خلاصة:
افزایش محبوبیت و سودآوری رایانش ابری وابسته به تأمین قابلیتها و ویژگیهای مورد نظر کاربران ابری میباشد. خاصیت کشسانی، بهعنوان یکی از قویترین ویژگیهایی محسوب میشود که حوزه رایانش ابری را از دیگر رویکردهای سامانههای توزیعی، مجزا میکند. رایانش ابری ظرفیت منابع را برای مصرف کننده بهصورت بینهایت در نظر میگیرد و مصرف کننده، میتواند منابع را برحسب تقاضا و بر اساس نرخ رقابتی در اختیار بگیرد و میزان منابع را افزایش یا کاهش دهد. اگر چه راهحلهای مختلفی برای مدیریت کشسانی تاکنون توسعه داده شدهاند، اما کارهای بیشتری نیاز است تا خاصیت کشسانی ابر را بهصورت کاراتر مدیریت نمایند. در این مقاله، رویکردی برای بهبود خاصیت کشسانی با استفاده از سامانه کنترل فازی مبتنی بر تغییرات حد آستانه برای کاربردهای محاسبات با عملکرد بالا در شبکههای ابری ارائه میشود. در روش پیشنهادی مدیریت کشسانی بر پایه نظارت و تصمیمگیری مستمر انجام میشود. نتایج مشخص میکند که روش پیشنهادی عملکرد بهتری در مورد زمان پاسخگویی، هزینه و تخطی از شرایط سرویسدهی، نسبت به روشهای پیشین دارد. میانگین زمان پاسخگویی روش پیشنهادی در مقایسه با دو روش مورد مقایسه مقاله به ترتیب 5/6% و 9%، میانگین هزینه به ترتیب 6% و 12% و میانگین تخطی از شرایط پذیرش سرویس به ترتیب 68% و 5/77% کاهش یافته است.
Increasing the popularity and profitableness of cloud computing is dependent on providing the capabilities and features that the users desire. Elasticity is one of the strongest features that distinguish the cloud computing domain from other distributed system approaches. Cloud computing takes into account an unlimited capacity of the resources for the consumer, and the consumer can take the resources in demand based on competitive rates and increase or decrease the number of resources. There have been many improvements to elasticity management by previous researches. However, further researches are necessary to manage elasticity more efficiently. In this paper, an approach for improving elasticity is presented using the fuzzy control system based on threshold changes for high-performance computing applications in cloud computing. In the proposed approach, elasticity management is based on continuous monitoring and decision making. The results indicate that the proposed approach has a better performance in terms of response time, cost and service level agreement (SLA) violation, compared to previous studies. In comparison with each of the two specified approaches, the response time of the proposed method has decreased by 6.5% and 9%, cost by 6% and 12%, and service level agreement (SLA) violation by 68% and 77.5%, respectively.