Một trong những vấn đề chính khiến điện toán đám mây thành công là kỹ thuật cân bằng tải được sử dụng trong bộ cân bằng tải để giảm thiểu chi phí thời gian và tối ưu hóa chi phí một các
Trang 1
NAT) (ae
The Saigon International
University
KHOA: KY THUAT& KHOA HOC MAY TINH
BAO CAO CUOI KY
MON DIEN TOAN DAM MAY
DE TAI:
ITA: THUẬT TOÁN GIẢM TÓC ĐỘ ĐƯỢC CẢI TIỀN CUA
CÂN BẰNG TẢI TRÊN ĐIỆN TOAN DAM MAY
Sinh viên thực hiện
Lê Công Danh
MSSV: 81012202515
Giang vién:
PGS TS Tran Cong Hung
HKI - NĂM HỌC 2024-2025
Trang 2ITA: THUAT TOAN GIAM TOC ĐỘ DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
LOI CAM ON
Trước tiên, em xin gửi lời cảm ơn chân thành và sâu sắc đến PGS TS Trần Công
Hùng, người đã tận tình hướng dẫn và hỗ trợ em trong suốt quá trình thực hiện tiêu luận môn Điện toán đám mây Những kiến thức và kinh nghiệm quý báu mà Thây chia
sẻ đã p1úp em hiệu rõ hơn về lĩnh vực này và hoàn thành bài tiêu luận một cách tôt nhật
Em đặc biệt trân trọng sự kiên nhẫn và nhiệt huyết của Thay trong việc piải đáp mọi thắc mắc và cung cấp những tài liệu hữu ích Sự tận tâm của Thầy không chỉ giúp em nắm vững kiến thức mà còn truyền cảm hứng đề em tiếp tục nghiên cứu và phát triển
trong lĩnh vực công nghệ thong tin
Cuối cùng, em xin cảm ơn gia đình và bạn bè, những người đã luôn động viên, ủng hộ
em trong suốt quá trình thực hiện tiểu luận này Chính sự p1úp đỡ và hỗ trợ nhiệt tình của mọi npười là nguồn động lực to lớn để em hoàn thành tốt nhiệm vụ được giao
Em xin chan thanh cam on!
Trang 3ITA: THUAT TOAN GIAM TOC ĐỘ DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
MUC LUC
2.2 THUAT TOAN ROUND-ROBIN CÓ TRỌNG SỐ S2 221112111112111112111111 11.1111 3 2.4 THUẠT TOÁN THROTTLED 5-5552 2222222234 21233113111311111111111111111111111111.1111 111111111111 4
Trang 4ITA: THUAT TOAN GIAM TOC ĐỘ DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
TOM TAT
Điện toán đám mây làm bùng nỗ ngành công nghệ thông tin Đây là giải pháp tuyệt
vời cho các doanh nghiệp muốn tiết kiệm chỉ phí nhưng vẫn đảm bảo chất lượng dịch
vụ Một trong những vấn đề chính khiến điện toán đám mây thành công là kỹ thuật cân
bằng tải được sử dụng trong bộ cân bằng tải để giảm thiểu chi phí thời gian và tối ưu
hóa chi phí một cách kinh tế Bài báo này đề xuất một thuật toán để tang thoi gian xu
ly các tác vụ để có thê giúp cải thiện khả năng cân bằng tải trên điện toán đám mây
Thuật toán này, được đặt tên là Thuật toán giới hạn cải tiến (TTA), là một cải tiến của
Thuật toán giới hạn Bài báo sử dụng công cụ Cloud Analyst để mô phỏng Các thuật
toán được chọn được sử dụng để so sánh: Equally Load, Round Robin,Throttled va
TMA Kết quả mô phỏng cho thấy thuật toán ITA được đề xuất đã cải thiện thời gian
xử lý các tác vụ, thời gian xử lý các yêu cầu và giảm chỉ phí của Trung tâm dữ liệu so
với các thuật toán phô biến được chọn như trên Sự cải tiễn của ITA là do lựa chọn các
