Geri Dön

Optimizing load balancing and task scheduling algorithms in cloud computing

Bulut bilişimde yük dengeleme ve görev planlama algoritmalarının optimize edilmesi

  1. Tez No: 833140
  2. Yazar: ALPEREN AKMAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA YENİAD
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 108

Özet

Yük dengeleme ve görev zamanlama, bulut bilişimde hem kullanıcının hem de hizmet sağlayıcının beklentileri karşılaması açısından optimize edilmesi gereken önemli bir problemdir. Yeterli seviyede optimize edilememiş görev zamanlama süreçleri, QoS yerine getirilememesi ve SLA ihlali nedeniyle hem müşteri ve hem de hizmet sağlayıcı açısından olumsuzluklara neden olur. Görev zamanlama algoritmasının optimizasyonu ile müşteri ve sağlayıcı taleplerinin en yüksek seviyede karşılanması mümkün olabilir. Metasezgisel algoritmalar bulut görev zamanlama gibi NP-Zor problemlerde iyi sonuçlar üretir. Bu çalışmada, bulut bilişim ortamlarında yük dengeleme ve görev zamanlamayı optimize etmek için Klonal Seçim Algoritması (CSA), Genetik Algoritma (GA), Diferansiyel Evrim (DE) ve Parçacık Sürü Optimizasyonu (PSO) gibi metasezgisel algoritmaların karşılaştırmalı performans analizleri yapılmıştır. Algoritmaların arama performansını artırmak için literatürde kullanılan metasezgisel algoritmaların hibritleştirilmesi ve adaptif hiperparametre optimizasyonu gibi yöntemlerin aksine, arama performansını artırmak için bir paralelleştirme yöntemi önerilmiştir. Önerilen hibrit paralelleştirme yöntemi, metasezgisel algoritmadan bağımsız ve esnek bir şekilde uygulanabilmesi için küresel popülasyon master-slave ve çoklu-deme yöntemlerinden yararlanılarak oluşturulmuştur. Önerilen paralelleştirme modeli CSA, DE, PSO ve GA algoritmalarına ayrı ayrı uygulanmış ve detaylı arama performans analizleri incelenmiştir. Sonuçlar, algoritmaların normal sıralı sürümleri ile karşılaştırıldığında, CSA algoritmasının GA'ya yakın sonuçlar vermesine rağmen diğer algoritmalara göre daha başarılı sonuçlar elde ettiğini göstermiştir. Önerilen paralelleştirme modeli, test edilen tüm algoritmaların performansını artırmış ve Paralel Klonal Seçim Algoritması (PCSA), karşılaştırılan diğer algoritmalardan daha iyi sonuçlar vermiştir.

Özet (Çeviri)

The load balancing and task scheduling are important problems that need to be optimized in cloud computing in terms of meeting the expectations of both the user and the provider. A poorly optimized scheduling method harms the customer and the provider due to non-fulfillment of Quality of Service (QoS) and violation of the Service Level Agreement (SLA). It is possible to meet customer and provider demands in the best way with a well-optimized task scheduling algorithm. Metaheuristic algorithms produce good outcomes in solving NP-Hard problems such as cloud task scheduling problem. In this study, comparative performance analysis of metaheuristic algorithms such as Clonal Selection Algorithm (CSA), Genetic Algorithm (GA), Differential Evolution (DE), and Particle Swarm Optimization (PSO) are presented to optimize load balancing and task scheduling in cloud computing environments. Contrary to methods such as hybridization of metaheuristic algorithms and adaptive hyperparameters methods used in the literature to increase the search performance of algorithms, a parallelization method is proposed to increase search performance in this study. The proposed hybrid parallelization method is created by taking advantage of the global population master-slave and multiple-deme methods to be independent of the metaheuristic algorithm and to be implementing flexible. The proposed parallelization model is applied separately to CSA, DE, PSO, and GA algorithms, and detailed search performance analyses are presented. The results showed that when the normal sequential versions of the algorithms are compared, the CSA algorithm achieves more successful results than other algorithms, even though it gives close results to GA. The proposed parallelization model improves the performance of all tested algorithms, and the Parallel Clonal Selection Algorithm (PCSA) that parallel version of the CSA, reached better results than other compared algorithms.

Benzer Tezler

  1. A computation offloading for iot of edge computing: A reinforcement learning approach based on DDPG

    Uç bı̇lgı̇ ı̇şlem ı̇çı̇n bı̇r hesaplama boşaltma: DDPG'ye dayalı bı̇r takvı̇ye öğrenme yaklaşımı

    FATIMAH NAJEH ABDULATEEF AL ZUBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NEHAD T. A. RAMAHA

  2. Aerial platforms utilization for future networks

    Gelecek ağlar için hava platformları kullanımı

    MOSTAFA HELMY MOHAMED ABDELKHALEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik Elektronik Mühendisliği ve Siber Sistemler Bilim Dalı

    Prof. Dr. HÜSEYİN ARSLAN

  3. Yazılım tanımlı ağlarda yük dengeleme probleminin optimizasyonu

    Optimizing the load balancing problem in software-defined networks

    ŞEYMA AYMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUĞRUL ÇAVDAR

  4. Traffic and mobility aware delay modeling for software-defined networks (SDN)

    Yazılım tanımlı ağlar için trafik ve hareket duyarlı gecikme modeli

    MÜGE ÖZÇEVİK

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BERK CANBERK

  5. Optimizing routing in AOMDV by load balancing in manet

    Optımızıng routıng ın AOMDV by load balancıng ın manet

    ALA ALDEN ALGBN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET EMİN TENEKECİ