NGHIÊN CỨU MỘT SỐ VẤN ĐỀ LẬP LỊCH TRÊN MÔI TRƯỜNG TÍNH TOÁN ĐÁM MÂY (TT)

ĐẠI HỌC HUẾ TRƯỜNG ĐẠI HỌC KHOA HỌC NGUYỄN HOÀNG HÀ NGHIÊN CỨU MỘT SỐ VẤN ĐỀ LẬP LỊCH TRÊN MÔI TRƯỜNG TÍNH TOÁN ĐÁM MÂY CHUYÊN NGÀNH: KHOA HỌC MÁY TÍNH MÃ SỐ: 62.48.01.01 LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: PGS.TS Lê Văn Sơn PGS.TS Nguyễn Mậu Hân HUẾ, NĂM 2016 Công trình hoàn thành tại: Trường Đại học Khoa học, Đại học Huế Người hướng dẫn khoa học: PGS.TS Lê Văn Sơn Trường Đại học Sư phạm, Đại học Đà Nẵng PGS.TS Nguyễn Mậu Hân Trường Đại học Khoa học, Đại học Huế Phản biện 1: PGS.TS Trần Đình Quế, Học viện Công nghệ Bưu Viễn thông Phản biện 2: PGS.TS Hồ Sỹ Đàm, Đại học Hòa Bình, Hà Nội Phản biện 3: TS Hoàng Bảo Hùng Trường Cao Đẳng Công nghệ Thông tin hữu nghị Việt Hàn, Đà Nẵng Luận án bảo vệ Hội đồng chấm luận án cấp Đại học Huế họp tại: Vào hồi ngày tháng năm Có thể tìm hiểu luận án tại: Trung tâm Thông tin - Thư viện trường Đại học Khoa học, Đại học Huế Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây MỞ ĐẦU Lý chọn đề tài Tính toán đám mây (TTĐM) đời xuất phát từ nhu cầu tính toán yêu cầu dịch vụ với chi phí thấp người sử dụng Thực tế, để giải công việc tổ chức cần tìm lực tính toán mạnh mẽ chi phí thấp Hiện có cách để giải vấn đề Thứ nhất: nâng cấp sở hạ tầng để tính toán, cách tốn chi phí nhân lực lớn; Thứ hai: tận dụng nguồn tài nguyên nhàn rỗi tổ chức thuê nguồn tài nguyên từ bên Cách giải thứ hai mục tiêu TTĐM TTĐM phát triển tính toán phân tán, gặp phải nhiều thách thức lớn cần phải giải Hiện nay, ngày nhiều nhà cung cấp dịch vụ TTĐM, nhà cung cấp có sách quản lý tài nguyên khác Các tài nguyên đa dạng, không đồng khác mặt kiến trúc, giao diện, khả xử lý, v.v Sử dụng hiệu nguồn tài nguyên hoàn toàn không dễ dàng Tại thời điểm có nhiều người dùng yêu cầu dịch vụ TTĐM, người dùng có yêu cầu ràng buộc khác Vì vậy, để đưa lịch trình tối ưu cho người dùng đem lại lợi ích lớn cho nhà cung cấp thách thức lớn cần phải giải Bài toán lập lịch TTĐM phức tạp nhiều so với toán lập lịch truyền thống việc lập lịch TTĐM phải xét môi trường phân tán, động, tài nguyên từ nhiều nhà cung cấp khác nhau, yêu cầu người dùng có ràng buộc chất lượng dịch vụ khác nhau, v.v Mô hình ứng dụng TTĐM đa dạng nhiều so với mô hình tính toán truyền thống, phải nghiên cứu thuật toán cụ thể để đáp ứng nhu cầu cho dạng ứng dụng cụ thể Chính vậy, toán kiểm soát đầu vào lập lịch cho yêu cầu người dùng TTĐM toán khó, phải tìm thuật toán tối ưu để giải toán Các nghiên cứu trước chủ yếu nghiên cứu lập lịch công việc theo hướng hiệu hệ thống, nhằm mục đích tận dụng tối đa hiệu hệ thống Trên TTĐM, nhà nghiên cứu tập trung nghiên cứu lập lịch công việc theo hướng hiệu kinh tế nhằm đem lại lợi nhuận cho nhà cung cấp, thời gian thực nhỏ cho người dùng đồng thời phải thỏa mãn ràng buộc đặt nhà cung cấp người dùng Các thuật toán lập lịch TTĐM thường thuật toán lập lịch động Vì vậy, tối ưu thời gian đưa lịch trình vấn đề mà nhà khoa học quan tâm nghiên cứu Xuất phát từ việc tìm hiểu, nghiên cứu đặc điểm thách thức vấn đề lập lịch TTĐM, chọn đề tài “Nghiên cứu số thuật Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây toán lập lịch môi trường tính toán đám mây” Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: tác nhân hệ thống lập lịch TTĐM Phạm vi nghiên cứu: luận án tập trung nghiên cứu mô hình tác nhân PaaS xây dựng thuật toán kiểm soát đầu vào lập lịch mức tảng Phương pháp nghiên cứu Luận án sử dụng phương pháp: phương pháp tổng hợp mô hình hóa, phương pháp hệ thống hóa, phương pháp thực nghiệm khoa học Ý nghĩa khoa học thực tiễn Ý nghĩa khoa học • Đề xuất thuật toán lập lịch công việc thời gian thực áp dụng cho lớp toán song song TTĐM Luận án đưa thêm tham số chi phí, kết hợp việc phân nhóm tài nguyên xử lý song song để đưa lịch trình tối ưu chi phí thời gian cho yêu cầu người dùng • Xây dựng mô hình toán học cho nhà cung cấp PaaS đề xuất thuật toán kiểm soát đầu vào lập lịch theo hướng tối ưu đa mục tiêu TTĐM Áp dụng heuristic ACO PSO, luận án xây dựng công thức để tính thông tin heuristic xác xuất kiến; xây dựng hàm thích nghi, vị trí tối ưu cục cá thể vị trí tối ưu toàn cục bầy đàn Từ đó, xây dựng toán đề xuất thuật toán kiểm soát đầu vào lập lịch theo hướng tối ưu đa mục tiêu chi phí thời gian Ý nghĩa thực tiễn: kết nghiên cứu áp dụng thực tế đem lại lợi nhuận cho nhà cung cấp SaaS, tổng thời gian thực thấp thỏa mãn ràng buộc QoS người dùng Luận án sử dụng làm tài liệu tham khảo cho sinh viên học viên cao học ngành Công nghệ Thông tin thực đề tài lập lịch công việc hệ phân tán nghiên cứu heuristic bầy đàn Bố cục luận án Luận án trình bày 107 trang, phần mở đầu (4 trang), kết luận (2 trang), danh mục công trình khoa học