máy ảo trong một bảng chỉ mục có sẵn nhưng theo thứ tự ưu tiên Nó giup thor gian
phản hồi và thời gian xử lý được ôn định, hạn chế tài nguyên nhàn rỗi và giảm thiểu
chi phí đám mây so với các thuật toán đã chọn
TỪ KHÓA
Điện toán đám mây, Cân bằng tải, Thời ø1an xử lý, Thuật toán điều tiết được cải thiện
1 GIỚI THIỆU
Ngày nay, khi nhu cầu sử dụng tài nguyên và địch vụ chung trên Internet ngày cảng
tăng nhanh, thì vẫn đề đảm bảo hiệu quả về thời gian, chất lượng dịch vụ và tiết kiệm
chi phi là mục đích lớn nhất Đề đáp ứng nhu cầu đó, vào tháng 6 năm 2007, mô hình
Điện toán đám mây đã ra mắt và Amazon đã thúc đây nghiên cứu và triển khai Ngay
sau đó, với sự tham ø1a của các công ty lớn: Microsoft, Google, IBM, v.v Dién toán
đám mây được thúc đây đề phát triển mạnh mẽ Điện toán đám mây (Cloud
Computine) [1] [2] [2] [4] là xu hướng phát triển mạng máy tính, kế thừa các mạng
trước đây và các khái niệm điện toán phân tán để tích hợp tài nguyên máy theo yêu
cau, theo cách thuận tiện và nhanh hơn Nó cho phép người dùng cung cấp dịch vụ,
giải phóng tài nguyên dễ dàng, giảm giao tiếp với nhà cung cấp và người dùng chỉ cần trả tiền cho những gi ho da str dung (trả tiền theo mức sử dụng) Theo [4], QoS trong
đám mây bao gồm các mô hình sau: bộ cân bằng tải, mô hình hệ thông và các ứng
dụng của mô hình QoS Từ đây, chúng ta có thê thấy rằng cân bằng tải là một trong
những yếu tô quan trọng trong việc đảm bảo chất lượng dịch vụ trên đám mây và là
một trong những hướng nghiên cứu để phát triển và cải thiện đám mây Đề cải thiện
hiệu suất của các dịch vụ đám mây, quản lý tài nguyên [Š] phải đối mặt với các vấn đề
cơ bản như phân bô tài nguyên, phản hồi tài nguyên, kết nỗi với các tải nguyên, khám phá các tài nguyên chưa sử dụng, lập bản đồ các tài nguyên tương ứng, mô hình hóa
các tài nguyên, cung cấp tài nguyên và lập kế hoạch sử dụng tài nguyên Đặc biệt, kế
1
GVHD: PGS.TS Tran Công Hùng
Trang 5ITA: THUAT TOAN GIAM TOC ĐỘ DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
hoạch sử dụng tài nguyên là DOI: 10.5121/ijcne.2022.14102 dựa trên các kết nối theo
thời gian và thời gian xử lý của dịch vụ Từ đó chúng ta có thể nghiên cứu cách cải
thiện thời gian xử lý, chúng ta đưa ra giải pháp cho việc phân bô yêu cầu trone cân
bằng tải Đây là một trong những hướng nghiên cứu để cải thiện công nghệ đám mây
va lam cho dam mây ngày càng hoàn hảo và tiên tiến hơn Điện toán đám mây [6], [7] [8], [9] đã phát triển từ những năm 1980 qua nhiều giai đoạn bao gồm điện toán lưới
và tiện ích, Nhà cung cấp dịch vụ ứng đụng và phần mềm dưới dạng dịch vụ (Software
as a Service) Cho dén nim 2006, thuat ngữ "điện toán đám mây" thực sự nổi lên mạnh
mẽ Trong thời gian nay, Amazon đã phát hành các dịch vụ Elastic Compute Cloud
(EC2), cho phép mọi người "thuê sức mạnh tính toán và sức mạnh xử lý" để chạy các
ứng dụng doanh nghiệp của họ, bắt đầu
cung cấp các ứng dụng doanh nghiệp dựa trên trình duyệt trong năm đó Ba năm sau,
