Bài viết đưa ra thuật toán lập lịch cho các yêu cầu với các ràng buộc QoS như chi phí, deadline, ngân sách, khối lượng, tỉ lệ lãi suất phạt, kích cỡ file đầu vào và đầu ra. Sử dụng các máy ảo đã có trên các trung tâm dữ liệu để ánh xạ vào các yêu cầu nhằm mục tiêu làm cho chi phí của hệ thống là nhỏ nhất nhưng vẫn thỏa mãn deadline và ngân sách của các yêu cầu.
Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-1, Số 13 (33), tháng 6/2015 Kiểm soát đầu vào để lập lịch cho yêu cầu người dùng tính tốn đám mây dựa vào ràng buộc QoS Admission Control to Schedule for User Requirements Based on QoS Constraints in Cloud Computing Nguyễn Hoàng Hà, Lê Văn Sơn, Nguyễn Mậu Hân Abstract: The problem of admission control to schedule for user requirements is NP-complete [1] in cloud computing environment To solve this problem it is usually to put building heuristic algorithms to form a simple algorithm with complex polynomial In this paper, we propose an algorithm of admission control and a scheduling algorithm for user requirements based on the use of ACO algorithm (Ant Colony Optimization) and take advantage of validity period between the requirements so that the total cost of the system is minimal but still satisfying QoS (Quality of Service) constraints for the requirements Two algorithms are set up and run a complete test on CloudSim The experimental results show the effectiveness and superiority of the proposed algorithm in comparing with sequential and EDF (Earliest Deadline First) algorithms Keyword: Admission Control, Scheduling Algorithms, QoS Constraint, Resource Allocation I GIỚI THIỆU Tính tốn đám mây phát triển tính tốn phân tán, tính tốn song song tính tốn lưới Tài ngun mơi trường cung cấp nhiều nhà cung cấp dịch vụ như, Microsoft Azure [2], IBM [3], Amazon EC2 [4] v.v Các nhà cung cấp cung cấp dịch vụ cho người dùng cách cho người dùng thuê tài nguyên (phần cứng, phần mềm, tài nguyên lưu trữ, v.v ) thơng qua Internet Người dùng thuê tài nguyên khác dựa yêu cầu họ trả chi phí họ sử dụng Thời gian thuê tài nguyên tính theo giờ, người dùng khơng sử dụng hết họ phải trả chi phí cho tồn thuê Điều thúc đẩy nhu cầu tìm kiếm định vị hiệu chi phí cho tập u cầu khách hàng Tính tốn đám mây coi phần mềm (SaaS) sở hạ tầng (IaaS) dịch vụ Mục tiêu nhà cung cấp SaaS (Software as a Service) đem lại lợi nhuận lớn cho họ cách thuê tài nguyên với chi phí thấp từ nhà cung cấp IaaS (Infrastructure as a Service) đảm bảo ràng buộc QoS cho khách hàng Để đạt mục tiêu nhà cung cấp SaaS, báo đề xuất thuật toán vừa kiểm soát đầu vào vừa lập lịch ACACO thuật toán lập lịch MProfit Thuật toán ACACO sử dụng ACO (Ant Colony Optimization) [6,8] để tìm kiếm tài nguyên trung tâm liệu với chi phí thấp thỏa mãn ràng buộc QoS, sau định chập nhận hay từ chối yêu cầu khách hàng Nếu yêu cầu chấp nhận yêu cầu ánh xạ vào tài nguyên hợp lý Thuật toán MProfit tiếp tục lập lịch cho yêu cầu chấp nhận để tận dụng khoảng thời gian sử dụng chưa hết thuê yêu cầu nhằm đem lại chi phí nhỏ cho nhà cung cấp SaaS Bài toán kiểm soát đầu vào lập lịch cho yêu cầu với tham số thời gian đến, deadline, ngân sách, khối lượng công việc, tỉ lệ phạt, v.v tốn NP-đầy đủ [1] Do đó, để đưa giải pháp tối ưu thường phải tìm kiếm vét cạn độ phức tạp hàm mũ, nên cách áp dụng Để khắc phục nhược điểm này, người ta thường