Quá trình nghiên cứu thực hiện luận văn “Nghiên cứu kỹ thuật cân bằng tải trong điện toán đám mây”, luận văn tập trung nghiên cứu các kỹ thuật cân bằng tải trong điện toán đám mây hiện nay, trên cơ sở đó đã phân tích, đánh giá và có đề xuất thuật toán cải tiến dựa trên môi trường mô phỏng, kết quảđã hoàn thành được các mục tiêu sau:
1) Nghiên cứu tổng quát về kỹ thuật cân bằng tải trong điện toán đám mây. 2) Nghiên cứu hướng tiếp cận mới về điện toán đám mây thông qua môi trường mô hình mô phỏng điện toán đám mây sử dụng bộ thư việnCloudSim càiđặt và thử nghiệm các chínhsáchcân bằng tải hiện nay. Dựa trên kết quả thu được tìm ra điểm hạn chế của các thuật toán cân bằng tải hiện tại cụ thể là thuật toán Active Monitoring Load Balancer, và từ đó đề xuất thuật toán
cải tiến.
3) Kết quả đạt được là thuật toán đề xuất cải tiến đáp ứng được mục tiêu cải thiện hiệu năng điện toán đám mây như là có thời gian đáp ứng và thời gian xử lý dữ liệu nhanh hơn so với thuật toán Active Monitoring Load Balancer.
4) Thuật toán này hoàn toàn có thể ứng dụng vào thực tế để thay thế thuật toán Active Monitoring Load Balancer.
Hạn chế luận văn:
- Luận văn mới thực hiện cân bằng tải tại một data center. - Chưa được ứng dụng vào môi trường thực tế.
Kiến nghị hướng nghiên cứu tiếp theo:
- Thực hiện việc cân bằng tải trên nhiều data center liên kết với nhau. - Đưa thuật toán cân bằng tải này áp dụng vào môi trường thực tế.
DANH MỤC TÀI LIỆU THAM KHẢO
[1] Ajith Singh. N, M. Hemalatha, “An Approach on Semi- Distributed Load Balancing Algorithm for Cloud Computing System”, International Journal of Computer Applications (0975 – 8887) Volume 56– No.12, October 2012.
[2] BalazsGerofi, Hajime Fujita and Yutaka Ishikawa (2010), “An Efficient Process Live Migration Mechanism for Load Balanced Distributed Virtual Environments”, 2010 IEEE International Conference on Cluster Computing, 978-0-7695-4220-1/10 $26.00 © 2010 IEEE DOI 10.1109/CLUSTER.2010.25.
[3] CloudSim 3.0 API (Application Programming Interface), The Cloud Computing and Distributed Systems(CLOUDS) Laboratory, The University of Melbourne , available: http://www.cloudbus.org/cloudsim/doc/api/index.html.
[4] D.T. Pham, A. Ghanbarzadeh, E. Koç, S. Otri , S. Rahim , M. Zaidi (2006), “The Bees Algorithm – A Novel Tool for Complex Optimisation Problems”, The 2nd International Virtual Conference on Intelligent Production Machines and Systems (IPROMS 2006).
[5] Derek L. Eager, Edward D. Lazowska and John Zahorjan (1986), “A Comparison of Receiver-Initiated and Sender-Initiated Adaptive Load Sharing *”, the 1985 ACM SIGMETR1CS Conference on Measurement and Modeling of Computer Systems, Austin, TX, August 26-29, 1985.
[6] Firas D. Ahmed, Amer Al Nejam (2013), “Cloud Computing: Technical Challenges and CloudSim Functionalities”, International Journal of Science and Research (IJSR), India Online ISSN: 2319-7064, Volume 2 Issue 1, January 2013.
[7] JasminJames, Dr. BhupendraVerma (09 Sep 2012), “Efficient vm load balancing algorithm for a cloud computing environment”, International Journal on Computer Science and Engineering (IJCSE).