vào năm 2009, Google App Engine ra đời và trở thành một trong những cột mốc lịch
sử của sự phát triển điện toán đám mây Tuy nhiên, cùng với sự phát triển liên tục,
điều này cũng sẽ dẫn đến một số vấn đề về điện toán đám mây, đặc biệt là vấn đề quá
tải trên điện toán đám mây Do đó, nhiều thuật toán cân bằng tải đã xuất hiện đề giải
quyết vấn đề quá tải Trong bài báo này, chúng tôi đề xuất ITA, Thuật toán điều tiết
cải tiền, giúp tăng cường cân bằng tải với thời gian xử lý tác vụ tốt hơn Bài báo bao
gồm các phân sau: Phần I là giới thiệu; Phân II thảo luận về các công trình liên quan;
Phân III là thuật toán đề xuất ITA; Phần IV là kết quả mô phỏng và đánh giá; Phần V
là kết luận
2 CÔNG VIỆC LIÊN QUAN
Các nhà nghiên cứu đã làm việc về cân bằng tải và họ đã tìm ra nhiều thuật toán để
giải quyết những vấn đề nảy trên điện toán đám mây Để nghiên cứu điện toán đám
mây, Rajkumar Buyya và các đồng tác giả [10] đã báo cáo dự án phát triển Công cụ
phân tích đám mây, một công cụ mô phỏng để mọi người tạo môi trường đám mây và thử nghiệm Trong báo cáo này, họ đã tích hợp một số thuật toán nỗi tiếng bên trong
Công cụ này đang mở ra một thế hệ nghiên cứu điện toán đám mây mới, đặc biệt là bộ cân bằng tải Cho đến năm 2018, D Asir va cộng sự [11] đã một lần nữa đánh giá
CloudSim và các công cụ liên quan như Cloud Analyst Bài báo đã cho chúng ta thấy
một triển vọng rất tích cực của CloudSim Họ kết luận rằng CloudSim là một công cụ
tuyệt vời để mọi người phát triển và nghiên cứu đám mây trước khi triển khai,
CloudSim cũng giup chung ta m6 hình hóa và mô phỏng môi trường điện toán đám
mây một cách hiệu quả Sau khi CloudSim và các công cụ của nó xuất hiện, nhiều
nghiên cứu đã được tiến hành và thực hiện tốt trone môi trường mô phỏng này Năm
2012, Klaithem A1 Nuaimi và cộng sự [12] đã khảo sát và cung cấp cho độc giả bức
tranh toàn cảnh về bộ cân bằng tải trên đám mây Những øì họ đã giới thiệu là những
thách thức trong việc cân bằng tải và họ đã xem xét các thuật toán cân bằng tải hiện có (bộ cân bằng tải tĩnh và động) Nghiên cứu này cũng đánh giá một số thuật toán nổi
tiếng như CLBDM (Mô hình quyết định cân bằng tải trung tâm), thuật toán
2
GVHD: PGS.TS Tran Công Hùng
Trang 6ITA: THUAT TOAN GIAM TOC ĐỘ DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY MapReduce, thuat toán MapReduce, WLC (kết nối ít nhất có trọng số), ESWLC (Dự
bao lam min theo cap số nhân dựa trên Kết nối it nhất có trọng số), thuật toán tải
xuống theo hai hướng từ máy chủ FTP (DDFTP), Cân bằng tải Min-Min (LBMM),
thuật toán Cân bằng tải cơ hội (OLB) Năm 2015, Abhay Kumar và cộng sự [13] đã
đề xuất một bộ cân bằng tải tĩnh mới trên đám mây, các tác giả đã kết hợp Thuật toán
cân bằng tải giám sát với Thuật toán cân bằng tải bị giới hạn cho phương pháp tiếp
cận mới của họ Mô phỏng của nghiên cứu này được so sánh với Thuật toán Throttled,