dùng phương pháp heuristic để đưa giải pháp gần tối - 16 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT ưu phương pháp tối ưu hóa đàn kiến (ACO) [6, 8], kỹ thuật tối ưu hóa đàn ong mờ [9], phương pháp tham lam EDF [10,11], v.v Trong mơi trường tính tốn đám mây, người sử dụng thuê dịch vụ thông qua Internet trả phí sử dụng Do đó, thuật toán lập lịch dựa vào ràng buộc QoS thường sử dụng Trong trường hợp này, tham số người dùng thời gian, phí dịch vụ cho người sử dụng, phí dịch vụ cho nhà cung cấp, độ tin cậy, v.v., ưu tiên xem xét lập lịch Jzau-Sheng Lin đồng nghiệp [12] đưa mơ hình lập lịch cho u cầu mơi trường tính tốn đám mây với mục tiêu đem lại lợi nhuận cao cho nhà cung cấp dịch vụ chi xem xét đến hai tham số ngân sách deadline yêu cầu Các nghiên cứu [13,14] lại tập trung vào lập lịch yêu cầu để tiết kiệm điện trung tâm liệu Các nghiên cứu gần Ramkumar N [15] lập lịch yêu cầu thời gian thực, sử dụng hàng đợi ưu tiên để ánh xạ yêu cầu vào tài nguyên tập trung lập lịch để giải công việc cách nhanh thỏa mãn deadline yêu cầu mà không quan tâm đến chi phí ngân sách Swarupa Irugurala [16] đưa thuật toán lập lịch với mục tiêu đem lại lợi nhuận cao cho nhà cung cấp SaaS xem xét hai loại chi phí: chi phí khởi tạo máy ảo chi phí sử dụng máy ảo có để chọn tài nguyên Trong báo này, chúng tơi đưa thuật tốn lập lịch cho yêu cầu với ràng buộc QoS chi phí, deadline, ngân sách, khối lượng, tỉ lệ lãi suất phạt, kích cỡ file đầu vào đầu Sử dụng máy ảo có trung tâm liệu để ánh xạ vào yêu cầu nhằm mục tiêu làm cho chi phí hệ thống nhỏ thỏa mãn deadline ngân sách yêu cầu Phần lại báo bao gồm: Phần II xây dựng mơ hình hệ thống, Phần III xây dựng toán đưa hai thuật tốn ACACO MProfit, sau mơ đánh giá thuật toán Phần IV kết luận Tập V-1, Số 13 (33), tháng 6/2015 II MÔ HÌNH HỆ THỐNG Các thành phần hệ thống bao gồm: người dùng, nhà cung cấp SaaS, PaaS (Platform as a Service) IaaS Người dùng gửi yêu cầu sử dụng phần mềm kèm theo yêu cầu QoS họ lên nhà cung cấp SaaS Tại đây, nhà cung cấp PaaS sử dụng thành phần kiểm soát đầu vào để phân tích tham số QoS dựa vào khả năng, tính sẵn sàng giá máy ảo để định chấp nhận từ chối yêu cầu người dùng Nếu yêu cầu chấp nhận thành phần lập lịch chịu trách nhiệm để định vị tài nguyên cho yêu cầu người dùng mơ hình trình bày Hình Mơ hình bao gồm bốn mơ hình thành phần: mơ hình người dùng, nhà cung cấp SaaS, IaaS PaaS Bài báo tập trung vào mơ hình nhà cung cấp PaaS Người dùng Yêu cầu dịch vụ Đáp ứng yêu cầu Nhà cung cấp SaaS Các ứng dụng phần mềm Nhà cung cấp PaaS Kiểm soát đầu vào Yêu cầu máy ảo Bộ lập lịch Lập lịch máy ảo Nhà cung cấp IaaS Các máy ảo Hình Mơ hình tổng qt thành phần tính tốn đám mây II.1 Mơ hình người dùng Người dùng gửi N yêu cầu dịch vụ (t1,t2, …, tN} đến nhà cung cấp SaaS, yêu cầu ti(ai,di,bi, αi,wi,ini,outi) bao gồm thuộc tính ràng buộc QoS sau: - ai: Thời gian đến yêu cầu - Thời hạn di (deadline): Thời gian lớn người - 17 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT dùng cần để đợi kết - Ngân sách bi (budget): Chi phí lớn người dùng trả cho nhà cung cấp dịch vụ - Tỉ lệ lãi suất phạt ( ): Một tỷ lệ bồi thường cho người dùng nhà cung cấp SaaS không cung cấp thời hạn - Khối lượng công việc wi: Bao nhiêu MI (triệu thị) yêu cầu để thực cho yêu cầu - Kích cỡ file đầu vào đầu yêu cầu: ini outi II.2 Mơ hình nhà