ترجمه مقاله الگوریتم زمان بندی برنامه براساس مدل برگر در محیط ابری

چکیده
با در نظر گرفتن ویژگی‌های تجاری سازی و مجازی سازی محاسبه ابری، در این مقاله برای اولین بار الگوریتمی از زمانبندی برنامه براساس مدل برگر پیشنهاد شد. در فرایند برنامه زمانبدی، الگوریتم، محدود سازی عدالت دوگانه ایجاد می‌کند. اولین محدودسازی تقسیم بندی وظیفه کاربر اولویت‌هایQos، و ایجاد تابع انتظار عمومی مطابق با تقسیم بندی وظایف برای محدودسازی عدالت منابع در فرایند انتخاب می‌باشد.
محدودسازی دوم تعریف عدالت منابع برای قضاوت در مورد عدالت منابع برای قضاوت در مورد عدالت تخصیص منابع است. سیستم عامل شبیه سازی Cloudsim توسعه یافته است و الگوریتم زمانبندی برنامه که در این تحقیق پیشنهاد شده، اجرا شده است. نتایج تجربی نشان می‌دهند که الگوم می‌تواند وظایف کاربری را به خوبی اجرا کند و عدالت بهتر را نشان می‌دهد.
واژه‌های کلیدی
محاسبه ابری– مدل برگر، زمانبندی، Qos، محدودسازی عدالت، اقتصاد تخصیص منابع
1-مقدمه
محاسبه ابری (تیره) توسعه محاسبه شبکه، محاسبه موازی و محاسبه توزیعی است. آن یک الگوی جدید از محاسبه تجاری است. در مقایسه با محاسبه شبکه، محاسبه ابری ویژگی‌های جدیدی دارد مانند(1) محاسبه شبکه ترکیب عمومی منابع توزیع شده، و توزیع ناهمگون منابع است؛ محاسبه ابری منابع داده محور با مقیاس بزرگ است که خیلی متمرکز هستند. به علاوه، تکنولوژی مجازی سازی ناهمگن بودن را در محاسبه ابری مخفی می‌نماید(2) شبکه عموماً در محاسبه علم و برای حل مشکل دامنه هدف خاص بکار می‌رود؛ محاسبه ابری‌طرح‌کاربر محوراست‌که‌سرویس های متغیر برای برآورد نیازهای کاربران‌متفاوت‌فراهممی‌نماید. آن خیلی تجاری شده است و (3)منابع در محاسبه ابری با استفاده از تکنولوژی مجازی سازی با منابع مجازی انجام داده می‌شوند. این موجب فرایند تخصیص منابع آن می‌شود، این تعامل با وظایف کاربران و غیره متفاوت با محاسبه شبکه است.
مکانیسم اصلی محاسبه ابری مخابره وظایف محاسبه به منبع است که از محاسبه گران زیادی تشکیل می‌شود. آن کاربردهای زیادی را بدست آوردن قدرت محاسبه، ذخیره سازی و انواع سرویس‌های نرم افزاری طبق نیازهایشان قادر می‌سازد.[1,8] تکنولوژی تجاری سازی مطابق با محاسبه ابری ساختار ابری بین ویژگی‌های جدیدی قرار گرفته است. برای مثال،آن پیچیدگی زمانبندی برنامه محاسبه ابری را از طریق مجازی سازی منابع به لایه ماشین مجازی واگذار می‌کند. به علاوه، تعدادی از ویژگی‌های جدید به زمانبندی برنامه به وجودمی‌آورد، مانند اینکه محتسبه ابری توجه زیادی به واضح بودن تخصیص منابع می‌نماید.
در این مقاله، از دیدگاه عدالت بودن، برای اولین بار الگوریتم زمانبندی برنامه را براساس مدل برگر در محاسبه ابری پیشنهاد و اجرا شد.
تحقیق به روش زیر سازماندهی می‌شود: بخش دوم در مورد مقالات پژوهشی مرتبط می‌باشد. در بخش سوم دانش پیش زمینه در این مورد ارائه می‌شود. در بخش 4 توضیح دقیقی از الگوریتم زمانبندی برنامه براساس مدل برگر داده می‌شود. در بخش 5 آزمایش شبیه سازی و نتایج تجربی داده می‌شود. در بخش 6 نتیجه گیری می‌شود.