sử dụng Thời gian phản hỏi tổng thê và Thời gian xử lý trung tâm dữ liệu Kết quả đầu
ra tốt hơn Thuật toán Throtfle Với trọng tâm của nghiên cứu này, chúng tôi muốn
giới thiệu về các thuật toán gần đâyphô biến và nôi tiếng trong cân bằng tải trên điện
toán đám mây
2.1 THUẬT TOÁN ROUND-ROBIN
N Swarnkar va cong su [14] đã thảo luận về phương pháp tiếp cận vòng tròn Round-
Robin trong cân bằng tải Kỹ thuật cân bằng tải Round-Robin là kỹ thuật đơn giản nhất
được xây dựng và sử dụng rộng rãi cho các hệ thống chia sé thời gian Round-Robin
thực hiện phân phối tải công bằng theo thứ tự vòng tròn luân phiên của các VMI Thuật toán này có những ưu điểm như thuật toán đơn giản, đảm bảo hoạt động công bằng để
xử lý kịp thời các tác vụ, phản hồi nhanh nếu sức mạnh xử lý của các VMI được cho là
bằng nhau Thuật toán này không có tình trạng đói Nhược điểm của Round Robin:
mỗi nút có một khoang thoi gian cô định, không có tính linh hoạt và mở rộng, có nhiều
nút có thé có tải nặng trong khi những nút khác có thê nhàn rỗi, không lưu trạng thái
phân bô trước đó của VM
2.2 THUAT TOAN ROUND-ROBIN CO TRONG SO
S Swaroop Moharana va c6ng sw [15] da thao luan về thuật toán Robin cé trọng số để cân bằng tải trong môi trường đám mây Thuật toán Round-Robin có trọng số thực hiện phân phối tuần hoàn dựa trên thuật toán Round-Robin và đựa vào kha năng của mỗi máy ảo thông qua bảng trọng số của nó đề phân phối tải cho các máy ảo tương ứng Ưu điểm của thuật toán này: thuật toán Round-Robin được cải tiến, hoạt động theo cách xoay vòng nhưng kết hợp với bảng trọng số của khả năng xử lý của máy ảo, hiệu quả hơn Round-Robin ban đầu trong trường hợp sức mạnh xử lý của máy ảo khác nhau Bên cạnh đó, nhược điểm là: không có tính linh hoạt và mở rộng, không lưu trang thái phân bố trước đó của máy ảo
GVHD: PGS.TS Tran Công Hùng
Trang 7ITA: THUAT TOAN GIAM TOC ĐỘ DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
Weighted Distribution
2.3 Thuật toán cân bằng tải giám sát chủ động
Thuật toán cân bằng tải giám sát chủ động [16] nhằm mục đích duy trì cân bằng tải
trên tất cả các máy ảo khả dụng Thuật toán duy trì thông tin về từng máy ảo và số
lượng yêu cầu hiện tại được phân bô cho máy ảo tương ứng Khi một yêu cầu được
phân bô trong một máy ảo, máy ảo có tải ít nhất sẽ được trung tâm dữ liệu trung gian
xác định Nếu có nhiều hơn một VM khả dung, ID may ao dau tién sé duoc chon Sau
đó, trung tâm đữ liệu ở g1ữa sẽ sửi yêu cầu đến máy ảo được xác định bởi ID đó và
cập nhật phân bô yêu cầu cho máy ảo Khi trung tâm dữ liệu ở giữa nhận được phản
hỗồi từ Cloudlet, nó sẽ giảm số lượng phân bố cho máy ảo đi một Với thuật toán này,
ưu điểm: thời sian thực hiện phụ thuộc vào trạng thái của hệ thống, tải sẽ được chuyền
từ VM tải nặng sang VM tải nhẹ hơn, cải thiện dang ké thời gian phản hồi Nhược
điểm: chỉ dựa vào tải hiện tại của VM để phân bỗ các yêu cầu mới, chọn VM tải ít hơn