cung cấp SaaS Nhà cung cấp SaaS thuê tài nguyên từ nhà cung cấp IaaS cho thuê phần mềm dịch vụ cho người dùng Mục tiêu nhà cung cấp SaaS giảm thiểu chi phí sử dụng tài nguyên từ nhà cung cấp IaaS để đem lại lợi nhuận cao cho II.3 Mơ hình nhà cung cấp IaaS Trong mơi trường tính tốn đám mây có Y nhà cung cấp tài ngun IaaS {x1,x2,…,xY} Mỗi nhà cung cấp IaaS cung cấp M máy ảo {vm1,vm2,…,vmM} cho nhà cung cấp SaaS chịu trách nhiệm để điều phối máy ảo chạy tài nguyên vật lý chúng Mỗi máy ảo vmjx(tjx,pjx,sjx,dtpjx,dtsjx) nhà cung cấp x bao gồm thuộc tính: - Thời gian khởi tạo tjx: Thời gian cần thiết để triển khai máy ảo - Giá pjx: Giá tính theo mà nhà cung cấp SaaS phải trả cho nhà cung cấp IaaS sử dụng máy ảo - sjx: Tốc độ xử lý máy ảo tính theo MIPS Tập V-1, Số 13 (33), tháng 6/2015 cung cấp ký hiệu R Chúng ta lập lịch cho N yêu cầu độc lập không theo thứ tự ưu tiên (nonpreemptive) Y nhà cung cấp, yêu cầu ký hiệu npmtn Mục đích tìm chi phí thấp để hoàn thành tất yêu cầu thỏa mãn thời hạn ngân sách yêu cầu, nghĩa ta phải tìm Cmin Vì mơ hình nhà cung cấp PaaS R| npmtn|Cmin Gọi Cijx chi phí để xử lý yêu cầu i máy ảo j nhà cung cấp tài ngun x Khi đó, chi phí Cijx bao gồm loại chi phí: - Chi phí xử lý yêu cầu ( ) phụ thuộc vào giá pjx, tốc độ sjx máy ảo j nhà cung cấp tài nguyên x khối lượng xử lý yêu cầu wi: = ∗ (1) - Chi phí truyền tải liệu ( ) bao gồm chi phí gửi liệu lên lấy liệu từ nhà cung cấp tài nguyên phụ thuộc vào kích cỡ file đầu vào ini kích cỡ file đầu outi yêu cầu i, tốc độ chuyển liệu Dtsjx giá để chuyển liệu Dtpjx từ máy ảo j nhà cung cấp tài nguyên x đến máy máy yêu cầu dịch vụ: = + ∗ (2) - Chi phí khởi tạo máy ảo ( ) phụ thuộc vào thời gian khởi tạo tjx giá pjx máy ảo j nhà cung cấp tài nguyên x: = ∗ (3) - Chi phí nhà cung cấp SaaS phải trả lại cho người không cung cấp yêu cầu thời hạn ( ), - dtpjx: Giá tính theo dung lượng truyền nhà cung cấp SaaS phải trả để chuyển liệu từ nhà cung cấp tài nguyên đến máy địa phương phụ thuộc vào tỉ lệ lãi suất phạt ( ) khoảng thời gian vượt thời hạn : - dtsjx: Tốc độ chuyển liệu, phụ thuộc vào khoảng cách hiệu mạng Gọi Tijx thời gian để xử lý yêu cầu i máy ảo j nhà cung cấp tài nguyên x Khi Tijx bao gồm loại thời gian: II.4 Mơ hình nhà cung cấp PaaS = = Tất nhà cung cấp tài ngun IaaS khơng liên quan với thực song song Các nhà Trong đó: - 18 - + ∗ + (4) + + (5) Các công trình nghiên cứu, phát triển ứng dụng CNTT-TT - !"# - kiến chọn đường ngắn Để áp dụng thuật toán đàn kiến người ta phải xác định thông tin: hàm cực tiểu F, thông tin heuristic ηi, cập nhật lại mùi xác xuất P [6, 7] : Thời gian xử lý yêu cầu $ %&'( )(!"# : Thời gian truyền tải liệu - tijx : Thời gian khởi tạo máy ảo - III.1 Hàm cực tiểu F thông tin heuristic ηi : Khoảng thời gian vượt thời hạn Mục tiêu nhà cung cấp SaaS đem lại lợi nhuận cao Do đó, ta phải tìm chi phí nhỏ tất yêu cầu công thức (6): *+, /0 0(1 − = Trong đó: 45 45 )7 (6) - Chi phí yêu cầu i phải thỏa mãn ngân sách tức là: ≤ (7) - Thời gian xử lý yêu cầu i phải thỏa mãn ràng buộc: ≤ ; + (8) Như vậy, để đạt mục tiêu đề (6) phải thỏa mãn hai ràng buộc (7) (8) III Tập V-1, Số 13 (33), tháng 6/2015 XÂY DỰNG THUẬT TỐN Thuật tốn đàn kiến dựa hành vi đàn kiến thực Marco Dorigo giới thiệu vào năm 1996 Nó thuật tốn sử dụng heuristic giải pháp cho tốn tối ưu hóa tổ hợp Thuật tốn đàn kiến mô