[9] Jinhua Hu, JianhuaGu, Guofei Sun and Tianhai Zhao (2010), “A Scheduling Strategy on Load Balancing of Virtual Machine Resources in Cloud Computing Environment”, 2010 Third International Symposium on on Parallel Architectures, Algorithms and Programming.
[10] Kun Li, GaochaoXu, Guangyu Zhao, Yushuang Dong, Dan Wang (2011), “Cloud Task scheduling based on Load Balancing Ant Colony Optimization”, 2011 Sixth Annual ChinaGrid Conference.
[11] Md. Firoj Ali, Rafiqul Zaman Khan (Vol.3, No.2, April 2012), “The study on Load Balancing strategies in distributed computing system”, International Journal of Computer Science & Engineering Survey (IJCSES). [12] Nidhi Jain Kansal, InderveerChana (2012), “Cloud Load
Balancing Techniques : A Step Towards Green Computing”, IJCSI International Journal of Computer Science Issues, Vol. 9, Issue 1, No 1, January 2012.
[13] Prof. Meenakshi Sharma, Pankaj Sharma (2012), “Performance Evaluation of Adaptive Virtual Machine Load Balancing Algorithm”, International Journal of Advanced Computer Science and Applications (IJACSA).
[14] Ram Prasad Padhy (107CS046), P Goutam Prasad Rao (107CS039) (2011), Load Balancing In Cloud Computing Systems, Department of Computer Science and Engineering National Institute of Technology,
Rourkela Rourkela-769 008, Orissa, India.
[15] Ratan Mishra and Anant Jaiswal (Vol.3, No.2, April 2012), “Ant colony Optimization: A Solution of Load balancing in Cloud”, International Journal of Web & Semantic Technology (IJWesT).
[16] Rodrigo N. Calheiros, Rajiv Ranjan, Anton Beloglazov, Cesar A. F. De Rose, and RajkumarBuyya (January 2011), CloudSim: A Toolkit for Modeling and Simulation of Cloud Computing Environments and Evaluation of Resource Provisioning Algorithms, Software: Practice and Experience, Volume 41, Number 1, Pages: 23-50, ISSN: 0038-0644, Wiley Press, New York, USA.
[17] Sandhya K. V, G. Raju (2011), “A Dynamic Sender-initiated Load Sharing Algorithm for Cluster with Reduced Polling”, 2011 International Conference on Recent Trends in Information Systems.
[18] Soumya Ray and Ajanta De Sarkar (2012), “Execution Analysis of Load Balancing Algorithms in Cloud Computing Environment”, International Journal on Cloud Computing: Services and Architecture (IJCCSA),Vol.2, No.5, October 2012.
[19] Sumit Kumar Bose, Scott Brock, Ronald Skeoch, NisaruddinShaikh and ShrishaRao (2011), “Optimizing Live Migration of Virtual Machines Across Wide Area Networks Using Integrated Replication and Scheduling”, Systems Conference (SysCon) 2011 IEEE International.
[20] Y. Ranjith Kumar, M. MadhuPriya, K. ShahuChatrapati (Vol. 2 Issue 2, February-2013), “Effective Distributed Dynamic Load Balancing For The Clouds”, International Journal of Engineering Research & Technology (IJERT).
[21] Yatendra Sahu, R.K. Pateriy (Volume 65, No.24, March 2013), “Cloud Computing Overview with Load Balancing Techniques”, International Journal of Computer Applications (0975–8887).
[22] Yi Zhao, Wenlong Huang (2009), “Adaptive Distributed Load Balancing Algorithm based on Live Migration of Virtual Machines in Cloud”, 2009 Fifth International Joint Conference on INC, IMS and IDC, pp: 6/09.
[23] Yiqiu FANG, Daohong TANG and Junwei GE (2012), “Energy-aware Schedule Strategy Based on Dynamic Migration of Virtual Machines in Cloud Computing”, Journal of Computational Information Systems 8: 10 (2012) 4201-4208 Available at http://www.Jofcis.com.