để quyết định có thực hiện phân bồ yêu cầu tiếp theo hay không Đôi khi, điều này sẽ
không mang lại kết quả tốt trong một số trường hợp
2.4 THUẬT TOÁN THROTTLED
Makroo và cộng sự [17] đã thảo luận về phương pháp cân bằng tải bị điều tiết cho môi trường đám mây Thuật toán bị điều tiết cân bằng tải bằng cách duy trì bảng câu hình của các máy ảo và trạng thái của chúng Khi cần phân bô yêu cầu trong các máy ảo từ
4 GVHD: PGS.TS Tran Công Hùng
Trang 8ITA: THUAT TOAN GIAM TOC DO DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
Trung tâm đữ liệu, bộ cân bằng tai sé chon VM duoc tim thay dau tién trong danh sach các VM khả dụng Nếu tìm thấy máy ảo, yêu cầu sẽ được phân bổ cho máy ảo này Nếu không tìm thấy VM nào, nó sẽ trả về Trung tâm đữ liệu với giá trị = -1, sau đó Trung tâm dữ liệu sẽ đưa yêu cầu/tác vụ này vào hàng đợi và chờ VMI được tìm thấy Thuật toán này là thuật toán cân bằng tải động, Ưu điểm: danh sách các máy ảo được duy trì với trạng thái của VM, hiệu suất tốt, sử dụng tài nguyên hiệu quả Nhược điểm: cần quét tất cả các WM, sẽ không hiệu quả nếu VM nhàn rỗi nằm ở cuối danh sách vì thuật toán yêu cầu chọn máy ảo nhàn rỗi đầu tiên từ danh sách để phân bô tác vụ, không xem xét tải hiện tại của các máy ảo
GVHD: PGS.TS Tran Công Hùng
Trang 9ITA: THUAT TOAN GIAM TOC DO DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
Nam 2014, Rakesh Kumar Mishra va cong sw [19] da dé xuat hai tùy chọn hiệu quả để chọn trung tâm dữ liệu nhằm giảm thời gian xử lý Dé xuất đầu tiên là chọn một trung tâm dữ liệu ưa thích dựa trên phương pháp Round Robin So với thuật toán chọn ngẫu nhiên, thời gian xử ly của trung tâm dữ liệu tốt hơn, nhưng tải nguyên không được xử
lý tốt Đề xuất tiếp theo dựa trên phương pháp Round Robin mở rộng để chọn một
trung tâm dữ liệu có thời gian xử lý tốt hơn so với phương pháp chọn ngẫu nhiên,
nhưng điều này phụ thuộc vảo chỉ phí cấu hình và lập lịch của trung tâm dữ liệu Thay
vì chọn một trung tâm dữ liệu ngẫu nhiên, thuật toán có thê chọn trung tâm đữ liệu theo phương pháp Round-Robin để phân phối các yêu cầu đồng đều trên tất cả các trung tâm đữ liệu trong đám mây Điều này dẫn đến việc sử dụng nhiều tài nguyên hơn, nhưng các trung tâm dữ liệu có thê có tốc độ xử lý và chi phí khác nhau
Năm 2017, Imtiyaz Ahmad và cộng sự [20] đã đề xuất Thuật toán cân bằng tải được
điều chỉnh nâng cao.Mức độ ưu tiên được chỉ định cho mỗi VM Mức độ ưu tiên được tính toán dựa trên dung lượng của VM và số lượng và kích thước của các tác vụ được chỉ định cho hoạt động Bộ lập lịch điều chỉnh được cải tiến sẽ chọn VM có mức độ ưu tiên cao nhất trong số các tập VM khả dụng Một ngưỡng mức độ ưu tiên cũng được thiết lập dé tránh quá tải Nếu mức độ ưu tiên của VM thấp hơn mức độ ưu tiên, thi tac
vụ sẽ không được phân bồ cho VM đó
Năm 2018, Nguyễn Xuân Phi và cộng sự [21] đã đề xuất TMA, Thuật toán điều chỉnh