hành vi đàn kiến tự nhiên nhằm tìm kiếm đường ngắn tổ kiến nguồn thức ăn dựa mật độ mùi (pheromone) mà kiến để lại đường Khi kiến tìm kiếm thức ăn, để lại số lượng mùi đường Nếu kiến cố gắng để di chuyển từ nơi sang nơi khác, gặp dấu vết trước đặt, kiến phát dấu vết mùi định chọn đường có mật độ mùi cao để Sau qua kiến để lại mùi đường mùi dần theo thời gian Do đó, mùi đường ngắn tăng lên cách nhanh chóng Số lượng mùi đường ảnh hưởng đến khả kiến khác để lựa chọn đường Cuối cùng, tất Hàm cực tiểu F thông tin heuristic ηi sử dụng để tìm nhà cung cấp IaaS tốt nhất, phụ thuộc vào chi phí thực (Cjx) máy ảo j nhà cung cấp x sau: = = *+,( η = ), ? = * , , = @ (9) , = ., ? = *, , = @ (10) Sử dụng ηi để tìm máy ảo j nhà cung cấp x có độ ưu tiên cao chi phí Cjx nhỏ thơng tin ηi u cầu i cao Hàm cực tiểu F dùng để tính xác xuất cho yêu cầu i chọn máy ảo j nhà cung cấp x III.2 Cập nhật lại mùi Mỗi kiến bắt đầu ngẫu nhiên từ nhà cung cấp tài nguyên IaaS Tại bước lặp kiến tính hàm cực tiểu cập nhật lại mùi (pheromone) sau: Trong đó: - ∆C = 5FG HI C = DC + ∆C (11) : Fk hàm cực tiểu kiến k, Fk nhỏ mật độ mùi để lại cao - C : Mật độ mùi yêu cầu i máy ảo j nhà cung cấp x - ∆C : Được thêm vào mật độ mùi - ρ: Giá trị bay xác định khoảng (0,1) III.3 Tính xác xuất Các thuật tốn kiểm sốt đầu vào trì hai tập yêu cầu Một tập yêu cầu xử lý tập khác đến chưa xử lý Thuật toán bắt đầu cách tự động tập yêu cầu xử lý xong chuyển vào thành phần lập lịch Theo [17] yêu cầu thực chọn nhà cung - 19 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT cấp cách ngẫu nhiên Yêu cầu thực chọn nhà cung cấp với xác suất [17]: = C η ∑645 ∑345 C η (12) Trong đó: ηijx: thông tin heuristic, τijx: mật độ mùi để lại di chuyển Pijx xác suất để yêu cầu i chọn máy ảo j nhà cung cấp tài nguyên x phụ thuộc vào kết hợp hai giá trị ηijx τijx xác định: = NOP N LGM "# % Q R.ST U SVW USX USY I "# "# "# "# NOP N Z ∑\ #[N ∑"[NLGM "# % Q R.ST U SVW USX I "# "# "# USY "# END FOR 10 Return S; 11 END FUNCTION FUNCTION Test( ∈ ,X,VMx) 12 13 14 15 (13) III.4 Thuật toán ACACO Đầu vào thuật toán: - Khởi tạo giá trị bốc mùi (pheromone evaporation) ban đầu ρ 0,05 - Giá trị mùi ban đầu (Pheromone deposit) 0,01 - Số kiến (k) sử dụng thuật toán đề xuất 16 17 18 19 20 Đầu thuật toán: Một lịch trình S chứa tập ánh xạ yêu cầu chấp nhận nhà cung cấp SaaS vào máy ảo nhà cung cấp IaaS Mơ tả thuật tốn: FUNCTION ACACO() S={}; FOR EACH ti in T DO si= Test(ti,X,VMx); If(si=={}) Thông báo cho người dùng yêu cầu bị từ chối ; Else S=S+{si}; FOR EACH kiến thứ k DO FOR EACH nhà cung cấp x in X DO Tính thơng tin heuristic cho yêu cầu ti máy ảo vmjx = η + + + Tìm giá trị mùi tại: τijx Tính thời gian thực ti máy ảo vmjx công thức (5) + = + + + Cập nhật lại mùi cơng thức (11): 1−D C = DC + =^ Tính xác suất để yêu cầu ti ánh xạ vào máy ảo vmjx công thức (13) END FOR END FOR Từ xác xuất tính máy ảo vmjx, tìm máy ảo có xác xuất lớn nhất, có chi phí nhỏ ngân sách bi thời gian thực nhỏ ; + tìm thấy ta có phương - T={t1,t2,…, tN}: Tập yêu cầu người dùng gửi đến, yêu cầu ti - X={ x1,x2,…, xY },VMx={ vm1x,vm2x,…, vmMx }: tập nhà cung cấp IaaS tập máy ảo nhà cung cấp, máy ảo vmjx vmjx(tjx,pjx,sjx,dtpjx,dtsjx) Tập V-1, Số 13 (33), tháng 6/2015 án tối ưu si={ti → vmjx}; return si Ngược lại, không tìm thấy return {}; END FUNCTION III.5 Thuật tốn lập