[24] Soumya Ranjan Jena, Zulfikhar Ahmad (2013), “Response Time Minimization of Different Load Balancing Algorithms in Cloud Computing Environment”, International Journal of Computer Applications (0975– 8887), Volume 69, No.17, May 2013.
PHỤ LỤC
GIỚI THIỆU VỀ THƯ VIỆN MÔ PHỎNG CLOUDSIM
1. Giới thiệu
CloudSim [16], là bộ thư viện toolkit nó hỗ trợ mô hình hóa hệ thống điện toán đám mây, các thành phần hệ thống như là: Trung tâm môi giới hay Broker, Trung tâm dữ liệu, máy ảo, các chính sách cung cấp nguồn tài nguyên và các chính sách quản lýcácthành phần khác nhau của hệ thống. Cácthành phần này có thểđặt cùng với nhau giúp người dùng có thể đánh giá các chiến lược mới trong việc sử dụng đám mây như các chính sách, thuật toán lập lịch, ánh xạ và chính sách cân bằng tải,… Nó có thể dùngđánh giá hiệu quả của chiến lược về chí phí, lợi nhuận để tăng tốc độ thời gian thực thi ứng dụng, nó cũng hỗ trợ đánh giá các chính sách IT xanh. Các lớp thư viện mà CloudSim cung cấp từ đó các chính sách mới có thể mở rộng hoặc thay thế để phục vụ cho mục đích nghiên cứu như một khối xây dựng sẳn sàng để sử dụng. Cloudsim là một bộ mô phỏng, vì thế nó không chạy với bất kỳ kỹ thuật phần mềm nào. Sự mô phỏng có thể định nghĩa là “chạy một mô hình của một phần mềm trong một mô hình phần cứng”. Tất cả về mô hình, chi tiết kỹ thuật cụ thể đều được trừu tượng.
2. Môi trường mô hình mô phỏng CloudSim
2.1. Những thuận lợi trong việc nghiên cứu CloudSim
Có nhiều khó khăn phải đối mặt với việc kiểm tra và thử nghiệm các vấn đề trong điện toán đám mây. Chẳng hạn như nhu cầu về tiết kiệm năng lượng cho công nghệ thông tin, nhu cầu về tiết kiệm thời gian và thử nghiệm, đánh giá các thuật toán, các ứng dụng và các chính sách trước khi đưa ra môi trường đám mây thực. Một trong những cách tiếp cận phù hợp để làm cho tất cả những khó khăn trên trở nên dễ dàng là công cụ mô hình và mô phỏng CloudSim. Công cụ này có thể mở rộng để kiểm tra các giả thuyết và các thử nghiệm. Các đối tượng của công cụ mô phỏng này cung cấp một framework có thể mở rộng cho phép mô hình, mô phỏng, và thử nghiệm cơ sở hạ tầng điện toán đám mây và các dịch vụ ứng dụng chạy trên đó. Bằng cách sử dụng CloudSim, bất kỳ nhà nghiên cứu hay tổ chức quan tâm có thể tập trung vào các vấn đề cụ thểvà muốn nhận được giải pháp cho nó, mà không
cần đăng nhập vào cơ sở hạ tầng và dịch vụ ở mức độ thấp. Nếu không có công cụ này phải dựa trên những đánh giá không chính xác hay cách tiếp cận dựa trên phương pháp thử sai, và cách tiếp cận này có thể dẫn đến sự thực hiện dịch vụ không hiệu quả [6]. Có nhiều thuận lợi của việc sử dụng CloudSim để kiểm tra hiệu suất ban đầu như: (1) Hiệu quả thời gian: mất rất ít công sức và thời gian để thực hiện các ứng dụng dựa trên đám mây. (2) Linh hoạt: các nhà phát triển có thể dễ dàng mô hình và kiểm tra hiệu suất của các ứng dụng và dịch vụ của họ trong các môi trường không đồng nhất như là Microsoft Azure, Amazon EC2.