الگوریتم های برنامه ریزی منابع در محاسبات ابری برای تخصیص منابع به طور موثر در میان کاربران و برنامه های متعدد ضروری هستند، آنها قصد دارند عملکرد سیستم را بهینه سازی کنند در حالی که اطمینان از دسترسی منصفانه به منابع را دارند.

انواع الگوریتم های Scheduling

چندین الگوریتم برای برنامه ریزی منابع در محیط های ابری استفاده می شود:

  • [[۱] [۱۰] رابین: [[۱۰] [۱۰] منابع را به طور مساوی در یک دستور چرخه توزیع می کند.
  • تخصیص منابع بر اساس سطوح اولویت کار.
  • [در این باره] [و] [در این باره]، [[[۱]]] [[۱]]] [[۱]]] [۱] [۱]] [۱]] [۱] [۱] [۱۰]] [۱] [۱] [۱]] [۱] [۱] [۱]] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱]] [۱] [۱] [۱]]] [۱] [۱]] [۱]] [۱] [۱]]]]]]]]] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱]]]] [۱] [۱]]] [۱] [۱
  • -Min و Max-Min: [FLT 1] بر به حداقل رساندن زمان تکمیل یا به حداکثر رساندن عدالت تمرکز کنید.

تعادل کارایی و انصاف

کارایی در برنامه ریزی منابع به حداکثر رساندن سیستم از طریقput و به حداقل رساندن زمان پاسخ اشاره دارد.آمین تضمین می کند که تمام کاربران یا وظایف دسترسی عادلانه به منابع را دریافت می کنند. دستیابی به هر دو نیازمند معامله است، زیرا بهینه سازی برای یک می تواند بر دیگری تاثیر بگذارد.

الگوریتم های سازگار به طور پویا سیاست های برنامه ریزی را بر اساس کار و حالت سیستم تنظیم می کنند.برای مثال، آنها ممکن است وظایف را با زمان انتظار طولانی تر برای بهبود عدالت اولویت بندی کنند، در حالی که هنوز هم از طریق بالا برای بهره وری کلی حفظ می کنند.

چالش ها و ملاحظات

پیاده سازی برنامه ریزی منابع موثر شامل پرداختن به چندین چالش است:

  • مدیریت انواع مختلف کار و اولویت ها
  • مدیریت محتوا منابع در میان کاربران متعدد
  • اطمینان از مقیاس پذیری در محیط های ابر بزرگ
  • تعادل نیازهای زمان واقعی با عملکرد کلی سیستم