lịch MProfit Sau thực thuật toán ACACO, ta có tập ánh xạ yêu cầu chấp nhận vào máy ảo Mỗi nhà cung cấp x chấp nhận nhiều yêu cầu, thuật tốn tận dụng khoảng thời gian cịn hiệu lực vòng thuê yêu cầu nằm nhà cung cấp để đem lại lợi nhuận cao cho nhà cung cấp SaaS Chúng tơi gọi khoảng thời gian cịn hiệu lực vòng thuê thời gian gối đầu hai yêu cầu Định nghĩa tập Ti bao gồm yêu cầu nhà cung cấp với yêu cầu ti gối đầu lên yêu cầu ti, yêu cầu chia sẻ máy ảo: - 20 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT = _ ` |;` ≥ ; cà +` < ; f (14) Sau xác định tập Ti, tiến hành tính khoảng thời gian gối đầu lên Ta định nghĩa tiljx thời gian cịn hiệu lực để tính tốn cho yêu cầu tl sau thực xong yêu cầu ti máy ảo j nhà cung cấp x Giá trị tijlx phụ thuộc vào tốc độ máy ảo, thời gian đến, deadline khối lượng cơng việc ti tl Tiljx tính sau: ` = j h min( − n ` , ;` − +` ) ế +` − + ≥ !"# − n ` ế +` − + < cà ;` − + ≥ p (15) !"# i h ;` − (+ + n ` ) .ế +` − + < cà ;` − + < !"# g giờ, n ` = ! + max (+` − ; , 0), sjx tốc độ máy ảo ánh xạ vào yêu cầu ti Ví dụ: Giả sử D=60, máy ảo vm21 nhà cung cấp có tốc độ s21=20 yêu cầu t1 có thời gian đến: 0, deadline: 30, khối lượng: 500 thực máy ảo vm21 với thời gian: 25 phút Yêu cầu t2 có thời gian đến: 30, deadline: 50, khối lượng: 1200, +` − + =30>! =25 nên rơi vào trường hợp N "# cơng thức (15) Khi n ` =25+max(30-30,0)=25 s t − n ` , ;` − + u = min(60-25,50-30)=20, thời gian hiệu lực máy ảo vm21 cho yêu cầu t2 60-25=35 phút, t2 sử dụng min(35,20)=20 phút Hai trường hợp cịn lại cơng thức (15) xét tương tự Thuật toán MProfit Đầu vào: ST={}: chứa tập ánh xạ yêu cầu vào máy ảo nhà cung cấp UST = S: S lịch trình tạo thuật tốn ACACO Mỗi phần tử S ánh xạ: ti → vmjx, thuật tốn chúng tơi gọi ánh xạ ti thay gọi u cầu ti Đầu ra: Một lịch trình tối ưu ST để ánh xạ yêu cầu vào máy ảo Mô tả thuật toán: Sắp xếp ánh xạ UST theo nhà cung cấp, ánh xạ nhà cung cấp nằm nhóm FOR EACH nhà cung cấp x in UST DO PUSH(ti); // ti ánh xạ nhà cung cấp x ST=ST+{ti}; UST=UST-{ti}; FOR EACH ánh xạ ti nhà cung cấp x DO Trong đó, D thời gian thuê nhỏ tính theo "# Tập V-1, Số 13 (33), tháng 6/2015 ti=POP(); // Lấy ánh xạ ti từ Stack ;` ≥ ; cà +` < ; € cà ` ằs ý { sộ ℎós cớ Tìm Ti: = v ` w Tính ` ánh xạ Ti công thức (15), ` tính máy ảo j nhà cung cấp x ánh xạ ti 11 Tính max(tiljx), chọn tl có thời gian gối đầu lớn làm ánh xạ Dựa vào max(tiljx) để tính lại wl cập nhật lại trạng thái cho tl PUSH(tl); 12 ST=ST+{tl}; UST=UST-{tl}; 13 END FOR 10 14 END FOR 15 Dựa vào ST để đưa lịch trình ánh xạ yêu cầu vào tài nguyên III.6 Cơ sở lý luận hai thuật toán - Thomas Stützle, Marco Dorigo [7] chứng minh tính hội tụ thuật tốn ACO điều đảm bảo tính hội tụ thuật toán ACACO đề xuất - Thuật toán ACACO ánh xạ yêu cầu i vào máy ảo j nhà cung cấp x (vmjx) dựa vào xác suất Pijx cơng thức (13) Khi chi phí Cijx bé hàm cực tiểu Fk thơng tin heuristic ηi lớn, điều dẫn đến mùi để lại xác xuất chọn máy ảo vmjx lớn Do đó, ánh xạ yêu cầu vào máy ảo có chi phí thấp làm cho tổng chi phí toàn hệ thống giảm xuống - Đối với thuật tốn MProfit, hình thành tập UST chắn có giới hạn tập UST nhận yêu cầu từ thuật toán ACACO Thuật toán ACACO tiếp nhận yêu cầu theo lô theo chu kỳ tức ta sử dụng hai tập yêu cầu, tập yêu cầu tiếp nhận để xử lý tập yêu cầu - 21 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-1, Số 