Unapreðenje rasporeðivanja poslova i balansiranja opterecenja u klaud okruženju primenom metaheuristika inteligencije rojeva

Abstract

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.