Cloud computing is an emerging high performance computing environment with a large scale, heterogeneous collection of autonomous systems and flexible computational architecture. The performance of the scheduling system influences the cost benefit of this computing paradigm. To reduce the energy consumption and improve the profit, a job scheduling model based on the particle swarm optimization(PSO) algorithm is established for cloud computing. Based on open source cloud computing simulation platform CloudSim, compared to GA and random scheduling algorithms, the results show that the proposed algorithm can obtain a better solution concerning the energy cost and profit

چکیده

رایانش ابری یک محیط محاسباتی در حال ظهور کارآمد با مجموعه ای مقیاس بالا و ناهمگون از سیستم های مستقل و معماری محاسباتی انعطاف پذیر است. کارایی سیستم زمان بندی بر سود مربوط به هزینه ی نمونه ی محاسباتی تاثیر می گذارد. برای کاهش مصرف انرژی و بهبود سود، یک مدل زمان بندی کار بر اساس الگوریتم بهینه سازی اجتماع ذرات برای رایانش ابری بنا نهاده شده است. بر اساس بستر شبیه سازی محاسباتی متن باز رایانش ابری CloudSim، نتایج نشان می دهند که الگوریتم پیشنهادی می تواند در مقایسه با GA و الگوریتم های زمان بندی تصادفی، در مورد هزینه ی انرژی و سود به جواب بهتری دست پیدا کند.

1-مقدمه

رایانش ابری، رویای طولانی «محاسبه به عنوان یک ابزار» و «محاسبه در زمان تقاضا»، یک مجموعه ی مقیاس بالای ناهمگون از سیستم های مستقل با معماری محاسباتی انعطاف پذیر و قوی برای ارائه ی خدمات فراگیر به کاربران از طریق اینترنت است که در آن انباری از منابع محاسباتی (مثلاً شبکه ها، واحدهای محاسباتی، انباره ها، اپلیکیشن ها، داده ها) ناهمگون، مجازی شده، قابل مقیاس گذاری به صورت پویا، با دسترس پذیری بالا، قابل پیکربندی و پیکربندی مجدد را می توان با کم ترین تلاش مدیریتی در مراکز داده به سرعت تهیه کرده و آزاد کرد [1] [2]. یک سیستم زمان بندی به صورت کارامد منابع را به وظایف لازم تخصیص می دهد و تعادل بار منبع، امنیت، قابلیت اطمینان و تحمل پذیری خطا را بهبود می بخشد...