tác giả liên quan đến luận án (1 trang) tài liệu tham khảo (8 trang), luận án chia thành chương Chương (25 trang) trình bày tổng quan vấn đề lập lịch tính toán đám mây Chương (28 trang) xây dựng toán thuật toán lập lịch công việc thời gian thực tính toán đám mây áp dụng cho lớp toán song song Chương (39 trang) xây dựng mô hình, toán thuật toán lập lịch công việc theo hướng tối ưu đa mục tiêu tính toán đám mây Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây Chương TỔNG QUAN VỀ CÁC VẤN ĐỀ LẬP LỊCH TRÊN TÍNH TOÁN ĐÁM MÂY 1.1 Tổng quan tính toán đám mây 1.1.1 Giới thiệu TTĐM phát triển tính toán phân tán, tính toán song song tính toán lưới R Buyya I Foster định nghĩa TTĐM hệ phân tán, cung cấp dạng tài nguyên ảo dạng dịch vụ theo nhu cầu người dùng môi trường Internet 1.1.2 Đặc điểm tính toán đám mây Các dịch vụ TTĐM có đặc điểm chung sau: giá rẻ, khả co giãn lớn, độ tin cậy cao, dùng chung tài nguyên độc lập vị trí, khả ảo hóa, truy cập diện rộng, dùng trả nhiêu, độc lập thiết bị nhiều người thuê 1.1.3 Kiến trúc tính toán đám mây Kiến trúc TTĐM Ian Foster chia thành tầng bao gồm: tầng tác chế, tầng tài nguyên hợp nhất, tầng tảng tầng ứng dụng 1.1.4 Các mô hình tính toán đám mây Theo NIST, TTĐM bao gồm mô hình dịch vụ: SaaS, PaaS SaaS mô hình triển khai: đám mây công cộng, đám mây riêng, đám mây cộng đồng đám mây lai 1.1.5 Các thách thức tính toán đám mây Bên cạnh lợi ích to lớn, TTĐM gặp số thách thức bảo mật, lập lịch công việc tắt nghẽn mạng lượng khách hàng lớn 1.2 Công cụ mô tính toán đám mây 1.2.1 Giới thệu Các nhà nghiên cứu thường sử dụng công cụ mô để giảm chi phí tùy biến trình nghiên cứu 1.2.2 Một số công cụ mô tính toán đám mây Hiện nay, nhà nghiên cứu xây dựng công cụ mô TTĐM sau: DCSim, CloudSim, GroudSim TeachCloud Theo đánh giá Rahul Malhotra Parveen Kumar CloudSim công cụ tổng quát nhất, giúp cho người dùng tự xây dựng đám mây hoàn chỉnh Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây 1.2.3 Công cụ mô CloudSim CloudSim công cụ mô có khả mở rộng cao CloudSim cung cấp công cụ để tạo sở hạ tầng, dịch vụ, kiện điều khiển, v.v Người lập trình hoàn toàn tạo đám mây theo mục đích 1.3 Bài toán lập lịch tính toán đám mây 1.3.1 Giới thiệu Theo P Brukner lớp toán lập lịch ba < R, T, γ >, đó: R, T , γ tập tài nguyên, yêu cầu tiêu chí tối ưu toán Một lịch trình xác định hàm f : T → R, yêu cầu ti ∈ T ánh xạ vào tài nguyên rj ∈ R 1.3.2 Mô hình tổng quát để lập lịch trung tâm liệu Mô hình tổng quát để lập lịch TTĐM bao gồm tác nhân hệ thống lập lịch Các tác nhân bao gồm người dùng, nhà cung cấp dịch vụ SaaS, PaaS IaaS Hệ thống lập lịch bao gồm chức mức ứng dụng mức tảng 1.3.3 Các phương pháp lập lịch Bài toán lập lịch giải bốn phương pháp: phương pháp liệt kê, phương pháp heuristic, phương pháp nới giảm tham số phương pháp xấp xỉ 1.3.4 Mô hình kinh tế cho toán lập lịch Trong mô hình kinh tế, chủ yếu tập trung lập lịch hai chiến lược: dựa thị trường (market-based) lập lịch dựa đấu giá (auction-based) 1.4 Các nghiên cứu liên quan đến lập lịch tính toán đám mây Lập lịch hệ phân tán tính toán lưới TTĐM có hai cách tiếp cận chính: hướng hiệu hệ thống hướng đến hiệu kinh tế Y Chawla chia lập lịch công việc TTĐM thành loại: lập lịch tĩnh, lập lịch động, lập lịch heuristic, lập lịch luồng công việc lập lịch công việc thời gian thực 1.4.1 Lập lịch tĩnh động Năm 2010, S Pandey đề xuất thuật toán lập lịch cho toán có khối lượng công việc lớn Tuy nhiên, thuật toán bỏ qua chi phí tính toán quan tâm đến chi phí truyền thông Năm 2013, S.Nagadevi liệt kê kỹ thuật lập lịch tĩnh, kỹ thuật áp dụng cho yêu cầu độc lập, máy ảo thực thời gian sẵn sàng máy ảo cập nhật sau yêu cầu hoàn thành Năm 2012, Z Lee M Choudhary đề xuất thuật toán lập lịch ưu tiên động, thuật toán xem xét nhà cung cấp dịch vụ, nhà cung cấp tài nguyên khách hàng để đưa thuật toán nhằm đem lại thời gian chi phí nhỏ không xem xét ràng buộc thời hạn ngân sách yêu cầu Từ năm 2010 đến 2013, J Deng, Lee HanZhao đưa mô hình lập lịch cho yêu cầu TTĐM với mục Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây tiêu đem lại lợi nhuận cho nhà cung cấp dịch vụ xem xét đến chi phí tính toán, chưa xem xét đến chi phí truyền thông thời gian gối đầu yêu cầu 1.4.2 Lập lịch heuristic Từ năm 2010 đến 2012, R Buyya đồng đề xuất thuật toán lập lịch công việc TTĐM theo hướng hiệu hệ thống Nhóm tác giả kết hợp với xử lý song song, heuristics động P SO để xử lý công việc với khối lượng lớn Tuy nhiên thuật toán áp dụng cho lớp toán có khối lượng lớn, thời gian truyền liệu lớn nhiều so với thời gian tính toán K Li (2011) S Zhan (2012) sử dụng heuristic bầy đàn để đưa lịch trình tối ưu thời gian thực hiện, không quan tâm đến ràng buộc QoS người dùng Để tối