được điều chỉnh, để giảm thời gian phản hồi và thời gian xử lý trên điện toán đám mây Thuật toán này có hai chỉ mục để mô tả trạng thái của VM khả dụng, 0 là VM khả dụng và 1 là VM không khả dụng Trạng thai VM được duy trì với bảng 2 chỉ mục thay vì quét tất cả trạng thái của VMI Nó chỉ cần phân bô yêu cầu cho máy ảo trong bảng khả dụng, do đó, điều này làm giảm thời gian phản hồi và thời gian xử lý Kết quả của thuật toán tăng lên đáng kế khi số lượng máy ảo tăng lên
Năm 2018, bài viết của Gupta, S Et al [22] nhằm mục đích tôi đa hóa thông lượng và tăng hiệu suất của các dịch vụ đám mây bằng cách để xuất một phương pháp cân bằng tải mới Các tác p1ả đã chọn Throttled, Round-Robin và thuật toán được đề xuất của
GVHD: PGS.TS Tran Công Hùng
Trang 10ITA: THUAT TOAN GIAM TOC DO DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
Năm 2019, Trần Công Hùng ct al [23] đề xuất thuật toán MMSIA để cải thiện thuật
toán lập lịch Max-Min, giúp cải thiện thời gian thực hiện các yêu cầu bằng cách phân cụm kích thước của các yêu cầu và phan tram su dung phan cum cua VM Sau do, thuật toán phân bổ các yêu cầu cụm lớn nhất cho VM có phan trăm sử dụng nhỏ nhất,
điều này sẽ được lặp lại cho đến khi danh sách yêu cầu trống Trong kết quả mô phỏng, thuật toán MMSIA đã cải thiện thời gian thực hiện
Năm 2020, bài báo nghiên cứu của Abiodun K Moses và cộng sự [24] đã đề xuất một phương pháp sử dụng cả thuật toán tối đa-tối thiểu và thuật toán vòng tròn (MMRR) Với thuật toán này, nhiệm vụ có thời øian thực hiện dài sẽ được phân bỗ bằng Max-
Mi và nhiệm vụ có thời ø1an thực hiện nhỏ nhất sẽ được phân bỗ bằng Round-Robin Trong bài báo này, các tác p1ả cũng sử dụng công cụ Cloud
analyst để triển khai kỹ thuật được đề xuất và thực hiện phân tích so sánh với thuật toán được tiền hành đề tối ưu hóa các địch vụ đám mây cho khách hàng Các phát hiện của phương pháp tiếp cận được đề xuất này cho thấy Maximum Minimum Round Robin (MMRR) đã tạo ra những thay đổi đáng kế đối với điện toán đám mây Theo kết quả mô phỏng, thời gian tải của trung tâm dữ liệu là tốt trong ca Throttled va MMRR, nhung Round Robin la té nhất MMRR được đề xuất hoạt động tốt hơnso với các thuật toán khác được thử nghiệm dựa trên toàn bộ thời gian phản hồi (227,26ms) va hiéu
qua vé chi phi (89%)
Cũng trong năm 2020, Badshaha P Mulla và cộng sự [25] đã nghiên cứu về phân bổ
VM trong đám mây không đồng nhất Các tác giả đã đề xuất một cải tiến trong cân
7
GVHD: PGS.TS Tran Công Hùng
Trang 11ITA: THUAT TOAN GIAM TOC DO DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
bằng tải để phân bổ VMI hiệu quả trong đám mây không đồng nhất Đề xuất của họ phân bô các tác vụ hoặc yêu cầu của người dùng độc lập cho các máy ao kha dung trong trung tâm dữ liệu một cách hiệu quả để quản lý cân bằng tải phù hợp Họ nhằm mục đích giảm thiểu thời gian phản hồi cũng như thời gian xử lý các yêu cầu Công việc được đề xuất đã được mô phỏng trên ứng dụng mạng xã hội dựa trên đám mây Facebook trên internet Kết quả của họ đã thu được sự giảm đáng ké thoi gian phan hồi, điều này dẫn đến thời gian xử lý của trung tâm dữ liệu cũng giảm, so với các thuật toan Throttled va Round-Robin
