آموزش شبیه سازی با CloudSim در ابر

بدون ديدگاه

با وجود مزایای آن ، CloudSim محدودیت های مختلفی دارد. بنابراین ، تلاشهای زیادی صورت گرفته است تا براساس نیازهای مختلف ، قابلیت های جدیدی به آن اضافه شود. ما بعداً برخی از این پسوندها را ذکر می کنیم.

  • NetworkCloudSim : این افزونه شبیه ساز CloudSim است که توسط Garg et al. [11] . این برنامه از مدل سازی برنامه های عمومی مانند گردش کار ، تجارت الکترونیکی و برنامه های وب پشتیبانی می کند. همچنین مفاهیم جدیدی را برای مدل سازی یک شبکه داخلی ارائه می دهدیکمرکز اطلاعات. دارای دو سطح برنامه ریزی است. نفر اول در سطح میزبان است. این شامل زمانبندی کارها بر روی VM است. مورد دیگر در سطح VM است که برنامه های واقعی اجرا می شوند.
  • FederatedCloudSim : استیکچارچوبی که CloudSim را برای شبیه سازی چندین سناریو ابر فدرالیک گسترش می دهد [19] . علاوه بر این ، آن را برای آزمایش الگوریتم های برنامه ریزی آگاهانه از SLA اضافه می کند.
  • DynamicCloudSim : این یک شبیه ساز است که در CloudSim ساخته شده است. این مدلها را برای ضبط ناهمگونی در عملکرد منابع محاسباتی ، عدم اطمینان و تغییرات پویا عملکرد VMs و همچنین عدم موفقیت در هنگام انجام کار معرفی می کند [3] .
  • TeachCloud : CloudSim فاقد رابط کاربری گرافیکی (GUI) است که به فرایند یادگیری دانش آموزان کمک می کند. بنابراین ، پسوند جدیدی به نام “TeachCloud” توسعه یافت [13] . این یک ابزار آموزشی است که توسط دانشجویان برای انجام آزمایشات در یک سیستم محاسبات ابری استفاده می شود. این ساختمان و اجرای توپولوژیهای شبکه اختصاصی را قادر می سازد. همچنین ، این شامل ماژول های جدید مربوط به محدودیت های SLA و مدیریت فرآیند تجارت (BPM) است.
  • FTCloudSim : این دستگاه پیشرفت های جدیدی را در بالای سکوی اصلی CloudSim برای مدل سازی و شبیه سازی مکانیسم های تقویت قابلیت اطمینان ارائه می دهد [33] . این رابط گسترده ای را فراهم می کند که به محققان کمک می کند مکانیسم های جدید را به راحتی پیاده سازی کنند. این ماژول های جدیدی را اضافه می کند که می توانند حوادث خرابی را برای آزمایش عملکرد هر مکانیسم ایجاد کنند. پس از اجرا ، اطلاعاتی تولید می کند که مزایا و کاستی های سازوکار را توصیف می کند.
  • WorkflowSim : این ابزار یک شبیه ساز جدید توسعه یافته توسط چن و همکاران است [8] . این لایه ای از مدیریت گردش کار را در ابر فراهم می کند. این لایه پشتیبانی از الگوریتم های شبیه سازی گردش کار و برنامه ریزی را ارائه می دهد. از چهار مؤلفه اصلی تشکیل شده است:
    • نقشه بردار گردش کار: مجموعه ای از وظایف را به سایت های اجرای نقشه می کشد.
    • موتور گردش کار: حالت ها و وابستگی ها را به عهده دارد.
    • موتور خوشه بندی: این وظایف را برای کاهش برنامه ریزی در بالای کارها در کارها ادغام می کند.
    • برنامه ریز گردش کار: این مشاغل را با منابع مطابقت می دهد.
  • ElasticSim : این یک برنامه افزودنی دیگر شبیه ساز CloudSim برای برنامه های گردش کار است [5] .این هدف برای ارزیابی عملکرد الگوریتم های برنامه ریزی و تهیه منابع است. این برنامه از مقیاس خودکار خودکار زمان اجرا و مدل سازی زمان اجرای کار تصادفی پشتیبانی می کند. علاوه بر این ، یک رابط کاربری گرافیکی را ارائه می دهد که نتایج برنامه ریزی را نشان می دهد. این رابط کاربری گرافیکی برای یافتن مزایا و اشکالاتی از الگوریتم های پیشنهادی کمک می کند.
  • CloudAnalyst : این شبیه ساز مبتنی بر CloudSim است [32] . این هدف برای ارزیابی عملکرد برنامه های توزیع شده در مقیاس بزرگ بر روی ابر است. این برنامه ها می توانند دارای حجم کاری بالایی باشند که از لحاظ جغرافیایی در مراکز مختلف داده توزیع می شوند. علاوه بر این ، CloudAnalyst یک GUI را برای پیکربندی هر سیستم توزیع جغرافیایی مانند تنظیم پارامترهای سخت افزاری ارائه می دهد. این نتایج شبیه سازی را در قالب نمودارها و جداول تولید می کند.