References
[1] Liu Peng, the definition of cloud computing and characteristics, <http://
www.chinacloud.cn/.2009-2-25>.
[2] Sutherland IE. A futures market in computer time. Commun ACM
1968;11(6):449–51.
[3] Ferguson D, Yemini Y, Nikolaou C. Microeconomic algorithms for load
balancing in distributed computer systems. In: Proceedings of the eighth
international conference on distributed systems. San Jose: IEEE Press; 1988. p.
491–9.
[4] Subramoniam K, Maheswaran M, Toulouse M. Towards a micro-economic
model for resource allocation in grid computing systems. In: Proceedings of
the 2002 IEEE Canadian conference on electrical and computer
engineering. Manitoba: IEEE Press; 2002. p. 782–5.
[5] Gomoluch J, Schroeder M. Market-Based resource allocation for grid
computing: a model and simulation. In: Endler M, Schmidt D, editors.
Proceedings of the first international workshop on middleware for grid
computing (MGC 2003). Rio de Janeiro: Springer-Verlag; 2003. p. 211–8.
[6] Regev O, Nisan N. The popcorn market – An online market for computational
resources. In: Proceedings of the first international conference on information
and computation economies. Charleston: ACM Press; 1998.
[7] Buyya R. Economic-Based distributed resource management and scheduling
for grid computing, Ph.D. Thesis. Melbourne: Monash University; 2002.
[8] IBM Center for High Performance On Demand Solutions. IBM Cloud Computing
White Paper <http://www.ibm.com/developerworks/websphere/zones/
hipods/>.
[9] Berger J, Cohen BP, Zelditch M. Status characteristics and expectation states.
Sociological theories in progress, vol. 1. Boston: Houghton; 1966. p. 29–46.
[10] Berger J, Cohen BP, Conner TL, Zelditch M. Status characteristics and
expectation states: a process model. Sociological theories in progress, vol.
1. Boston: Houghton; 1966. p. 47–74.
[11] Rajkumar Buyya, Rajiv Ranjan and Rodrigo N. Calheiros, Modeling and
simulation of scalable cloud computing environments and the CloudSim
Toolkit: challenges and opportunities. In: Proceedings of the seventh high
performance computing and simulation conference (HPCS 2009, ISBN:978-1-
4244-49071), Leipzig, Germany. New York, USA: IEEE Press; June 21–24, 2009.
[12] Braun TD, Siegel HJ, Beck N, et al. A Comparison of eleven static heuristics for
mapping a class of independent tasks onto heterogeneous distributed
computing system. J Parallel Dist Comput 2001;61(6):810–37.
[13] LI Mao-Sheng, YANG Shou-Bao, FU Qian-Fei1, YANG Jin, A Grid Resource
Transaction Model Based on Compensation. J Softw 2006;17(3):472–80.
[14] Berger J, Zelditch Jr M, Anderson B, Cohen BP. Structural aspects of distributive
justice: a status value equation. Sociological theories in progress, vol.
2. Boston: Houghton; 1972. p. 119–46.
[15] Guillermina Jasso. The theory of the distributive-justice force in human affairs:
analyzing the three central questions. In: Sociological theories in progress:
new equation. Newbury Park, California: SAGE Publications; 1989. p. 354–87.
[16] Broberg J, Venugopal S, Buyya R. Market-oriented grids and utility computing:
the state-of-the-art and future directions. J Grid Comput 2008;6(3):
255–76.
[17] Kumar S, Dutta K, Mookerjee V. Maximizing business value by optimal
assignment of jobs to resources in grid computing. Eur J Oper Res
2009;194(3):856–72.
[18] Rajkumar Buyya, Chee Shin Yeo, Srikumar Venugopal. Market-oriented cloud
computing: vision, hype, and reality for delivering IT services as computing
utilities. In: Proceedings of the tenth IEEE international conference on high
performance computing and communications (HPCC 2008), Dalian, China. Los
Alamitos, CA, USA: IEEE CS Press; September 25–27, 2008.