13 (33), tháng 6/2015 tiếp tục nhận yêu cầu lưu vào hàng đợi Khi tập yêu cầu xử lý xong hệ thống xử lý cho tập yêu cầu lưu hàng đợi trình lặp lại ngẫu nhiên từ 0.001 đến 0.01, thông số khác máy ảo thời gian khởi tạo máy ảo, băng thông, v.v., lấy ngầm định CloudSim - Để đảm bảo cho lợi ích nhà cung cấp dịch vụ SaaS, thuật toán ACACO chấp nhận từ chối yêu cầu khách hàng Trong yêu cầu chấp nhận có nhiều u cầu thực khơng hết thời gian th Do đó, thuật tốn MProfit tận dụng khoảng thời gian gian cịn hiệu lực để thực cho yêu cầu tiếp the Điều dẫn đến chi phí thực cho hệ thống giảm xuống theo mục tiêu đặt công thức (6) III.7.3 Kết mô a) Phân tích tổng chi phí thực cố định số yêu cầu Hình tổng chi phí bốn thuật tốn EDF, ACACO, MProfit sử dụng 100 máy ảo 1000 yêu cầu Các giá trị mô kết lần chạy thử lấy kết trung bình III.7 Mơ đánh giá thuật tốn Các thuật tốn cài đặt mơ ngơn ngữ Java (NetBean 7.1.1, JDK 6), gói cơng cụ CloudSim 2.0 [5] với thông số sau: Sử dụng Datacenter, 10 host vật lý, số máy ảo thay đổi từ 100 đến 500, PE 512 RAM máy ảo số yêu cầu thay đổi từ 1000 đến 5000 III.7.1 Về phía người dùng Kế thừa lên lớp Cloudlet để tạo yêu cầu người dùng với thông số: thời gian đến, khối lượng công việc, ngân sách, tỉ lệ lãi suất phạt deadline Các thông số xác định sau: Thời gian đến lấy ngẫu nhiên từ đến 500, phát sinh deadline cách ngẫu nhiên (dl,du) phút giá trị khác dl du có giới hạn từ 10 đến 1500, deadline phải lớn thời gian đến Khối lượng công việc lấy ngẫu nhiên từ 8*104 MI đến 105MI, vào khối lượng để ước lượng ngân sách cho u cầu, thơng số cịn lại lấy ngầm định CloudSim III.7.2 Về phía người cung cấp tài nguyên Chúng mô bốn nhà cung cấp tài nguyên Mỗi nhà cung cấp tài nguyên có số máy ảo, chi phí tốc độ khác Trong cài đặt, kế thừa lên lớp Vm CloudSim 2.0 để tạo máy ảo với thơng số tốc độ chi phí xác định sau: tốc độ lấy ngẫu nhiên từ 103 đến 5*103 MIPS tương ứng với chi phí số thực lấy Hình Tổng chi phí thuật toán EDF, ACACO, Tuần tự MProfit cố định số lượng yêu cầu Kết mô cho thấy tổng chi phí thuật tốn MProfit ln nhỏ thuật tốn EDF, ACACO Bởi thuật tốn ACACO có nhiệm vụ kiểm sốt đầu vào, chấp nhận hay từ chối yêu cầu người dùng Nếu yêu cầu chấp nhận, ánh xạ vào máy ảo có chi phí thấp Sau thuật tốn ACACO thực xong, có tập yêu cầu chấp nhận với chi phí thấp Tập yêu cầu liệu đầu vào thuật toán MProfit, MProfit tiếp tục tận dụng khoảng thời thời gian gối đầu yêu cầu lên tài nguyên nhà cung cấp IaaS Điều dẫn đến tổng chi phí thực thuật tốn giảm xuống Thuật tốn khơng xem xét khoảng thời gian gối đầu yêu cầu dùng thuật tốn vét cạn để tìm tài ngun Do đó, có nhiều trường hợp yêu cầu sử dụng khơng hết - 22 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-1, Số 13 (33), tháng 6/2015 khoảng thời gian thuê Điều làm cho chi phí thuật tốn tăng lên khoảng thời gian lớn để đưa lịch trình Cịn thuật tốn EDF xem xét đến tỉ số sử dụng: n = ∑ƒ45 • ‚ ≤1 (trong Ci thời gian thực Ti tương ứng với deadline) [15, 16] để ánh xạ yêu cầu vào tài nguyên Do thuật tốn EDF đảm bảo u cầu hồn thành trước deadline khơng quan tâm đến ngân sách cho yêu cầu b) Phân tích tổng số yêu cầu mà nhà cung cấp SaaS chịu phạt Hình Tổng yêu cầu bị phạt thuật toán ACACO MProfit thay đổi số lượng yêu cầu Hình Tổng số yêu cầu bị phạt thuật toán ACACO, Tuần tự MProfit cố định số lượng yêu cầu