  • CloudReports : پیشرفتهای بسیاری را در بالای چارچوب CloudSim ارائه می دهد [29] . این رابط کاربری گرافیکی را ارائه می دهد که ویژگی های بسیاری را ارائه می دهد. در مرحله اول ، این اجازه می دهد تا چندین شبیه سازی را همزمان اجرا کنید. علاوه بر این ، می تواند گزارشاتی را با اطلاعات دقیق و داده های شبیه سازی صادرات تولید کند. این اطلاعات مربوط به هزینه های استفاده از منابع ، مصرف انرژی ، زمان اجرای و غیره است.
  • CloudExp : پیشرفتهای بسیاری را در بالای سکوی اصلی CloudSim ارائه می دهد [14] . این نرم افزار رابط کاربرپسند برای بهبود تجربه کاربران فراهم می کند. این رابط کاربری گرافیکی می تواند نتایج را به صورت ورق های اکسل تولید و ذخیره کند. این اجازه می دهد تا چندین سناریو تحرک برای دستگاه های تلفن همراه انجام شود. همچنین ، ماژول های مربوط به SLA و برخی از جنبه های کسب و کار را اضافه می کند. علاوه بر این ، CloudExp مدلهای جدید شبکه ابری را ادغام می کند که اجازه می دهد توپولوژی های فعلی را در محیط های ابر واقعی نشان دهند.
  • MR-CloudSim : این یک نسخه پیشرفته از CloudSim است که برای شبیه سازی مدل محاسباتی MapReduce [15] در نظر گرفته شده است . این پشتیبانی از پردازش BigData. با این حال ، پردازش پرونده ، زمان و هزینه مربوط به آن را کنترل نمی کند. علاوه بر این ، عملکرد این ابزار با یک مدل MapReduce واقعی مانند Hadoop 1 ارزیابی نمی شود .
  • CloudSimSDN: این یک ابزار شبیه سازی ابری است که از ویژگی های مختلف SDN (پیکربندی شبکه پویا ، کنترل کننده برنامه ریزی و غیره) پشتیبانی می کند [26] . این برنامه کاربران را قادر می سازد استراتژی های مدیریت منابع را که برای مراکز داده ابری با قابلیت SDN کاربرد دارند ارزیابی کنند. در حقیقت ، می تواند مراکز داده ، پیوندهای شبکه ، سوئیچ ها ، ماشین های فیزیکی و توپولوژی های مجازی را به منظور اندازه گیری معیارهای عملکرد شبیه سازی کند. علاوه بر این ، یک رابط کاربری گرافیکی را ارائه می دهد که پیکربندی شبیه سازی را ساده می کند.
  • CEPSim: این شبیه ساز سیستم های پردازش رویدادهای پیچیده مبتنی بر ابر (CEP) است [12] . این CloudSim را با استفاده از یک مدل کاربردی بر اساس نمودارهای چرخه ای کارگردانی (DAG) گسترش می دهد که برای نمایش پرس و جوهای مداوم که پردازش جریانهای سریع داده را دارند ، گسترش می یابد. اجرای این نمایش داده ها می تواند در بسیاری از انواع محیط ابر از جمله محیط های عمومی ، خصوصی و چند ابر شبیه سازی شود. علاوه بر این ، این ابزار با ایجاد استراتژی های مختلف برنامه ریزی و قرار دادن اپراتور قابل تنظیم است.
  • CDOSim : این ابزار [10] پسوند شبیه ساز CloudSim است که می تواند نقض SLA ، زمان پاسخ و هزینه یک CDO (گزینه استقرار ابری) را شبیه سازی کند. این می تواند مدل های کاربردی را دنبال کند که از مدل متا مدل کشف (Knowledge Discovery) پیروی می کنند. همچنین ، این امکان را برای کاربران ابر فراهم می کند که هزینه و کارایی یک راه حل ابر را با سایر راه حل ها مقایسه کنند.
  • CloudSimEx : سهم عمده CloudSimEx [16] ، گسترش CloudSim برای شبیه سازی برنامه های MapRe-duce است. دومی به عنوان شغلی متشکل از وظایف “نقشه” و وظایف “کاهش” مدل سازی می شوند.همچنین ، قادر است چندین آزمایش را به صورت موازی و در فرآیندهای مختلف JVM انجام دهد. CloudSimEx سایر ویژگی های مرتبط با سیستم های مبتنی بر وب ، مشکلات تأخیر در ترافیک و غیره را معرفی می کند.