ưu thời gian thực hiện, K Liu (2009), X Song(2011), Z Bo(2011), V D Bossche (2012) sử dụng heuristic ACO, GA nhằm đưa lịch trình với mục tiêu đem lại thời gian hoàn thành nhỏ cho hệ thống thỏa mãn ràng buộc QoS người dùng Các nghiên cứu tập trung vào ràng buộc thời gian, không quan tâm đến chi phí hệ thống 1.4.3 Lập lịch luồng công việc Năm 2008, Z Yu đề xuất thuật toán lập lịch đa luồng Thuật toán lập lịch cho yêu cầu dựa độ ưu tiên yêu cầu không xem xét đến ràng buộc QoS người dùng Năm 2012, S K Jayadivya tập trung lập lịch đa luồng, dựa vào ràng buộc QoS người dùng Các thuật toán đưa lịch trình có thời gian thực chi phí thấp không quan tâm đến ngân sách yêu cầu 1.4.4 Lập lịch công việc thời gian thực Từ năm 2010 đến 2011, S Liu, Y.Gu Zhu tập trung lập lịch công việc thời gian thực thỏa mãn ràng buộc QoS người dùng Tuy nhiên, thuật toán chưa áp dụng kỹ thuật xử lý song song để tận dụng hết khả máy ảo, chưa tận dụng khoảng thời gian gối đầu yêu cầu để tiết kiệm chi phí Năm 2013, N Ramkumar nghiên cứu 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 thời hạn yêu cầu mà không quan tâm đến chi phí ngân sách 1.5 Mục tiêu đề tài Mục tiêu nghiên cứu luận án: xây dựng mô hình toán để lập lịch công việc thời gian thực áp dụng cho lớp toán song song; xây dựng mô hình toán lập lịch công việc nhà cung cấp PaaS theo hướng tối ưu đa mục tiêu chi phí thời gian; đề xuất thuật toán lập lịch công việc thời gian thực áp dụng cho lớp toán song song thuật toán kiểm soát đầu vào lập lịch công việc theo hướng tối ưu đa mục tiêu Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây Chương LẬP LỊCH CÔNG VIỆC THỜI GIAN THỰC TRONG TÍNH TOÁN ĐÁM MÂY 2.1 Mô hình lập lịch truyền thống Các nghiên cứu trước đây, toán lập lịch giả thuyết số lượng công việc số lượng máy tham gia tính toán cố định M L Pinedo đưa mô hình toán lập lịch bao gồm thành phần: mô hình máy tham gia lập lịch, mô hình công việc mục tiêu toán 2.2 Mô hình lập lịch công việc thời gian thực Mục tiêu lập lịch công việc thời gian thực tăng công suất, tận dụng tối đa hiệu hệ thống cho thỏa mãn thời hạn cho công việc Luận án xây dựng toán lập lịch với ràng buộc người dùng ứng dụng song song xem xét việc lựa chọn tài nguyên theo hai mục tiêu: thời gian hoàn thành công việc nhỏ thỏa mãn thời hạn ngân sách yêu cầu; chi phí thực nhỏ thỏa mãn ràng buộc QoS cho yêu cầu 2.2.1 Mô tả toán Ứng dụng bao gồm tập yêu cầu T , yêu cầu ti ∈ T có thời điểm đến , thời hạn di (chỉ rõ phút) ngân sách (budget) bi (chỉ rõ $) khối lượng công việc wi Khối lượng công việc yêu cầu song song hóa vào đơn vị nhỏ (yêu cầu con), kích cỡ nhỏ yêu cầu p R tập tài nguyên có sẵn thực song song Mỗi tài nguyên rj ∈ R có tốc độ tính toán sj tương ứng chi phí cj để thuê máy ảo Tốc độ sj số chu kỳ tài nguyên hoàn thành phút Người dùng trả chi phí cj để thuê tài nguyên rj khoảng D phút liên tục, D đơn vị nhỏ để thuê Bài toán thứ mô tả sau: “Tìm ánh xạ từ tập yêu cầu T vào tập tập tài nguyên R để tối thiểu tổng thời gian thực thỏa mãn thời hạn ngân sách yêu cầu T ” Bài toán thứ 2: “Tìm ánh xạ từ tập yêu cầu T vào tập tập tài nguyên R để nhỏ toàn chi phí thỏa mãn thời hạn ngân sách yêu cầu T ” 2.2.2 Mô hình toán học cho toán Luận án mở rộng mô hình K.H Kim K Kumar, thời hạn phải xem xét ngân sách yêu cầu, đảm bảo yêu cầu thực trước thời hạn không vượt ngân sách Gọi R = {r1 , r2 , , rM } tập M tài nguyên tính toán, Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây tài nguyên thực song song Mỗi tài nguyên rj ∈ R , sj tốc độ tính toán tính phút, cj chi phí để thuê tài nguyên khoảng thời gian D phút Các tài nguyên nguồn tính toán cho N yêu cầu độc lập, biểu diễn tập T = {t1 , t2 , , tN }, yêu cầu ti ∈ T Gọi amin , dmax thời điểm đến nhỏ thời hạn lớn tất yêu cầu Ký hiệu α(j, k, x) để thể việc chọn tài nguyên:  1 phút x, tài nguyên rj sử dụng từ đến k lần α(j, k, x) = 0 phút x, tài nguyên r không sử dụng (2.1) j Tổng chi phí tài nguyên phút thứ x (x = amin dmax ) tính sau: M y Scost (x) = j=1 k=1 cj × α(j, k, x) D Trong đó, M số tài nguyên R, y = C p (2.2) với: N C= wi (2.3) i=1 p = min{sj , j = M } (2.4) Tổng số chu phút thứ x xác định sau: M y sj × α(j, k, x) Scycle (x) = (2.5) j=1 k=1 2.2.3 Mục tiêu tối ưu chi phí Để đạt mục tiêu nhỏ chi phí phải tìm cực tiểu tổng chi phí: dmax Scost (x) → (2.6) x=amin Để đạt mục tiêu công thức (2.6) phải thỏa mãn hai ràng buộc yêu cầu ti ∈ T : di Scost (x) ≤ bi (2.7) Scycle (x) ≥ wi (2.8) x=ai di x=ai 2.2.4 Mục tiêu tối ưu thời gian Để đạt mục tiêu tối ưu thời gian thực cho yêu cầu phải tìm cực đại tổng số chu kỳ: dmax Scycle (x) → max x=amin Để đạt mục tiêu phải thỏa mãn hai ràng buộc (2.7) (2.8) (2.9) Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây 2.3 Tối ưu kinh tế Mỗi máy ảo nhà cung cấp IaaS thuê D-phút nhà cung cấp SaaS phải trả chi phí cố định D-phút thuê, họ không sử dụng hết D-phút họ phải trả chi phí cho toàn D-phút Luận án tận dụng khoảng thời gian hiệu lực vòng D-phút thuê yêu cầu để thực cho yêu cầu khác nhằm đem lại lợi nhuận cao cho nhà cung cấp SaaS Gọi Ti tập yêu cầu nhà cung cấp với yêu cầu ti gối đầu lên yêu cầu ti , yêu cầu chia sẻ máy ảo Ti xác định sau: Ti = tl |dl ≥ di al < di (2.10) Gọi tiljx thời gian hiệu lực để tính toán cho yêu cầu tl sau thực xong yêu cầu ti máy ảo vmjx tiljx xây dựng sau:   min(D − Uiljx , dl − al ) al − ≥ swijxi    tiljx = D − Uiljx al − < swi dl − ≥ D ijx    d − (a + U )nếu a − a < wi d − a < D l Trong đó: Uiljx = wi sijx i iljx l i l sijx (2.11) i + max(al − di , 0) sijx tốc độ vmjx ánh xạ vào ti Nếu xét nhà cung cấp IaaS công thức (2.11) xây dựng lại sau:   min(D − Uilj , dl − al ) al − ≥ swiji    tilj = D − Uilj al − < swi dl − ≥ D (2.12) ij    d − (a + U )nếu a − a < wi d − a < D l i ilj l i sij l i 2.4 Thuật toán lập lịch hệ thống thời gian thực 2.4.1 Thuật toán lập lịch tối ưu thời gian Các thuật toán sử dụng để giải toán thứ 2.4.1.1 Thuật toán CT O Các bước Thuật toán CT O mô tả Thuật toán 2.1 Nhận xét: thuật toán CT O tối ưu thời gian, đảm bảo yêu cầu hoàn thành trước thời hạn nó, thuật toán số hạn chế: thuật toán CT O xem xét số tài nguyên (máy ảo) nhà cung cấp, xét nhiều nhà cung cấp độ phức tạp thuật toán lớn; yêu cầu hoàn thành trước thời hạn không thỏa mãn ngân sách nó; thời gian thuê tài nguyên D phút có nhiều yêu cầu không sử dụng hết D phút 2.4.1.2 Thuật toán M IN C Để khắc phục hạn chế thuật toán CT O, xây dựng thuật toán M IN C nhằm tận dụng khoảng thời gian hiệu lực yêu cầu với mục tiêu tối ưu chi Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây công việc với thời gian D-phút phải trả chi phí vòng D-phút Thuật toán M IN C tận dụng khoảng thời gian hiệu lực để thực cho yêu cầu tiếp theo, điều dẫn đến chi phí thực cho hệ thống giảm xuống đem lại lợi ích cho nhà cung cấp SaaS • Độ phức tạp thuật toán CT O O(max(M × log2M , G, N × M )) Nếu N > log2M độ phức tạp CT O O(N × M ), ngược lại độ phức tạp CT O O(M × log2M ) Độ phức tạp thuật toán M IN C O(max(N , N × G)), trường hợp xảy nhiều N > G độ phức tạp M IN C O(N ), ngược lại độ phức tạp M IN C O(N × G) 2.4.1.4 Mô đánh giá thuật toán Các thuật toán cài đặt mô công cụ CloudSim 2.0, sử dụng DataCenter, host, 50 máy ảo, số yêu cầu thay đổi từ 100 đến 250 Lịch trình đưa thuật toán CT O M IN C so sánh với thuật toán tham lam EDF (a) So sánh tổng thời gian thuật toán thay(b) So sánh tổng chi phí thuật toán thay đổi số yêu cầu đổi số yêu cầu (c) So sánh tổng thời gian thực thuật toán(d) So sánh tổng chi phí thuật toán thay thay đổi ρ đổi ρ Hình 2.1: So sánh tổng chi phí thời gian thay đổi số yêu cầu ngưỡng Phân tích tổng thời gian chi phí thực thay đổi số yêu cầu 11 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây Hình 2.1(a) (b) trình bày tổng thời gian thực tổng chi phí thuật toán ρ = 5, D = 60, sử dụng 50 máy ảo yêu cầu thay đổi từ 100 đến 250 Phân tích tổng thời gian tổng chi phí thay đổi số ngưỡng ρ Chúng thay đổi ngưỡng ρ từ đến 5, D = 60, sử dụng 250 yêu cầu 50 máy ảo, kết thuật toán thể Hình 2.1(c) Hình 2.1(d) 2.4.2 Thuật toán lập lịch tối ưu chi phí 2.4.2.1 Thuật toán T CO Các bước Thuật toán T CO mô tả thuật toán 2.3 Thuật toán 2.3: TCO Đầu vào: • T = {t1 , t2 , , tN }, ∀ti ∈ T < , di , bi , wi >; • R = {r1 , r2 , , rM }, ∀rj ∈ R Đầu : Mảng Result để xác định số lượng tài nguyên cho yêu cầu; Phương pháp: Chọn ngưỡng ρ ∈ (0, 1] ; Sắp xếp tài nguyên theo thứ tự tăng dần chi phí; Dựa vào ngưỡng ρ để nhóm tài nguyên theo chi phí; G := số nhóm tài nguyên nhóm được; RG := {g1 , g2 , , gG }, gl ∈ G chứa tài nguyên nhóm; Trên nhóm, sếp tài nguyên theo thứ tự giảm dần tốc độ; Result:= CalculateParallel(RG, T ); 2.4.2.2 Mô đánh giá thuật toán Giống thuật toán CT O, thuật toán T CO cài đặt mô công cụ CloudSim 2.0, sử dụng DataCenter, host, 50 máy ảo, số yêu cầu thay đổi từ 100 đến 250 Lịch trình đưa thuật toán T CO M IN C so sánh với thuật toán tham lam EDF Phân tích tổng chi phí thời gian thực thay đổi số yêu cầu Hình 2.2 (a) (b) trình bày tổng chi phí tổng thời gian thực thuật toán T CO, M IN C EDF ρ=0.5, D=60, sử dụng 50 máy ảo yêu cầu thay đổi từ 100 đến 250 Phân tích tổng chi phí tổng thời gian thay đổi ngưỡng ρ Hình 2.2 (c) (d) trình bày kết thuật toán thay đổi ngưỡng ρ từ 0.1 đến 0.5, D = 60, sử dụng 200 yêu cầu 50 máy ảo 12 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây (a) So sánh tổng chi phí thuật toán thay(b) So sánh tổng thời gian thuật toán thay đổi số yêu cầu đổi số yêu cầu (c) So sánh tổng chi phí