عنوان
جايابي زنجيره‌هاي توابع سرويسي بر روي گره‌هاي ناهمگن مه، با هدف تأمين قابليت اطمينان و كمينه كردن تأخير
نويسنده اصلي
دوستار، نگين
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
با گسترش روزافزون كاربردهاي اينترنت اشياء و افزايش سرويس‌هاي حساس به خرابي و بلادرنگ نظير نظارت ويدئويي، سيستم‌هاي كنترل صنعتي و كاربردهاي پزشكي در بستر شبكه‌هاي 5G، نياز به پردازش داده با تأخير پايين و قابليت اطمينان بالا بيش از پيش اهميت يافته است. هرچند رايانش ابري در تأمين منابع گسترده و مقياس‌پذير عملكرد مناسبي دارد، اما به دليل فاصله‌ي جغرافيايي و ايجاد تأخيرهاي نامطلوب، به تنهايي پاسخگوي نيازهاي حساس به زمان اين سرويس‌ها نيست. در اين راستا، رايانش مه به عنوان مكملي براي رايانش ابري مطرح شده است كه با نزديك كردن توان پردازشي به لبه‌ي شبكه، مي‌تواند تأخير سرويس‌ها را كاهش دهد. با اين حال، در محيط ناهمگن و منابع محدود مه، يكي از چالش‌هاي كليدي، تضمين قابليت اطمينان سرويس‌ها به ويژه در قالب زنجيره‌هاي توابع سرويسي است؛ چرا كه تحقق اين هدف نيازمند تخصيص منابع افزوده يا پشتيبان براي مقابله با خرابي‌ها مي‌باشد. در اين پايان‌نامه، استراتژي‌هاي نوآورانه‌اي براي تخصيص منابع پشتيبان به منظور كاهش هزينه و تضمين قابليت اطمينان در استقرار زنجيره‌هاي توابع سرويسي ارائه شده است. اين استراتژي‌ها، هر دو حالت تخصيص منابع پشتيبان اختصاصي براي توابع مجازي‌سازي‌شده‌ي شبكه و تخصيص اشتراكي منابع پشتيبان براي توابع يك زنجيره را با استفاده از گره‌هاي فعال و آماده پوشش مي‌دهند.
براي ارزيابي اين رويكردها، يك مدل جامع و انعطاف‌پذير ارائه شده است كه مسئله‌ي جايابي زنجيره‌هاي توابع سرويسي و تخصيص منابع را با هدف دستيابي به تعادلي ميان كاهش هزينه‌هاي شبكه و بهبود عملكرد آن و در عين حال تضمين محدوديت‌هاي قابليت اطمينان و تأخير سرويس‌ها، فرمول‌بندي مي‌كند. به منظور حل اين مدل، دو الگوريتم فراابتكاري ژنتيك پياده‌سازي شده‌اند، كه با طراحي ساختار مناسب براي كروموزوم‌ها و توابع برازندگي، توانايي انطباق با ويژگي‌هاي محيط مه را دارند. نتايج شبيه‌سازي‌ها نشان مي‌دهد كه راهبردهاي پيشنهادي به طور قابل توجهي هزينه را كاهش داده و عملكرد شبكه را نسبت به روش‌هاي سنتي بهبود مي‌بخشند. به طور خاص، استفاده از تخصيص اشتراكي منابع پشتيبان در حالت آماده توانسته است تا 70٪ كاهش هزينه به عمل آورد و همچنين الگوريتم‌هاي ژنتيك، تا 80٪ بهبود در هزينه و كارايي نسبت به روش‌هاي متداول به همراه داشته‌اند. اين نتايج، اهميت انتخاب هوشمندانه راهبرد تخصيص منابع پشتيبان در تضمين قابليت اطمينان و بهره‌وري در محيط‌هاي ناهمگن و توزيع‌شده‌ي مه را به خوبي نشان مي‌دهد.
شماره ركورد
236009
گرايش رشته تحصيلي
نرم‌افزار
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان