چکیده
این مقاله مسائل مربوط به به قیمت‌گذاری و زمان‌بندی کیفیت خدمات (QoS) آگاهانه را در محاسبات ابری بی‌سیم بررسی می‌کند که در آن تأمین‌کننده مجموعه‌ای از خدمات را از طریق ارتباط بی‌سیم برای کاربران فراهم می‌کند. در این فرآیند، ارائه‌دهنده قیمت هر یک از خدمات را با توجه به وضعیت سیستم و طول صف اعلام می‌کند. با جمع‌آوری تقاضای خدمات از کاربران و مشاهده وضعیت سیستم، ارائه‌دهنده خدمات برخی منابع اختصاصی را برای برآورد تقاضا اختصاص می‌دهند. با توجه به پویایی تقاضا و وضعیت سیستم، برای ارائه‌دهندگان قیمت‌گذاری و تهیه منابع به‌صورت بهینه دشوار است. این مقاله ابتدا مشکل را به‌عنوان یک مدل ریاضی فرمول‌بندی می‌کند. سپس، قیمت‌گذاری پویای QoS آگاهانه و الگوریتم زمان‌بندی (QDPSA) را پیشنهاد می‌کند. الگوریتم QDPSA تنها به وضعیت سیستم فعلی و طول صف بستگی دارد و می‌تواند سود متوسط اپراتور را به حداکثر برساند. شبیه‌سازی نشان می‌دهد که می‌توانیم از طریق تنظیم یک پارامتر کنترل، بین سود و طول صف از طریق اعمال عوامل کنترل مبادله و سبک‌سنگین کرد. علاوه بر این، نتایج ما همچنین نشان می‌دهد که خدمات باارزش بالاتر از ضریب QoS می‌تواند طول صف کوتاهی را به دست آورد، یعنی زمان پاسخ کوتاه‌تر خواهد بود.
مقدمه
دستگاه‌های موبایل در سال‌های اخیر به بخش مهمی از زندگی انسان تبدیل‌شده‌اند [1]. به‌این‌ترتیب، برنامه‌های کاربردی موبایل و خدمات آن به‌سرعت افزایش می‌یابد [2]. بااین‌وجود، با توجه به منابع محدود ارسال برنامه‌های کاربردی کافی در حد بالا روی ابزار موبایل بسیار چالش‌برانگیز است، مواردی نظیر باطری، توان پردازش و پهنای باند شبکه. برای بهبود عملکرد برنامه‌های تلفن همراه، محاسبات ابر بی‌سیم برای غلبه بر برخی از این محدودیت‌ها با تخلیه برنامه‌های تلفن همراه به ابر از راه دور و یا ارائه خدمات طراحی‌شده است [4]. در این نمونه، کاربران برای برنامه‌های کاربردی بهای آن را پرداخت می‌کنند و ارائه‌دهنده خدمات برخی منابع را برای خدمت به این خواسته‌ها اختصاص می‌دهد و به‌این‌ترتیب هزینه‌هایی را به دست می‌آورد. مأموریت ارائه‌دهنده خدمات، طراحی الگوریتم قیمت‌گذاری و زمان‌بندی برای به حداکثر رساندن سود آن است.
در این مقاله، الگوریتم پویای قیمت‌گذاری و زمان‌بندی باکیفیت خدمات (QoS) را در نظر می‌گیریم تا در سیستم محاسبات ابری بی‌سیم سود را به حداکثر برسانیم، همان‌طور که در شکل 1 نشان داده‌شده است. این سیستم می‌تواند کاربر را با انواع برنامه‌های کاربردی مانند محاسبات علمی، جستجوی بصری و پردازش تصویر گروهی تأمین کند. در این مقاله، روی خدمات غیرفعال تأخیری تمرکز می‌کنیم که 70 درصد از کل کارهای سیستم را تشکیل می‌دهد [5]. فرض کنید که نوع K سرویس‌های غیر حساس با نیازهای مختلف QoS برای کاربران وجود دارد و QoS به طول صف متوسط اشاره دارد. در هر زمان، ارائه‌دهنده خدمات، صف خدمات و وضعیت سیستم را مشاهده می‌کند و مجموعه‌ای از قیمت‌ها را انتخاب می‌کند و آن‌ها را به همه کاربران اعلام می‌کند. کاربران به قیمت فعلی با تقاضای خاص واکنش نشان می‌دهند. سپس، ارائه‌دهنده خدمات منابع پشتیبان را برای برآورده کردن خواسته‌های به‌دست‌آمده از صف خدمات K اختصاص می‌دهد. فرآیند فوق هزینه‌ای را به ارمغان می‌آورد. در تلاش هستیم تا الگوریتم قیمت‌گذاری و زمان‌بندی را برای به حداکثر رساندن سود متوسط زمان ارائه‌دهنده خدمات بیابیم درحالی‌که ثبات صف و نیاز به QoS اطمینان داریم.
