Probabilistic Modeling to Achieve Load balancing in Expert Clouds[taliem.ir]
اطلاع رسانی-Notices

Probabilistic Modeling to Achieve Load balancing in Expert Clouds

ارسال شده در آوریل 17, 2018 در 10:00 ق.ظ توسط / بدون دیدگاه

ABSTRACT

Expert Cloud as a new class of Cloud computing systems enables its users to request the skill, knowledge and expertise of people without any information of their location by employing Internet infrastructures and Cloud computing concepts. Effective load balancing in a heterogeneous distributed environment such as Cloud is important. Since the differences in the human resource (HRs) capabilities and the variety of users’ requests causes that some HRs are overloaded and some others are idle. The task allocation to the HR based on the announced requirements by the user may cause the imbalanced load distribution among HRs as well. Hence resource management and scheduling are among the important cases to achieve load balancing. Using static and dynamic algorithms, the ant colony, and the method based on searching tree all are among the  methods to achieve load balancing. This paper presents a new method in order to distribute the dynamic load based on distributed queues aware of service quality in the Cloud environment. In this method, we utilize the colorful ants as a ranking for making distinction among the HRs capabilities. In this paper, we perform the mapping among the tasks and HRs using allocating a label to each HR. We model the load balancing and mapping process based on Poisson and exponential distribution. This model allows us to allocate each task to the HR which is able to execute it with maximum power using the distributed queues aware of the service quality. Simulation results show that the expert Cloud can reduce the execution and tardiness time and improve HR utilization. The cost of using resources as an effective factor in load balancing is also observed.

INTRODUCTION

Human resources (HRs) are the important components of the Societies and organizations so that the  Success of each organization depends on its HRs. The organizations achieve their goals by means of  Knowledge, experience, strength and skills of human beings. Since the HRs are geographically distributed, it is necessary to establish an infrastructure to share the Knowledge, skills and experience of human beings. This new platform is named Expert Cloud . According to the definition of National Institute of Standards and  Technology(NIST) Cloud computing is Internet based computing in which the numerous groups of servers have been networked to allow the sharing of data-processing tasks, centralized data storage and online access to the computer services or resources.

چکیده

کارشناس ابر به عنوان یک کلاس جدید از سیستم های رایانه ابر، کاربران آن را قادر می سازد با استفاده از زیرساخت های اینترنت و مفاهیم محاسبات ابر، مهارت، دانش و تخصص افراد را بدون اطلاعات از محل خود درخواست کند. تعادل بار موثر در یک محیط توزیع ناهمگن مانند Cloud بسیار مهم است. از آنجا که تفاوت های منابع انسانی (HRs) و درخواست های مختلف کاربران باعث می شود که برخی از منابع انسانی بیش از حد و برخی دیگر بیکار باشند. تخصیص وظیفه به منابع انسانی بر اساس الزامات اعلام شده توسط کاربر ممکن است باعث توزیع توازن توزیع بار در میان منابع انسانی نیز شود. از این رو مدیریت منابع و برنامه ریزی در میان موارد مهم برای دستیابی به توازن بار است. با استفاده از الگوریتم های استاتیک و پویا، کلنی مورچه، و روش مبتنی بر جستجو درختی، از میان روش های به دست آوردن توازن بار است. این مقاله یک روش جدید برای توزیع بار پویا بر اساس صفات توزیع شده آگاه از کیفیت خدمات در محیط ابر ارائه می دهد. در این روش، مورچه های رنگارنگ را به عنوان رتبه بندی برای ایجاد تمایز میان قابلیت های HRs مورد استفاده قرار می دهیم. در این مقاله، نقشه برداری بین وظایف و HR ها را با استفاده از تخصیص یک برچسب برای هر HR انجام می دهیم. ما مدل متعادل سازی و بارگذاری بار بر اساس پواسون و توزیع نمایشی را مدل می کنیم. این مدل به ما اجازه می دهد تا هر وظیفه را به HR اختصاص دهیم که قادر به اجرای آن با حداکثر توان با استفاده از صف های توزیع شده آگاه از کیفیت خدمات می باشد. نتایج شبیه سازی نشان می دهد که متخصص ابر می تواند زمان اجرا و زمان تدریجی را کاهش دهد و بهبود بهره وری HR را کاهش دهد. هزینه استفاده از منابع به عنوان یک عامل موثر در تعادل بار نیز مشاهده می شود.

مقدمه

منابع انسانی (HR) اجزای مهم انجمن ها و سازمان ها هستند تا موفقیت هر سازمان به منابع انسانی بستگی دارد. سازمان ها با استفاده از دانش، تجربه، قدرت و مهارت های انسان به اهداف خود دست می یابند. از آنجا که منابع انسانی از لحاظ جغرافیایی توزیع شده است، لازم است که یک زیرساخت برای به اشتراک گذاشتن دانش، مهارت ها و تجربه انسان ها ایجاد شود. این پلت فرم جدید Expert Cloud نام دارد. با توجه به تعریف موسسه ملی استاندارد و فناوری (NIST) محاسبات ابر محاسبات مبتنی بر اینترنت است که در آن گروه های متعددی از سرورها به شبکه اجازه داده شده اند تا به اشتراک گذاری کارهای پردازش داده، ذخیره سازی داده های متمرکز و دسترسی آنلاین به سرویس های کامپیوتری یا منابع است.

Year: 2016

Publisher : ELSEVIER

By : Shiva Razzaghzadeha , Ahmad Habibizad Navinb , Amir Masoud Rahmania , Mehdi Hosseinzadeh

File Information: English Language/ 24 Page / size: 2.13 KB

Download

سال : 1395

ناشر : ELSEVIER

کاری از : شیوا رززاغ زاده، احمد حبیبیزاد نوین، امیر مسعود رحمانی، مهدی حسین زاده

اطلاعات فایل : زبان انگلیسی / 24 صفحه / حجم : KB 2.13

لینک دانلود

پاسخ دهید