Các yêu cầu thuật tốn EDF khơng bị phạt, thuật tốn chọn tài nguyên để hoàn thành trước deadline u cầu Cịn thuật tốn tuần tự, ACACO MProfit xem xét cộng thêm chi phí bị phạt mà có lợi cho nhà cung cấp SaaS u cầu chấp nhận Hình trình bày tổng số yêu cầu mà nhà cung cấp bị phạt số yêu cầu cố định 1000 c) Phân tích tổng chi phí tổng số yêu cầu mà nhà cung cấp SaaS chịu phạt cố định số máy ảo thay đổi số yêu cầu Phần trình bày kết tổng chi phí tổng số yêu cầu bị phạt ba thuật toán thay đổi số lượng yêu cầu từ 1000 yêu cầu đến 5000 cố định số máy ảo 100 thể Hình Hình Hình Tổng chi phí thuật tốn EDF, ACACO MProfit thay đổi số lượng yêu cầu Thuật toán sử dụng thuật toán vét cạn để tìm tài nguyên Khi số yêu cầu lớn thời gian để đưa lịch trình thuật tốn lớn độ phức tạp hàm mũ Chính vậy, phần chúng tơi khơng xét đến thuật toán Khi số yêu cầu lớn tổng chi phí thuật tốn MProfit nhỏ thuật toán EDF ACACO Tuy nhiên, số trường hợp số yêu cầu bị phạt lớn trường hợp 3000 yêu cầu Hình chi phí phạt mà nhà cung cấp phải trả lớn Điều dẫn đến tổng chi phí hệ thống lớn Hình Do đó, cài đặt ta so sánh tổng chi phí hai thuật toán ACACO MProfit để định chọn thuật tốn - 23 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-1, Số 13 (33), tháng 6/2015 để tối ưu [2] http://www.microsoft.com/window d) Phân tích tổng chi phí thay đổi số máy ảo [3] http://www.ibm.com/ibm/cloud/ibm_cloud/ Khi tăng số lượng máy ảo xác suất để chọn máy ảo có chi phí thấp cao lên, dẫn đến tổng chi phí thuật tốn MProfit nhỏ tổng chi phí thuật tốn ACACO EDF Hình [4] http://aws.amazon.com [5] Buyya, R., Ranjan, Modeling and Simulation of Scalable Cloud Computing Environments and the CloudSim Toolkit: Challenges and Opportunities, Proceedings of the 7th High Performance Computing and Simulation Conference, Leipzig, Germany, 2009 [6] Marco Dorigo and Thomas Stützle, Ant Colony Optimization, A Bradford Book, The MIT Press Cambridge, Massachusetts,London, England, 2004 [7] Thomas Stützle, Marco Dorigo: A Short Convergence Proof for a Class of Ant Colony Optimization Algorithms, IEEE transactions on evolutionary computation, Vol 6, No 4, August 2002 [8] Kun Li, Gaochao Xu, Guangyu Zhao, Hình Tổng chi phí thuật toán EDF, ACACO MProfit thay đổi số lượng máy ảo IV KẾT LUẬN Trong báo này, chúng tơi tập trung nghiên cứu vấn đề kiểm sốt đầu vào lập lịch cho yêu cầu người dùng với ràng buộc QoS Trong đó, yêu cầu xem xét đến yếu tố như thời gian đến, chi phí, deadline, ngân sách, khối lượng, tỉ lệ lãi suất phạt, kích cỡ file đầu vào đầu ra; máy ảo bao gồm tốc độ chi phí khác Để đem lại lợi nhuận cao cho nhà cung cấp dịch vụ SaaS, báo đề xuất hai thuật toán ACACO MProfit Cả hai thuật tốn nghiên cứu để tìm kiếm tài ngun có chi phí thấp nhà cung cấp dịch vụ IaaS để cung cấp cho yêu cầu người dùng Thơng qua việc phân tích, đánh giá kết thực nghiệm, đối sách mẫu sử dụng công cụ mô CloudSim cho thấy kết thuật toán ACACO MProfit có cải tiến đáng kể chi phí so với thuật tốn EDF sử dụng TÀI LIỆU THAM KHẢO [1] P Brucker, Scheduling Algorithms, Fifth Edition, Springer Press, 2007 Yushuang Dong, Dan Wang, Cloud Task scheduling based on Load Balancing Ant Colony Optimization, Sixth Annual ChinaGrid Conference, 2011 [9] Jzau-Sheng Lin and Shou-Hung Wu, Fuzzy Artificial Bee Colony System with Cooling Schedule for the Segmentation of