Nam 2021, T J B Durga Devi va cong sy [26] da đề xuất một ứng dụng của hệ thống suy luận mờ thần kinh trone cân bằng tải Trong bài viết này, các tác giả cũng đề cập dén tinh bao mat cua VM trong môi trường đám mây Bài toán tối ưu hóa NP-hard tương ứng với cân bằng tải Họ theo Forbes về việc giới thiệu Quy định bảo vệ đữ liệu chung, tính bảo mật trong dam may tiếp tục là một vấn đề, hệ thống hiện tại sử dụng
LB lai dựa trên mờ, nhưng điều này không thỏa mãn Các tác giả tập trung vào các cơ
hội để cải thiện việc sử dụng CPU và thời gian xử lý và về mặt bảo mật, họ đã để xuất
công trình của mình, MANEIS (Hệ thống suy luận mờ thần kinh thích ứng đã sửa đôi) Các tham số của MANEIS được tối ưu hóa bằng cách giới thiệu Thuật toán Fire-fly Tính bảo mật là áp đặt lên xác thực người dùng bằng cách sử dụng Mật mã đường cong Elliptic nâng cao Đây là cơ chế không cần mật khâu để xác thực người dùng Với kết quả, các tác giả cho chúng ta biết sự cải thiện và mức độ thỏa đáng của bảo mật trên đám mây, chúng cho thây hiệu suất tốt hơn về việc sử dụng tài nguyên, chi phí và thời gian thực hiện, khi so sánh với hệ thống hiện có, như được thể hiện bởi kết
quả thử nghiệm
Năm 2021, một bản tổng quan của Dalia Abdulkareem Shañq và cộng sự [27], nghiên cứu đánh giá cho thấy rằng Cân bằng tải là một khía cạnh quan trọng trên môi trường Điện toán đám mây, giúp tăng cường phân phối khối lượng công việc và sử dụng tải nguyên hiệu quả, đặc biệt là cải thiện thời gian phản hồi cho người dùng đám mây Bài báo cho chúng ta biết rằng có rất nhiều vấn đề liên quan đến LB, đó là lập lịch các tác
vụ, di chuyển, sử dụng tài nguyên, v.v Các tác giả khảo sát và phân tích sáu năm
8
GVHD: PGS.TS Tran Công Hùng
Trang 12ITA: THUAT TOAN GIAM TOC DO DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
nghiên cứu và nghiên cứu về Cân bằng tải trong quá khứ Đánh giá này cũng cho chúng ta thấy tiềm năng của các phương pháp tiếp cận thông minh như Trí tuệ nhân tạo, Học máy cho LB trên đám mây Nghiên cứu này sẽ hữu ích cho các nhà nghiên cứu trong việc xác định các vấn để nghiên cứu liên quan đến cân bằng tải, đặc biệt là
để giảm thêm thời gian phản hồi và tránh lỗi trong máy chủ Một lợi thế khác của nghiên cứu này đối với đề xuất của chúng tôi, đó là về các công cụ mô phỏng và môi trường thử nghiệm Chúng cũng chỉ ra rằng, CloudSim và Cloud Analyst là những công cụ sử dụng tốt nhất cho lĩnh vực nghiên cửu nảy, đó là lợi ích của các công cụ
nảy Các nghiên cứu và tìm hiểu gần đây về cân bằng tải đang phát triển rộng rãi,