thuật toán thay(d) So sánh tổng thời gian thực thuật toán đổi ρ thay đổi ρ Hình 2.2: So sánh tổng chi phí thời gian thay đổi số yêu cầu ngưỡng 2.5 Tiểu kết Chương Chương tập trung mô tả xây dựng mô hình cho toán lập lịch thời gian thực ứng dụng song song Kết hợp với xử lý song song phân nhóm, luận án đưa thuật toán CT O, M IN C T CO để giải toán: • Bài toán lập lịch hệ thống thời gian thực theo hướng tối ưu thời gian • Bài toán lập lịch hệ thống thời gian thực theo hướng tối ưu chi phí 13 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây Chương LẬP LỊCH CÔNG VIỆC THEO HƯỚNG TỐI ƯU ĐA MỤC TIÊU TRONG TÍNH TOÁN ĐÁM MÂY 3.1 Mô hình lập lịch theo hướng tối ưu đa mục tiêu Trong TTĐM, tác nhân có yêu cầu dịch vụ cung cấp dịch vụ với mục tiêu khác nhà cung cấp SaaS cần đem lại lợi ích lớn cho mình; nhà cung cấp PaaS cần tận dụng tài nguyên cách hiệu quả, v.v 3.1.1 Mô hình người dùng Luận án mở rộng mô hình người dùng R Buyya cách phát triển thêm thuộc tính thời hạn, ngân sách, v.v Xét N yêu cầu dịch vụ T = {t1 , t2 , , tN }, yêu cầu ti ∈ T < , di , bi , αi , wi , ini , outi >, đó: : thời điểm đến yêu cầu; thời hạn di ; ngân sách bi ; tỉ lệ lãi suất phạt αi ; khối lượng công việc wi ; kích cỡ file đầu vào đầu yêu cầu: ini outi 3.1.2 Mô hình nhà cung cấp IaaS Xem xét Y nhà cung cấp IaaS: X = {1, 2, , Y } Mỗi nhà cung cấp x ∈ X cung cấp Mx máy ảo cho nhà cung cấp SaaS, biểu diễn tập V Mx = {vm1x , vm2x , , vmMx x } Theo mô hình IaaS R Buyya, máy ảo vmjx ∈ V Mx < tjx , pjx , sjx , dtpjx , dtsjx >, đó: thời gian khởi tạo tjx ; giá pjx ; tốc độ xử lý sjx ; giá tính theo dung lượng truyền dtpjx ; tốc độ truyền dtsjx 3.1.3 Mô hình nhà cung cấp PaaS Luận án đề xuất mô hình nhà cung cấp PaaS ba: < R, npmtn, Cmin > < R, npmtn, Tmin > Trong đó, R tập nhà cung cấp IaaS độc lập tài nguyên nhà cung cấp thực song song, npmtn tập N yêu cầu độc lập không theo thứ tự ưu tiên (non-preemptive) Mục đích lập lịch cho yêu cầu người dùng tập tài nguyên nhà cung cấp IaaS theo hướng tối ưu chi phí tối ưu thời gian nghĩa phải tìm Cmin Tmin Gọi Cijx chi phí để xử lý yêu cầu ti ∈ T máy ảo vmjx ∈ V Mx Theo mô hình người dùng mô hình nhà cung cấp IaaS, chi phí Cijx tính sau: Cijx = CPijx + CT Dijx + CIijx + CRijx , đó: wi CPijx = pjx × sjx CT Dijx = dtpjx × ini + outi dtsjx CIijx = tijx × pijx 14 (3.1) (3.2) (3.3) Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây CRijx = αi × βijx (3.4) Gọi Tijx thời gian để xử lý yêu cầu ti ∈ T máy ảo vmjx ∈ V Mx : Tijx = CTijx + DTijx + T Iijx + βijx (3.5) Trong đó: wi sjx (3.6) ini + outi dtsjx (3.7) CTijx = DTijx = T Iijx : thời gian khởi tạo máy ảo có βijx : thời gian vượt thời hạn Hàm mục tiêu chi phí cho yêu cầu ti ∈ T biểu diễn sau: fcost (ti ) = x=1 Y, j=1 Mx {Cijx } (3.8) mục tiêu nhà cung cấp SaaS tìm cực đại tổng lợi nhuận: N (bi − fcost (ti )) → max (3.9) i=1 thỏa mãn ràng buộc cho yêu cầu ti : Cijx < bi (3.10) Tijx ≤ di + βijx (3.11) Hàm mục tiêu thời gian cho yêu cầu ti ∈ T biểu diễn sau: ftime (ti ) = x=1 Y, j=1 Mx {Tijx } (3.12) mục tiêu người dùng tìm cực tiểu tổng thời gian thực hiện: N (ftime (ti )) → (3.13) i=1 thỏa mãn ràng buộc công thức (3.10) (3.11) 3.2 Xây dựng toán theo hướng tối ưu đa mục tiêu Trong phần nghiên cứu phương pháp heuristic ACO P SO để xây dựng toán nhằm đạt mục tiêu cho người dùng nhà cung cấp SaaS 3.2.1 Tối ưu hóa đàn kiến (ACO) Thuật toán ACO dựa hành vi đàn kiến tự nhiên Marco Dorigo giới thiệu, để áp dụng thuật toán ACO vào toán cụ thể, luận án xây dựng thông tin: hàm cực tiểu F , thông tin heuristic η, cập nhật lại mùi xác suất P sau: Với mục tiêu tối ưu chi phí, hàm cực tiểu F thông tin heuristic để yêu cầu ti ∈ T tìm máy ảo vmx ∈ V Mx xác định sau: F (ti ) = x=1 Y, j=1 Mx 15 {Cijx } (3.14) Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây ηijx = Cijx (3.15) Với mục tiêu tối ưu thời gian, hàm cực tiểu F ηijx xác định sau: F (ti ) = x=1 Y, j=1 Mx ηijx = {Tijx } (3.16) Tijx (3.17) Cập nhật lại mùi để lại kiến qua: τijx = (1 − ρ)τijx + ∆τijx (3.18) Xác suất để yêu cầu ti ∈ T chọn máy ảo vmjx ∈ V Mx : τijx ηijx Pijx = Y Mx x=1 j=1 τijx ηijx (3.19) Với mục tiêu tối ưu chi phí, xác suất để ti ∈ T chọn vmjx ∈ V Mx tính sau: (1 − ρ)τijx + Pijx = Y x=1 Mx j=1 1−ρ F (ti ) (1 − ρ)τijx + Cijx 1−ρ F (ti ) (3.20) Cijx Với mục tiêu tối ưu thời gian, xác suất để ti ∈ T chọn vmjx ∈ V Mx : (1 − ρ)τijx + Pijx = Y x=1 Mx j=1 1−ρ F (ti ) (1 − ρ)τijx + Tijx 1−ρ F (ti ) (3.21) Tijx 3.2.2 Tối ưu hóa bầy đàn (P SO) Thuật toán P SO dựa kinh nghiệm bầy đàn đề xuất Eberhart Kennedy Để áp dụng thuật toán P SO vào toán cụ thể, luận án xây dựng thông tin: vị trí, vận tốc, hàm thích nghi, vị trí tối ưu cục cá thể vị trí tối ưu toàn cục bầy đàn sau: M.Clerc đưa công