ب. گرینکلود

این یک ابزار منبع باز است که برای شبیه سازی یک مرکز داده در محاسبات ابری طراحی شده است [18] . این یک پسوند شبیه ساز مشهور در شبکه های رایانه ای ، NS-2 است. GreenCloud جزئیات انرژی مصرف شده توسط اجزای مرکز داده (سوئیچ ها ، سرورها و پیوندها) و همچنین الگوهای ارتباط سطح بسته را در مجموعه های واقع بینانه ضبط می کند. همچنین می تواند توزیع بار را از طریق شبکه تحلیل کند.

C. ابر

این یک ابزار شبیه سازی جدید است که توسط Tian و همکاران ارائه شده است. [30] . این یک بستر برای مدل سازی و ارزیابی عملکرد چندین سیاست برنامه ریزی در Ia فراهم می کندیکلایه S علاوه بر این ، خروجی های گرافیکی و متنی را پس از شبیه سازی ارائه می دهد.

D. Mdcsim

این یک شبیه ساز رویداد گسسته است که توسط دانشگاه لیم و همکاران در دانشگاه ایالتی پنسسیل وانیا ساخته شده است. [20] . این امکان را به کاربران می دهد تا ویژگی های سخت افزاری خاص اجزای مختلف یک مرکز داده مانند سرورها ، پیوندهای ارتباطی و سوئیچ ها را مدل کنند. کل مدل شبیه سازی در سه لایه پیکربندی شده است:یک لایه ارتباطی ، یک لایه هسته و یکلایه سطح کاربر هدف مدل سازی و تقلید از پشته های دنیای واقعی از پروتکل های ارتباطی گرفته تا برنامه ها است.

ایکانکلود

نونز و همکاران [23] پلت فرم شبیه سازی “iCanCloud” را توسعه داده اند. این شبیه ساز می تواند مبادلات بین هزینه و عملکرد مجموعه مشخصی از برنامه های اجرا شده در آن را پیش بینی کندیکسخت افزار خاص این یک رابط کاربری گرافیکی را برای طراحی و اجرای آزمایشات فراهم می کند. علاوه بر این ، این کار امکان اجرای موازی یک آزمایش بر روی چندین ماشین را فراهم می کند. همچنین ، از شبیه سازی محیط های فدرال فدرال پشتیبانی می کند ، که شامل منابع کار اینترنتی از حوزه های عمومی و خصوصی است.

F. Seccloudsim

در بالای شبیه ساز iCanCloud ساخته شده است [25] . این ویژگی های اصلی امنیت مانند تأیید اعتبار و مجوز را ارائه می دهد. لایه امنیتی پیشنهادی از دو ماژول تشکیل شده است. مورد اول امکان تأیید اعتبار کاربران و استفاده از سرویس های ابر را در یک محیط شبیه سازی شده ارائه می دهد. ماژول دوم مجموعه ای از حقوق را تعریف می کند که بسته به نیاز آنها از یک کاربر به کاربر دیگر متفاوت است.

G. Grordsim

این یک شبیه ساز است که توسط Ostermann و همکاران ساخته شده است. [24] در دانشگاه اینسبروک. این هدف برای شبیه سازی اجرای برنامه های علمی در یک شبکه محاسباتی یا ابر است. این سرویس بر روی Ia S تمرکز دارد و می تواند برای پشتیبانی از مدل های اضافی توسعه یابد. علاوه بر این ، چندین ویژگی برای شبیه سازی سناریوهای پیچیده فراهم می کند.