Medical Images by Using of Spatial Information, Research Journal of Applied Sciences, Engineering and Technology 4, 2973-2980, 2012 [10]A Burns, R.I Davis, P Wang and F Zhang, Partitioned EDF Scheduling for Multiprocessors using a C=D Scheme Department of Computer Science, University of York, UK [11] Lukasz Kruk, John Lehoczky, Kavita Ramanan And Steven Shreve, Heavy traffic analysis for EDF queues with reneging, The Annals of Applied Probability Vol 21, No 2, 484–545, 2011 [12] Jianguang Deng, Yuelong Zhao, Huaqiang Yuan, A Service Revenue-oriented Task Scheduling Model of Cloud Computing, Journal of Information & Computational Science, July 1, 2013 [13] Mao, Ming and Li, Jie, Cloud auto-scaling with deadline and budget constraints, Grid Computing, 11th IEEE/ACM International Conference , 2010 [14] K H Kim et al, Power-aware provisioning of cloud resources for real-time services In International Workshop on Middleware for Grids, Clouds and e-Science , pages 1–6, - 24 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT 2009 [15] Ramkumar N, Nivethitha S, Efficient Resource Utilization Algorithm (ERUA) for Service Request Scheduling in Cloud, International Journal of Engineering and Technology (IJET), Vol No Apr-May 2013 [16] Swarupa Irugurala, Dr.K.Shahu Chatrapati, Various Scheduling Algorithms for Resource Allocation In Cloud Computing, The International Tập V-1, Số 13 (33), tháng 6/2015 Journal Of Engineering And Science (IJES), page 16-24, 2013 [17] Kousalya.K, Balasubramanie.P: An Enhanced Ant Algorithm for Grid Scheduling Problem, IJCSNS International Journal of Computer Science and Network Security, VOL.8 No.4, April 2008 Nhận ngày: 1/10/2014 SƠ LƯỢC VỀ TÁC GIẢ NGUYỄN HOÀNG HÀ Sinh năm 1976 Thăng Bình, Quảng Nam NGUYỄN MẬU HÂN Sinh năm 1957 Thừa thiên Huế Nhận thạc sỹ Tin học, chuyên ngành Khoa học Máy tính Trường Đại học Khoa học– Đại học Huế, năm 2005 Đang NCS trường Đại học Khoa học – Đại học Huế, chuyên ngành Khoa học Máy tính Hiện Phó Giáo Sư, giảng viên khoa CNTT, Trường Đại học Khoa học, Đại học Huế Hiện công tác khoa CNTT, Trường Đại học Khoa học, Đại học Huế Lĩnh vực nghiên cứu: Xử lý song song phân tán, tính tốn lưới điện toán đám mây Lĩnh vực nghiên cứu: Xử lý song song phân tán, tính tốn lưới tính tốn đám mây Email: nmhan2009@gmail.com Nhận Tiến sĩ Viện CNTT Điện thoại liên hệ: 0914426033 Email: nhha76@gmail.com LÊ VĂN SƠN Sinh năm 1948 Điện Bàn, Quảng Nam Tốt nghiệp Đại học năm 1978, bảo vệ Tiến sĩ năm 1997 trường Đại học Tổng hợp Donesk, Ucraina, công nhận PGS năm 2004 Hiện công tác Khoa Tin học, Đại học Sư phạm, Đại học Đà Nẵng Lĩnh vực quan tâm : Hệ điều hành, mạng máy tính, hệ phân tán, tính tốn đám mây E-mail : levansupham2004@yahoo - 25 - ... PaaS Kiểm soát đầu vào Yêu cầu máy ảo Bộ lập lịch Lập lịch máy ảo Nhà cung cấp IaaS Các máy ảo Hình Mơ hình tổng qt thành phần tính tốn đám mây II.1 Mơ hình người dùng Người dùng gửi N u cầu dịch... thuật toán lập lịch cho yêu cầu với ràng buộc QoS chi phí, deadline, ngân sách, khối lượng, tỉ lệ lãi suất phạt, kích cỡ file đầu vào đầu Sử dụng máy ảo có trung tâm liệu để ánh xạ vào yêu cầu. .. IV KẾT LUẬN Trong báo này, tập trung nghiên cứu vấn đề kiểm soát đầu vào lập lịch cho yêu cầu người dùng với ràng buộc QoS Trong đó, yêu cầu xem xét đến yếu tố như thời gian đến, chi phí, deadline,