršavanje na raspoložive virtuelne mašine pre pocetka izvršavanja.
S druge strane, primenom metoda dinamickog raspore ivanja, koje je u literaturi
poznato pod nazivom balansiranje opterecenja, vrši se preraspodela poslova izme u
aktivnih virtuelnih mašina tokom samog izvršavanja programa raspore ivanja. Preraspodela
se vrši tako što se zadaci sa virtuelnih mašina koje imaju vece opterecenje
dinamicki prebacuju za izvršavanje na virtuelnim mašinama koje imaju manje opterecenje.
Za potrebe dinamickog raspore ivanja koriste se uglavnom heuristicke i
metaheuristicke optimizacione metode i algoritmi, koji postižu dobre rezultate.
Problemi raspore ivanja poslova i balansiranja opterecenja na klaudu pripadaju
grupi NP teških kombinatornih i/ili globalnih problema sa ili bez ogranicenja. Na
osnovu publikovanih rezultata u relevantnim literaturnim izvorima, vidi se da su
metaheuristike inteligencije rojeva, koje spadaju u grupu prirodom-inspirisanih algoritama,
uspešno testirane na bencmark problemima i primenjivane na prakticnim
NP teškim optimizacionim problemima (globalnim i kombinatornim) i da mogu da
postignu bolje rezultate u smislu brzine konvergencije i kvaliteta rešenja, od drugih
metoda, tehnika i algoritama. Polazeci od navedenog, u ovom radu je ispitivano da li
je moguce dalje unaprediti rešavanja problema raspore ivanja poslova i balansiranja
opterecenja na klaudu primenom metaheuristika inteligencije rojeva.
Tokom sprovedenog istraživanja, unapre eno je i adaptirano više metaheuristika
inteligencije rojeva za rešavanje problema raspore ivanja poslova i balansiranja
opterecenja u klaud okruženju. U disertaciji su detaljno prikazane implementacije
dva unapre ena algoritma rojeva - algoritma optimizacije monarh leptirovima i
algoritma optimizacije jatom kitova. Za potrebe testiranja, rešavana su dva modela
raspore ivanja poslova na klaudu. Prvi model, koji pripada grupi jednokriterijumske
optimizacije, uzima u obzir minimizaciju vremena izvršavanja svih zadataka na
klaudu, dok drugi, višekriterijumski model uzima u obzir minimizaciju vremena
izvršavanja svih zadataka na klaudu i budžeta, tj. troškova za izvršavanje svih
zahteva krajnjih korisnika. Simulacije su vršene u robusnom okruženju CloudSim
simulatora i oba algoritma su testirana sa skupom veštackih podataka, generisanih u
okviru CloudSim platforme, i realnih podataka, koji su preuzeti iz globalno dostupne
bencmark baze.
Osim testiranja za praktican izazov na klaudu, da bi se preciznije utvrdila unapre-
enja modifikovanih metaheuristika u odnosu na osnovne verzije, obe metaheuristike
su verifikovane i testiranjima na standardnim skupovima bencmark funkcija za globalnu
optimizaciju bez ogranicenja. Upore ivanjem generisanih rezultata (kvalitet
rešenja i brzina konvergencije) sa rezultatima najboljih poznatih metaheuristika i
heuristika iz literature, koje su primenjivane na iste instance problema (na praktican
problem raspore ivanja na klaudu i bencmark testove), dokazan je kvalitet implementiranih
algoritama, cime je potvr ena i osnovna hipoteza ovog rada da se rešavanje
izazova raspore ivanja poslova i balansiranja opterecenja u klaud okruženju mogu
dalje unaprediti primenom metaheuristika inteligencije rojeva.