H. Dcsim

این یک چارچوب شبیه سازی که اجازه می دهد بسیاری از مستاجران برای شبیه سازی مراکز داده مجازی مستقر در IaaS به ابر است [31] . این برنامه از تقسیم بار کاری بین چندین VM که برنامه های چند لایه را اجرا می کنند پشتیبانی می کند. علاوه بر این ، می تواند میزان مصرف برق و نقض SLA سیستم مدیریت مرکز داده را ارزیابی کند. DCSim را می توان به راحتی برای پیاده سازی ویژگی ها و ویژگی های جدید گسترش داد.

I. Simic

این یک شبیه ساز رویداد گسسته بر اساس بسته SimJava است. این هدف برای شبیه سازی تأسیسات میان ابر است که در آن چندین ابر همکاری می کنند [27] . علاوه بر این ، از شبیه سازی محیط های ناهمگن و محاسباتی که در معرض محدودیت های زمان واقعی هستند ، پشتیبانی می کند. علاوه بر این ، می تواند چندین توپولوژی و موجودیت را برای سناریوهای IoT (اینترنت اشیا) شبیه سازی کند.

J. Speci

این است یکابزار شبیه سازی که می تواند رفتار و عملکرد مراکز داده بزرگ را پیش بینی کند [28] . همچنین این هدف برای آزمایش مکانیسم های نقص و ریکاوری است. SPECI از دو بسته تشکیل شده است. اولین مورد به طرح مرکز داده ها و توپولوژی اختصاص دارد. مورد دوم شامل اجزای شبیه ساز برای انجام آزمایشات است.

عکسها

این یک ابزار ابزار شبیه سازی است که هدف آن ارزیابی هزینه و عملکرد انواع مختلف تنظیمات عمومی I aa S است [17] . در واقع ، این امکاناتی را برای ارزیابی انواع مختلف منابع ، مدل های صورتحساب و عدم اطمینان عملکرد ارائه می دهد. علاوه بر این ، می تواند بسیاری از سیاست های مدیریت منابع مانند مقیاس بندی افقی و عمودی ابر ، سیاست های برنامه ریزی شغلی و غیره را شبیه سازی کند.

بخش سوم.

بحث

در طول این مقاله پیمایشی ، ما نماینده ای از تلاشهای عمده ابزارهای شبیه سازی موجود در محاسبات ابری را ارائه می دهیم. یکی از اصلی ترین مشکلات محققان انتخاب شبیه ساز کافی برای تحقیقات آنها است. در واقع ، شبیه سازهای ابری وجود دارند که برای آنها در نظر گرفته شده اندیکهدف خاص جدول 1 تلاشی برای مقایسه شبیه سازهای که قبلاً توضیح داده شده است بر اساس معیارهای مختلف ارائه می دهد. در ادامه ، خصوصیاتی را که ما تجزیه و تحلیل مقایسه ای انجام داده ایم ، توصیف می کنیم.