thức để cập nhật lại vị trí vận tốc sau hệ sau: vxj+1 = K ωvxj + c1 z1 (P bestx − posjx ) + c2 z2 (Gbest − posjx ) (3.22) posj+1 = posjx + vxj+1 x (3.23) Trong đó: K hệ số hội tụ, posjx : vị trí cá thể thứ x chiều j; posj+1 x : vị trí cá thể x chiều j + 1; c1 ,c2 : hệ số gia tốc; z1 ,z2 : số ngẫu nhiên 1; vxj : vận tốc cá thể x chiều j; P bestx : vị trí cục tốt cá thể x; Gbest: vị trí tốt toàn cục toàn bầy đàn Hàm thích nghi chi phí để cá thể x chọn máy ảo vmjx ∈ V Mx cho yêu cầu ti ∈ T : Fcost (posjix ) = (3.24) Cijx Vị trí tối ưu cục chi phí cá thể x chiều j + cho ti xác định: 16 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây pbj+1 ix = j pbj+1 Fcost (posj+1 ix ix ) ≥ Fcost (posix ) Cijx ≤ bi Tijx ≤ di + βijx pbjix ngược lại (3.25) Vị trí tối ưu cục (P bestx ) xác định: P bestx = max x=1 Y, j=1 Mx {pbjix } (3.26) Vị trí tối ưu toàn cục đàn (Gbest) xác định sau: Gbest = max {P bestx } x=1 Y (3.27) 3.3 Thuật toán lập lịch tối ưu đa mục tiêu dựa ACO 3.3.1 Phát biểu toán Ứng dụng bao gồm N yêu cầu dịch vụ, biểu diễn tập T = {t1 , t2 , , tN }, yêu cầu ti ∈ T < , di , bi , αi , wi , ini , outi > gửi lên nhà cung cấp SaaS bao gồm thuộc tính ràng buộc QoS thể phần 3.1.1 Nhà cung cấp SaaS thuê tài nguyên từ Y nhà cung cấp IaaS Mỗi nhà cung cấp x (x = Y ) cung cấp Mx máy ảo, máy ảo vmjx ∈ V Mx < tjx , pjx , sjx , dtpjx , dtsjx > thể phần 3.1.2 Khi nhận tập yêu cầu người dùng, nhà cung cấp PaaS tiến hành tính toán chi phí thời gian thực mô hình phần 3.1.3 Từ đó, định từ chối hay chấp nhận yêu cầu người dùng Nếu yêu cầu chấp nhận lập lịch ánh xạ vào tài nguyên hợp lý 3.3.2 Thuật toán lập lịch tối ưu đa mục tiêu chi phí 3.3.2.1 Thuật toán ACACO Mục tiêu thuật toán ACACO nhằm đem lại lợi ích lớn cho nhà cung cấp SaaS Các bước thuật toán mô tả Thuật toán 3.1 3.3.2.2 Thuật toán lập lịch M P rof it Thuật toán M P rof it tận dụng khoảng thời gian hiệu lực vòng D-phút thuê yêu cầu nằm nhà cung cấp để đem lại lợi nhuận cao cho nhà cung cấp SaaS Các bước thuật toán M prof it mô tả thuật toán 3.2 3.3.2.3 Phân tích thuật toán ACACO M prof it • Thomas Stutzle, Marco Dorigo chứng minh tính hội tụ thuật toán ACO điều đảm bảo tính hội tụ thuật toán ACACO đề xuất • Giống thuật toán CT O, thời điểm lập lịch tập liệu đầu vào X, V Mx T hoàn toàn xác định • Thuật toán ACACO ánh xạ yêu cầu ti ∈ T vào máy ảo vmjx ∈ V Mx dựa vào xác suất Pijx công thức (3.20) Vì vậy, chi phí máy ảo vmjx bé 17 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây Thuật toán 3.1: ACACO Đầu vào: • T = {t1 , t2 , , tN }, ∀ti ∈ T < , di , bi , αi , wi , ini , outi > ; • X = {1, 2, , Y }, V Mx = {vm1x , vm2x , , vm(M x)x }, ∀x ∈ X; Đầu : Một lịch trình S = {ti → vmjx , ti ∈ T, vmjx ∈ V Mx }; Phương pháp: S := ∅; foreach ti ∈ T si := T est(ti , X, V Mx ); if si = ∅ then Thông báo cho người dùng yêu cầu bị từ chối ; else S := S ∪ {si }; return S; Function Test(ti ∈ T, X, V Mx ) ST := ∅; foreach kiến thứ k foreach nhà cung cấp x ∈ X Tính thông tin heuristic cho yêu cầu ti máy ảo vmjx : ηijx := ; CPijx +CT Dijx +CIijx +CRijx Tìm giá trị mùi tại: τijx ; Tính thời gian thực ti máy ảo vmjx công thức (3.5): Cập nhật lại mùi: công thức (3.18): τijx := (1 − ρ)τijx + 1−ρ ; F (ti ) Tính xác suất để ti ánh xạ vào vmjx công thức (3.20); Dựa vào xác suất tính để tìm máy ảo vmjx có xác suất lớn thỏa mãn ràng buộc công thức (3.10) (3.11); if tìm thấy vmjx then ST := ST ∪ {ti → vmjx } ; 10 11 if ti ∈ / ST then 12 return ∅; 13 14 else Tìm giải pháp tối ưu si cách phân tích kiến danh sách lập lịch ST ; 15 return si 18 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây Thuật toán 3.2: Mprofit Đầu vào: U ST := S ; Đầu : Một lịch trình tối ưu ST để ánh xạ yêu cầu vào máy ảo; Phương pháp: ST:= ∅ ; Sắp xếp ánh xạ U ST theo nhà cung cấp; G := {g1 , , gY }, gx ∈ G nhóm ánh xạ nhà cung cấp x; Tạo Y luồng chạy đồng thời T H := {th1 , , thY }, thx ∈ T H tìm kiếm tài nguyên nhóm gx ∈ G; foreach thx ∈ T H /* ti ánh xạ nhóm gx ∈ G */ P U SH(ti ) ; ST := ST ∪ {ti }; gx := gx \ {ti }; while gx = ∅ ti := P OP () ; /* Lấy ti từ ngăn xếp */ 10 Tìm Ti := tl |dl ≥ di al < di tl nằm nhóm với ti ; 11 Tính tiljx yêu cầu Ti công thức (2.11); 12 Dựa vào max(tiljx ) để tìm tl ; 13 if tl thỏa mãn thời hạn ràng buộc (3.11) then 14 Tính lại wl cập nhật lại trạng thái cho tl ; 15 else 16 if |gx | > then 17 tl := ti+1 ; 18 19 20 21 /* ti+1 ánh xạ chưa xét đến nhóm gx */ else break ; P U SH(tl ); ST := ST ∪ {tl }; gx := gx \ {ti }; Dựa vào ST để đưa lịch trình ánh xạ yêu cầu vào tài nguyên; thông tin heuristic lớn, điều dẫn đến mùi để lại xác suất 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 toán M prof it: sau xếp yêu cầu theo nhà cung cấp tạo G nhóm, nhóm chứa yêu cầu chấp