nhưng hâu hết trong số chúng đều dựa trên phương pháp tìm kiếm và cải tiến các thuật toán hiện có do các đặc điểm của đám mây Trên đám mây, LB phải hoạt động theo thời ø1an thực để phục vụ nhanh nhất có thể cho các yêu cầu của người dùng, vì vậy các nhà nghiên cứu và nhà cung cấp đám mây không thể trực tiếp thêm hoặc tích hợp các kỹ thuật AI hoặc Học máy vào LB Với các hướng này, chúng ta có thể cải thiện Thuật toán điều tiết bằng cách triển khai việc thiếu nó, đó là thứ tự ưu tiên của VM Các công trình liên quan ở trên cung cấp cho chúng ta ngày càng nhiều ý tưởng để
giúp nâng cao hiệu suất của LB trên đám mây, do đó chúng tôi muốn đề xuất ITA của
mình, một cải tiên của Thuật toán điều tiết
3 THUẬT TOÁN ĐÈ XUẤT
Hiện nay, do đặc tính động của Thuật toán Throttled, thuật toán này trone cân bằng tải được nhiều bài viết và công trình nghiên cứu đề cập và cải tiến Với nhiều mục đích
cải tiến để giảm thời gian phản hồi và thời gian xử lý đám mây, giảm lãng phí tải
nguyên và giảm mắt cân bằng tải, chúng tôi cũng muốn đề xuất một cải tiến của thuật toán Throttled, có tên là Thuật toán Throttled được cải tiến (TA) Trong nghiên cứu
nảy, thuật toán được đề xuất cải tiễn từ công trình của [21] để giúp tăng thời gian phản
hồi, thời gian xử lý yêu cầu và giảm chỉ phí của Trung tâm dữ liệu Với thuật toán này, chúng tôi chọn một máy ảo đề cân bằng tải bằng cách sử đụng chỉ mục có sẵn theo thứ
tự ưu tiên Cách tiếp cận này giúp bộ cân bằng tải có thời gian xử lý nhanh hơn và
giảm thiêu tài nguyên nhản rồi
GVHD: PGS.TS Tran Công Hùng
Trang 13ITA: THUAT TOAN GIAM TOC ĐỘ DUOC CAI TIEN CUA CAN BANG TAI TREN DIEN TOAN
DAM MAY
3.1 MO HINH TIM KIEM
Là một thuật toán cải tiến từ Throttled, ITA đã chọn máy ảo khả dụng đầu tiên để gán
tác vụ với tài nguyên đã chọn Cụ thé, máy ảo đã chọn được tính là được sử dụng it nhất (mức sử dụng tối thiểu), mức sử dụng này được tính theo tổng thời gian xử lý (Makespan) của tác vụ gần đây nhất
Makespan ITA Algorithm VMs-LIST
Request 1 » |Find the VM in the VMi
available-index table
lowest usage (Min Usage) Request 3 |» :
q and allocate the coming ———————* VM:
Hình 3 Mô hình tìm kiếm của ITA
Mức sử dụng được tính từ tông thời gian xử lý của tác vụ gần đây nhất Chỉ phí trung tâm dữ liệu được xác định bởi tông Chi phí truyền dữ liệu và Chi phí thuê máy ảo
Với mô hình nghiên cứu này, chúng tôi có các giả định: Bộ cân bằng tải biết trước các
yêu cầu đầu vào; Bộ cân bang tải biết trước đanh sách các máy ảo, khả năng của các máy ảo (các máy ảo này có cùng cấu hình RAM, bộ nhớ và CPU; các máy chủ vật
lý có cùng cau hinh RAM, bộ nhớ, CPU, băng thông và sự khác biệt về mặt địa lý của các trung tâm đữ liệu) Mục tiêu của mô hình nghiên cứu này: Giảm thiểu thời gian
phản hồi và thời gian xử lý (makespan); Giúp xử lý các yêu cầu nhanh hơn; Hạn chế
mất cân bằng tải
3.2 Các bước của thuật toán
Trình tự của thuật toán [TA được giải thích và mô tả theo các bước sau:
Bước I: Bộ cân bằng tai cua [TA thực hiện cân bằng tải bằng cách duy trì và liên tục
cập nhật
danh sách Sử dụng máy ảo
10 GVHD: PGS.TS Tran Công Hùng