References[1] Liu Peng, the definition of cloud computing and characteristics, <http://www.chinacloud.cn/.2009-2-25>.[2] Sutherland IE. A futures market in computer time. Commun ACM1968;11(6):449–51.[3] Ferguson D, Yemini Y, Nikolaou C. Microeconomic algorithms for loadbalancing in distributed computer systems. In: Proceedings of the eighthinternational conference on distributed systems. San Jose: IEEE Press; 1988. p.491–9.[4] Subramoniam K, Maheswaran M, Toulouse M. Towards a micro-economicmodel for resource allocation in grid computing systems. In: Proceedings ofthe 2002 IEEE Canadian conference on electrical and computerengineering. Manitoba: IEEE Press; 2002. p. 782–5.[5] Gomoluch J, Schroeder M. Market-Based resource allocation for gridcomputing: a model and simulation. In: Endler M, Schmidt D, editors.Proceedings of the first international workshop on middleware for gridcomputing (MGC 2003). Rio de Janeiro: Springer-Verlag; 2003. p. 211–8.[6] Regev O, Nisan N. The popcorn market – An online market for computationalresources. In: Proceedings of the first international conference on informationand computation economies. Charleston: ACM Press; 1998.[7] Buyya R. Economic-Based distributed resource management and schedulingfor grid computing, Ph.D. Thesis. Melbourne: Monash University; 2002.[8] IBM Center for High Performance On Demand Solutions. IBM Cloud ComputingWhite Paper <http://www.ibm.com/developerworks/websphere/zones/hipods/>.[9] Berger J, Cohen BP, Zelditch M. Status characteristics and expectation states.Sociological theories in progress, vol. 1. Boston: Houghton; 1966. p. 29–46.[10] Berger J, Cohen BP, Conner TL, Zelditch M. Status characteristics andexpectation states: a process model. Sociological theories in progress, vol.1. Boston: Houghton; 1966. p. 47–74.[11] Rajkumar Buyya, Rajiv Ranjan and Rodrigo N. Calheiros, Modeling andsimulation of scalable cloud computing environments and the CloudSimToolkit: challenges and opportunities. In: Proceedings of the seventh highperformance computing and simulation conference (HPCS 2009, ISBN:978-1-4244-49071), Leipzig, Germany. New York, USA: IEEE Press; June 21–24, 2009.[12] Braun TD, Siegel HJ, Beck N, et al. A Comparison of eleven static heuristics formapping a class of independent tasks onto heterogeneous distributedcomputing system. J Parallel Dist Comput 2001;61(6):810–37.[13] LI Mao-Sheng, YANG Shou-Bao, FU Qian-Fei1, YANG Jin, A Grid ResourceTransaction Model Based on Compensation. J Softw 2006;17(3):472–80.[14] Berger J, Zelditch Jr M, Anderson B, Cohen BP. Structural aspects of distributivejustice: a status value equation. Sociological theories in progress, vol.2. Boston: Houghton; 1972. p. 119–46.[15] Guillermina Jasso. The theory of the distributive-justice force in human affairs:analyzing the three central questions. In: Sociological theories in progress:new equation. Newbury Park, California: SAGE Publications; 1989. p. 354–87.[16] Broberg J, Venugopal S, Buyya R. Market-oriented grids and utility computing:the state-of-the-art and future directions. J Grid Comput 2008;6(3):255–76.[17] Kumar S, Dutta K, Mookerjee V. Maximizing business value by optimalassignment of jobs to resources in grid computing. Eur J Oper Res2009;194(3):856–72.[18] Rajkumar Buyya, Chee Shin Yeo, Srikumar Venugopal. Market-oriented cloudcomputing: vision, hype, and reality for delivering IT services as computingutilities. In: Proceedings of the tenth IEEE international conference on highperformance computing and communications (HPCC 2008), Dalian, China. LosAlamitos, CA, USA: IEEE CS Press; September 25–27, 2008.