nhận nhà cung cấp Vì vậy, ta áp dụng mô hình lập trình chia xẻ nhớ để tạo G luồng chạy đồng thời, điều tối ưu thời gian đưa lịch trình cho thuật toán Thuật toán ACACO chấp nhận từ chối yêu cầu khách hàng Trong yêu cầu chấp nhận có nhiều yêu cầu thực không hết thời gian thuê, thuật toán M prof it xét nhà cung cấp IaaS để tận dụng 19 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây khoảng thời gian hiệu lực nhằm thực cho yêu cầu Điều đem lại lợi ích cho nhà cung cấp SaaS • Độ phức tạp thuật toán ACACO là: O(N × Y × Mx ) • Độ phức tạp thuật toán M P rof it O(N ) 3.3.2.4 Mô đánh giá thuật toán Các thuật toán cài đặt mô ngôn ngữ Java, gói công cụ CloudSim với thông số sau: sử dụng Datacenter, 10 host vật lý, số máy ảo thay đổi từ 100 đến 500 số yêu cầu thay đổi từ 1000 đến 5000 Thuật toán ACACO M prof it so sánh với thuật toán tham lam EDF Hình 3.1 (a) (b) 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 Hình 3.1 (c) (d) trình bày kết tổng chi phí tổng số thời gian ba thuật toán cố định số yêu cầu 1000 thay đổi số máy ảo từ 100 đến 500 (a) Tổng chi phí thay đổi yêu cầu (b) Số yêu cầu bị phạt thay đổi yêu cầu (c) Tổng chi phí thay đổi số máy ảo (d) Tổng thời gian thay đổi đổi số máy ảo Hình 3.1: Tổng chi phí tổng số yêu cầu bị phạt thay đổi số yêu cầu máy ảo 3.3.3 Thuật toán lập lịch tối ưu đa mục tiêu thời gian Mục tiêu thuật toán nhằm đem lại thời gian thực nhỏ cho người dùng 20 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây 3.3.3.1 Thuật toán kiểm soát đầu vào lập lịch ACT ACO Ý tưởng thuật toán giống thuật toán ACACO thay đổi mục tiêu sử dụng công thức (3.16), (3.17), (3.18) (3.21) để xác định thông tin hàm cực tiểu F , thông tin heuristic ηijx , cập nhật lại mùi xác suất P 3.3.3.2 Mô đánh giá thuật toán Hình 3.2 (a) (b) trình bày kết tổng thời gian tổng chi phí thuật toán sử dụng 1000 yêu cầu 100 máy ảo Hình 3.2 (c) (d) trình bày kết thuật toán sử dụng 100 máy ảo số yêu cầu thay đổi từ 1000 đến 5000 (a) Tổng thời gian cố định số yêu cầu (b) Tổng chi phí cố định số yêu cầu (c) Tổng thời gian thay đổi số yêu cầu (d) Tổng chi phí thay đổi số yêu cầu Hình 3.2: Kết mô thuật toán 3.4 Thuật toán lập lịch tối ưu đa mục tiêu dựa P SO Trong phần này, luận án áp dụng heuristic P SO để tìm kiếm tài nguyên cho yêu cầu người dùng đề xuất thuật toán dựa toán xây dựng phần 3.2.2 3.4.1 Phát biểu toán Bài toán mô tả phần 3.3.1 3.4.2 Thuật toán tối ưu ACP SO 21 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây 3.4.2.1 Thuật toán ACP SO Thuật toán 3.3: ACPSO Đầu vào: • T = {t1 , t2 , , tN }, ∀ti ∈ T < , di , bi , αi , wi , ini , outi > ; • X = {1, 2, , Y } ∀x ∈ X, V Mx = {vm1x , vm2x , , vm(M x)x }, ∀vmjx ∈ V Mx < tjx , pjx , sjx , dtpjx , dtsjx > ; Đầu : Một lịch trình S = {ti → vmjx , ti ∈ T, vmjx ∈ V Mx } ; Phương pháp: Khởi tạo: vị trí, vận tốc cá thể, S, P bestx , Gbest, hệ số K ϕ; Tạo Y luồng chạy đồng thời T H := {th1 , , thY }, luồng thx ∈ T H tìm kiếm tài nguyên nhà cung cấp x ∈ X; foreach ti ∈ T foreach thx ∈ T H Tính hàm thích nghi công thức (3.24); Tìm vị trí tối ưu cục cá thể x chiều j + công thức (3.25) Tính P bestj công thức (3.26); Tính Gbesti công thức (3.27); Dựa vào Gbesti , tìm máy ảo vmjx thỏa mãn ràng buộc (3.10) (3.11); if tìm thấy vmjx then 10 11 12 S := S ∪ {ti → vmjx } ; else Thông báo cho người dùng yêu cầu bị từ chối; 13 foreach thx ∈ T H 14 for j:=1 to Mx 15 vxj+1 := K (ωvxj + c1 z1 (P bestx − posjx ) + c2 z2 (Gbest − posjx )); 16 posj+1 := posjx + vxj+1 ; x 3.4.2.2 Phân tích thuật toán ACP SO • M Clerc chứng minh tính hội tụ thuật toán P SO Điều đảm bảo tính hội tụ thuật toán ACP SO • Giống thuật toán ACACO, đầu vào thuật toán ACP SO thời điểm lập lịch xác định tập T , X, V Mx • Đối với thuật toán ACP SO: đầu vào thuật toán Y nhà cung cấp độc lập với nhau, ta tạo Y luồng chạy đồng thời, luồng thx ∈ T H cá thể tìm kiếm tập máy ảo nhà cung cấp tương ứng Điều giảm độ phức tạp tối ưu thời gian đưa lịch trình thuật toán 22 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây Mỗi cá thể (luồng) tập trung ánh xạ yêu cầu ti ∈ T vào máy ảo vmjx ∈ V Mx dựa vào hàm thích nghi công thức (3.24) Vì vậy, chi phí Cijx bé hàm thích nghi cao, nên xác suất để yêu cầu ti 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 • Độ phức tạp thuật toán ACP SO O(N × Mx ) 3.4.2.3 Mô đánh giá thuật toán Các tham số mô xác định phần 3.3.2.4 Hình 3.3 (a) (b) trình bày kết so sánh tổng chi phí tổng lợi nhuận cố định số 1000 yêu cầu 150 máy ảo Hình 3.3 (c) (d) trình bày kết thay đổi số yêu cầu sử dụng 150 máy ảo (a) Tổng chi phí cố định yêu cầu (b) Tổng lợi nhuận cố định yêu cầu (c) Tổng chi phí thay đổi yêu cầu (d) Tổng lợi nhuận thay đổi yêu cầu Hình 3.3: Kết mô thuật toán 3.5 Tiểu