مدل سیستم
یک مدل زمان گسسته را در نظر می‌گیریم که اپراتور ارائه‌دهنده قیمت خدمات را اعلام می‌کند و منابع را برای ارائه به تقاضا در هر بخش زمان‌بندی می‌کند. نمادهای کلیدی مورداستفاده در این مقاله در جدول 1 فهرست شده‌اند. توضیحات «در بخش t» را برای کوتاهی و خلاصه کردن مطلب حذف کردیم.
مدل‌سازی تقاضا
(pk (t را برای قیمت خدمات نوع k نشان می‌دهد که کاربران تلفن همراه را تبلیغ می‌کند. فرض کنید p k (t) متعلق به مجموعه جمعی P برای همه t است و با [0, pmax] محدود می‌شود. تقاضا، ai,k (t) برای خدمات دسته‌ای نوع K کاربر i به قیمت فعلی (t) pk بستگی دارد و می‌تواند به‌صورت تابع (t) pk مدل‌سازی شود.
الگوریتم قیمت‌گذاری و زمان‌بندی پویای QOSآگاهانه
در الگوریتم‌های کنونی، پشتیبانی صف واقعی اغلب نقش متغیر تصمیمی را بازی می‌کند. بااین‌حال، این الگوریتم‌ها تمام صف‌های خدمات را به همان اندازه مهم می‌دانند و برای بررسی شرایط مختلف QoS شکست می‌خورند. برای غلبه بر این کمبود، مفهوم QoS آگاهانه را معرفی می‌کنیم و الگوریتم QDPSA را پیشنهاد می‌کنیم.
پویایی صف QOS آگاهانه
برای خدمات نوع k، پشتیبانی صف QoS آگاهانه Qk(t) را به‌صورت تابع خطی از طول صف qk(t) تعریف می‌کنیم. این تابع خطی تضمین می‌کند که اگر qk(t) برابر با صفر باشد، Qk(t) هم برابر با صفر است.
شبیه سازی
BDPSA را به‌عنوان الگوریتم قیمت‌گذاری و زمان‌بندی پویای اساسی فراخواندیم که در آن‌همه خدمات به همان اندازه مهم هستند. در این بخش، شبیه‌سازی الگوریتم‌های BDPSA و QDPSA را انجام می‌دهیم و نتایج مربوط به هر دو الگوریتم را مقایسه می‌کنیم را تنظیم کنید. بعلاوه، قرار دهید. در الگوریتم‌های ما، تابع تقاضا و عملکرد سرعت خدمات می‌تواند هر نوع شکلی داشته باشد. تمامی پارامترهای زیر همانند موارد [15] تنظیم می‌شوند. فرض کنید که وضعیت شبکه و ارائه‌دهنده خدمات شبکه در وضعیت {خوب، بد} انتخاب‌شده و با احتمال برابر نمایش داده می‌شود. برای سادگی، تنها دو نوع سرویس را در نظر می‌گیریم و سرعت رسیدن به هر دو سرویس در وضعیت‌های خاص شبکه مشابه هستند. بعلاوه، تابع تقاضا با معادلات زیر داده‌شده است
نتیجه گیری
در این مقاله، تجهیزات گوناگون QoS را برای خدمات مختلف در محاسبات ابری بی‌سیم بررسی کردیم. با معرفی مفهوم صف آگاهی QoS، الگوریتم QDPSA را پیشنهاد می‌کنیم. QDPSA می‌تواند بر اساس اطلاعات کنونی موجود اجرا شود و سود مطلوب به دست آید. مهم‌تر از همه، الگوریتم QDPSA می‌تواند نیازمندی‌های مختلف QoS را به دست آورد.
این مقاله در سال 2017 در نشریه آی تریپل ای و در کنفرانس تصمیم گیری و کنترل، توسط آزمایشگاه دانشگاه ملی فناوری دفاعی منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله کیفیت خدمات در محاسبات ابری بی سیم در سایت ای ترجمه مراجعه نمایید.