  • Platform : این سیستم عامل زیربنایی است که برای اجرای شبیه ساز استفاده می شود. همانطور که در جدول نشان داده شده است ، حدود 57٪ شبیه سازها از شبیه ساز شناخته شده CloudSim گسترش یافته اند.
  • Language : زبانهایی که برای اجرای شبیه سازها استفاده می شوند مربوط به سیستم عاملها هستند. بیشتر شبیه سازهای موجود از زبان جاوا استفاده می کنند. سایرین به زبان C ++ نوشته شده اند. همچنین برخی از ابزارهایی وجود دارند که از ترکیبی از زبانهایی مانند GreenCloud و MDCSim استفاده می کنند.
  • در دسترس بودن : این معیار نشان می دهد که یک ابزار تجاری است یا منبع باز و برای بارگیری در دسترس است. توجه داشته باشیم که 79٪ از ابزارهای شبیه سازی نشان داده شده در جدول منبع باز هستند. مابقی در دسترس یا تجاری نیست.
  • پشتیبانی گرافیکی : در دسترس بودن GUI برای شبیه سازها به کاربران کمک می کند تا شبیه سازی ها را به روشی ساده و کارآمد انجام دهند. این اجازه می دهد تا پارامترهای شبیه سازی مانند مدیریت VMs را تعریف کنیم. همچنین با استفاده از یک رابط گرافیکی ، کاربران می توانند شبیه سازی را اجرا یا لغو کرده و گزارش های گرافیکی یا متنی تولید کنند. همانطور که در جدول نشان داده شده است ، CloudSim اصلی به هیچ وجه از رابط گرافیکی پشتیبانی نمی کند. سپس بسیاری از برنامه های افزودنی برای ارائه ویژگی های GUI مانند CloudAnalyst و CloudReports پیشنهاد شده است.
  • مدل ارتباطات : این روش ارتباط بین موجودات شبیه ساز را تعیین می کند. به عنوان مثال ، GreenCloud از یک مدل ارتباطی کامل برخوردار است. در حقیقت ، یک مدل مرجع کامل پروتکل پروتکل TCP / IP را پیاده سازی می کند. با این حال ، CloudSim دارای یک مدل ارتباطی محدود است که از TCP / IP پشتیبانی نمی کند . ارتباط بین و درون مراکز داده با انتقال پیام صورت می گیرد.
  • مدل انرژی : این معیار به ما می گوید که آیا شبیه ساز به کاربران اجازه می دهد انرژی را مدل کنند یا نه. یک مدل مصرف انرژی با هدف مقایسه کارآیی الگوریتم های زمانبندی از نظر انرژی است. برخی از شبیه سازها فقط تخمین تقریبی از مصرف برق دارند (مانند MDCSim).
  • مدل فدراسیون : یک فدراسیون ابر با هدف اجرای برنامه های ابر روی ابرهای ناهمگن است. پشتیبانی از مدل فدراسیون بدان معنی است که آیا یک شبیه ساز به کاربران اجازه می دهد تا برنامه های ابر فدرال را مدل کنند.
  • پشتیبانی SLA : این معیار تعیین می کند که آیا شبیه ساز می تواند نیازهای مندرج در SLA را تضمین کند یا خیر. بر اساس پارامترهای SLA ، منابع درخواست شده به کاربران اختصاص داده می شود. برخی از شبیه سازها می توانند تخلفات SLA مانند DCSim ، TeachCloud و Green-Cloud را شبیه سازی کنند.
  • مدل هزینه : این ویژگی به ما می گوید که آیا یک ابزار شبیه سازی دارای یک ماژول برای مدل سازی هزینه ها و تعیین قیمت خدمات مورد استفاده است. رایانش ابری مدل پرداختی را که کاربران بر اساس میزان مصرف آنها شارژ می شوند ، اتخاذ می کند.
  • آزمایش های موازی : معیار “آزمایش های موازی” به معنای توانایی ترکیب بیش از یک دستگاه برای همکاری با یکدیگر برای پردازش کارها است.

براساس آخرین مشاهدات ، چندین ابزار شبیه سازی در ادبیات ارائه شده است. هدف آنها مدل سازی محیط های ابری و شبیه سازی چندین بار کاری است که روی آنها اجرا می شود. با این حال ، آنها بر اساس مدل های کاربردی استاتیک ساخته شده اند. محدودیت قابل توجه این مدل ها عدم انعطاف پذیری است. از جهت های تحقیقاتی که باید در نظر گرفته شود ، می توانیم متوجه سازگاری پویا برنامه های شبیه سازی شده شویم. در حقیقت ، تغییرات پویا به ویژه برای یک برنامه طولانی مدت به یک نیاز اساسی تبدیل شده است. این کمک می کند تا با حوادث پیش بینی نشده و شکست که ممکن است در هنگام اجرای یک نمونه برنامه رخ می دهد مقابله کند [1]. به عنوان مثال ، مواردی را ذکر می کنیم که زمان اجرای یک کار بیش از یک مقدار معین ، مشکلات فنی و غیره است. علاوه بر این ، می تواند شرایط جدیدی را برای مدیریت تغییرات سریع خواسته شده توسط طبیعت پویا در بازار تحمل کند. نمونه هایی از چنین تغییراتی شامل تغییر در رفتار مشتری ، تحول در بازار و تغییر استراتژی است. این تغییرات ممکن است در سطح عملکردی باشد (اضافه کردن کارها ، حذف کارها ، و غیره) یا سطح غیر کاربردی (برای مثال تغییر محدودیت زمانی). نیاز به تغییر پویا چالش های جدیدی را در سطح شبیه سازی به همراه خواهد داشت. بنابراین ، لازم است سیاست های تهیه و برنامه ریزی که می توانند برنامه های پویا را که شبیه سازی شده اند ، ارزیابی کنند.

نوشتن دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.

10 + 15 =