kết Chương Chương tập trung xây dựng thuật toán ACACO, ACT ACO, M prof it ACP SO để giải lớp toán đa mục tiêu chi phí thời gian cho nhà cung cấp người dùng 23 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây KẾT LUẬN Bám sát mục tiêu đề ra, nội dung luận án đạt sau: Đề xuất mô hình thuật toán lập lịch công việc thời gian thực áp dụng cho lớp toán song song theo hướng tối ưu thời gian chi phí Chúng kết hợp xử lý song song, phân nhóm tài nguyên theo chi phí thời gian, tận dụng khoảng thời gian gối đầu yêu cầu để đề xuất ba thuật toán CT O, T CO M IN C Các thuật toán cài đặt mô CloudSim Thông qua việc mô phỏng, phân tích đánh giá, kết ba thuật toán tối ưu chi phí thời gian thuật toán EDF có Xây dựng mô hình cho thành phần môi trường TTĐM Luận án áp dụng lại mô hình toán học nhà cung cấp IaaS phát triển thêm thuộc tính người dùng R Buyya đồng nghiệp đề xuất Từ đó, tập trung xây dựng mô hình cho nhà cung cấp PaaS mô hình tối ưu chi phí cho nhà cung cấp SaaS Đề xuất thuật toán lập lịch theo hướng tối ưu đa mục tiêu chi phí dựa xử lý song song, heurictis ACO P SO Đối với heurictis ACO, luận án xây dựng hàm cực tiểu, thông tin heuristic xác suất để lựa chọn tài nguyên có chi phí thấp Đối với heurictis P SO, luận án đưa hàm thích nghi để tối ưu chi phí đưa công thức tính vị trí cục thỏa mãn ràng buộc QoS người dùng Từ đó, đề xuất ba thuật toán ACACO, ACP SO M prof it Cả ba thuật toán đem lại lợi ích lớn cho nhà cung cấp SaaS, chi phí thấp cho người dùng thỏa mãn ràng buộc QoS cho yêu cầu Cả ba thuật toán cài đặt mô công cụ CloudSim so sánh với thuật toán EDF có Theo phân tích đánh giá kết mô cho thấy áp dụng thuật toán M prof it cho ACACO cho chi phí thấp Mặc dù kết thuật toán ACP SO có chi phí cao ACACO thuật toán ACP SO chạy nhanh cân tải so thuật toán ACACO Đề xuất thuật toán lập lịch theo hướng tối ưu đa mục tiêu thời gian dựa heurictis ACO Luận án đề xuất thuật toán ACT ACO kết hợp với thuật toán M prof it nhằm tối ưu thời gian thực cho người dùng đem lại lợi ích cho nhà cung cấp SaaS thỏa mãn ràng buộc QoS yêu cầu Thông qua việc phân tích, đánh giá kết mô công cụ CloudSim cho thấy kết hợp hai thuật toán M prof it ACT ACO lại với kết có cải tiến đáng kể thời gian chi phí so với thuật toán EDF có Mặc dù vậy, luận án chưa nghiên cứu khả lập lịch lại yêu cầu bị thất bại thực lịch trình Trong mô phỏng, luận án chưa nghiên cứu thuật toán lập lịch tối ưu để cung cấp máy ảo trung tâm liệu chưa nghiên cứu thuật toán lập lịch ứng dụng để đảm bảo độ tin cậy tính bảo mật Đây thiếu sót luận án hướng phát triển luận án thời gian tới 24 Nghiên cứu số thuật toán lập lịch môi trường tính toán đám mây DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN Nguyễn Hoàng Hà, Lê Văn Sơn, Nguyễn Mậu Hân, Thuật toán lập lịch động môi trường điện toán đám mây dựa Heuristic Steiner, kỷ yếu hội thảo quốc gia lần thứ 15 "Một số vấn đề chọn lọc Công nghệ thông tin truyền thông", trang 436 - 442, 2013 Nguyễn Hoàng Hà, Lê Văn Sơn, Nguyễn Mậu Hân, Một thuật toán lập lịch môi trường tính toán đám mây dựa thuật toán ACO, kỷ yếu hội nghị khoa học công nghệ quốc gia lần thứ 6, FAIR "Nghiên cứu ứng dụng Công nghệ Thông tin", trang 331 - 340, 2013 Nguyễn Hoàng Hà, Lê Văn Sơn, Nguyễn Mậu Hân, Nguyễn Thanh Bình, Định vị tài nguyên cho yêu cầu tính toán đám mây dựa ràng buộc thời hạn ngân sách, tạp chí Khoa học Công nghệ, tạp chí Đại học Đà Nẵng, số 7(80), trang 107 - 110, 2014 Nguyễn Hoàng Hà, Lê Văn Sơn, Nguyễn Mậu Hân, Định vị tài nguyên cho yêu cầu tính toán đám mây dựa ràng buộc QoS, chuyên san Công nghệ Thông tin truyền thông, tạp chí Khoa học Kỹ thuật, học viện Kỹ thuật Quân sự, số 5, trang 58 71, 2014 Nguyễn Hoàng Hà, Lê Văn Sơn, Nguyễn Mậu Hân, Kiểm soát đầu vào để lập lịch cho yêu cầu người dùng tính toán đám mây dựa vào ràng buộc QoS, công trình nghiên cứu, phát triển ứng dụng Công nghệ thông tin Truyền thông", tạp chí Công nghệ thông tin truyền thông, số 13 (33), trang 16 - 25, 2015 Nguyễn Hoàng Hà, Lê Văn Sơn, Nguyễn Mậu Hân, Thuật toán lập lịch cho yêu cầu người dùng tính toán đám mây dựa heuristic PSO, tạp chí Khoa học, Đại học Huế, số 7(106), trang 83 - 96, 2014 Nguyễn Hoàng Hà, Nguyễn Thanh Bình, Scheduling algorithm for user requirements on cloud computing base on deadline and budget constraints, Journal of Computer Science and Cybernetics, no (31), pages 231-243, 2015 Ha Nguyen Hoang, Son Le Van, Han Nguyen Mau, Cuong Phan Nhat Bien, Admission Control and Scheduling Algorithms Based on ACO and PSO Heuristic for Optimizing Cost in Cloud Computing, 8th Asian Conference on Intelligent Information and Database Systems (ACIIDS) 2016, volume 642 of Studies in Computational Intelligence, pages 15 28, Springer, 2016 25