Luận án TS. Nguyễn Xuân Phi: Nâng cao hiệu năng cân bằng tải trên điện toán đám mây

• Tác giả: Nguyễn Xuân Phi
• Người hướng dẫn: PGS. Trần Công Hùng
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Nâng cao hiệu năng cân bằng tải trên điện toán đám mây
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ CÂN BẰNG TẢI TRÊN ĐIỆN TOÁN ĐÁM MÂY
• 1.1. Cân bằng tải trên điện toán đám mây
• 1.2. Giới thiệu chung về điện toán đám mây
• 1.3. Cân bằng tải và hiệu năng cân bằng tải trên điện toán đám mây
• 1.4. Sự cần thiết của cân bằng tải trên điện toán đám mây
• 1.5. Ảo hóa và quản lý máy ảo trên đám mây
• 1.6. Quản lý và phân bổ tài nguyên trên đám mây
• 1.7. Bài toán cân bằng tải
• 1.7.1. Phát biểu bài toán và mô hình nghiên cứu
• 1.7.2. Các yếu tố ảnh hưởng đến cân bằng tải
• 1.7.3. Phân loại các thuật toán cân bằng tải
• 1.7.4. Đo lường cân bằng tải
• 1.8. Các hướng giải quyết bài toán cân bằng tải
• 1.8.1. Phương pháp xấp xỉ
• 1.8.2. Chiến lược lập lịch phân bổ tài nguyên
• 1.8.3. Phương pháp cải tiến các tham số
• 1.9. Các vấn đề mà luận án cần giải quyết
• 1.10. Kết luận Chương 1
• 2. CHƯƠNG 2: PHÁT TRIỂN MỘT SỐ THUẬT TOÁN CÂN BẰNG TẢI NHẰM CẢI THIỆN THỜI GIAN ĐÁP ỨNG TRÊN ĐIỆN TOÁN ĐÁM MÂY
• 2.1. Thuật toán LBAIRT
• 2.1.1. Đề xuất thuật toán
• 2.1.2. Kết quả mô phỏng
• 2.2. Thuật toán RRTA
• 2.2.1. Đề xuất thuật toán
• 2.2.2. Thực nghiệm mô phỏng
• 2.3. PHÁT TRIỂN MỘT SỐ THUẬT TOÁN CÂN BẰNG TẢI NHẰM CẢI THIỆN THỜI GIAN XỬ LÝ TRÊN ĐIỆN TOÁN ĐÁM MÂY
• 2.3.1. Thuật toán TMA
• 2.3.1.1. Đề xuất thuật toán
• 2.3.1.2. Kết quả mô phỏng
• 2.3.2. Thuật toán MMSIA
• 2.3.2.1. Giới thiệu thuật toán Max – Min
• 2.3.2.2. Đề xuất thuật toán MMSIA
• 2.3.2.3. Kết quả mô phỏng
• 2.3.3. Kết luận Chương 2
• 3. CHƯƠNG 3: NHỮNG KẾT QUẢ CHÍNH CỦA LUẬN ÁN
• 3.1. Hướng phát triển của luận án
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Luận án tiến sỹ kỹ thuật cân bằng tải trên điện toán đám mây

Luận án tiến sỹ kỹ thuật này tập trung vào việc nâng cao hiệu năng cân bằng tải trên điện toán đám mây. Mục tiêu chính là nghiên cứu và phát triển các thuật toán mới nhằm cải thiện thời gian đáp ứng và thời gian xử lý trong môi trường điện toán đám mây. Việc này không chỉ giúp tối ưu hóa tài nguyên mà còn nâng cao chất lượng dịch vụ cho người dùng.

1.1. Giới thiệu về điện toán đám mây và cân bằng tải

Điện toán đám mây là mô hình cung cấp dịch vụ công nghệ thông tin qua Internet. Cân bằng tải là một trong những yếu tố quan trọng giúp phân phối tài nguyên một cách hiệu quả, đảm bảo hiệu năng hệ thống.

1.2. Tầm quan trọng của nghiên cứu cân bằng tải

Nghiên cứu về cân bằng tải giúp giải quyết các vấn đề liên quan đến hiệu suất và độ tin cậy của hệ thống. Điều này đặc biệt quan trọng trong bối cảnh dữ liệu ngày càng gia tăng và yêu cầu về thời gian xử lý ngày càng khắt khe.

II. Các thách thức trong việc nâng cao hiệu năng cân bằng tải

Việc nâng cao hiệu năng cân bằng tải trên điện toán đám mây đối mặt với nhiều thách thức. Các vấn đề như sự gia tăng lưu lượng dữ liệu, sự đa dạng của các loại dữ liệu và yêu cầu xử lý phức tạp là những yếu tố cần được xem xét.

2.1. Lưu lượng dữ liệu và ảnh hưởng đến cân bằng tải

Lưu lượng dữ liệu tăng cao đặt ra yêu cầu lớn về khả năng xử lý của hệ thống. Việc không cân bằng tải hiệu quả có thể dẫn đến tình trạng nghẽn cổ chai và giảm hiệu suất.

2.2. Đặc thù của các loại dữ liệu và yêu cầu xử lý

Mỗi loại dữ liệu có đặc thù riêng và yêu cầu xử lý khác nhau. Việc lựa chọn thuật toán cân bằng tải phù hợp là rất quan trọng để đảm bảo hiệu quả.

III. Phương pháp cải tiến cân bằng tải trên điện toán đám mây

Luận án đề xuất một số phương pháp cải tiến cân bằng tải nhằm nâng cao hiệu năng hệ thống. Các thuật toán mới được phát triển dựa trên việc phân tích và tối ưu hóa các tham số ảnh hưởng đến thời gian đáp ứng và xử lý.

3.1. Thuật toán LBAIRT và ứng dụng

Thuật toán LBAIRT được phát triển nhằm cải thiện thời gian đáp ứng bằng cách xem xét các tham số thời gian hoàn thành yêu cầu. Kết quả cho thấy thuật toán này có tỉ lệ chấp nhận yêu cầu cao hơn.

3.2. Thuật toán RRTA và hiệu quả

Thuật toán RRTA sử dụng kỹ thuật dự báo ARIMA để tối ưu hóa thời gian đáp ứng. Thực nghiệm cho thấy thuật toán này cải thiện đáng kể hiệu suất so với các thuật toán truyền thống.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Các kết quả nghiên cứu từ luận án đã chỉ ra rằng việc áp dụng các thuật toán mới có thể cải thiện đáng kể hiệu năng cân bằng tải trên điện toán đám mây. Những ứng dụng thực tiễn từ nghiên cứu này có thể giúp các doanh nghiệp tối ưu hóa tài nguyên và nâng cao chất lượng dịch vụ.

4.1. Kết quả mô phỏng và phân tích

Kết quả mô phỏng cho thấy các thuật toán mới đã cải thiện thời gian xử lý và thời gian đáp ứng so với các phương pháp cũ. Điều này chứng tỏ tính khả thi của các giải pháp đề xuất.

4.2. Ứng dụng trong doanh nghiệp

Các doanh nghiệp có thể áp dụng các thuật toán này để tối ưu hóa quy trình làm việc, giảm thiểu thời gian chờ đợi và nâng cao trải nghiệm của người dùng.

V. Kết luận và hướng phát triển tương lai

Luận án đã đóng góp vào việc nâng cao hiệu năng cân bằng tải trên điện toán đám mây thông qua việc phát triển các thuật toán mới. Hướng phát triển tương lai sẽ tập trung vào việc cải tiến hơn nữa các thuật toán và mở rộng ứng dụng trong các lĩnh vực khác nhau.

5.1. Đánh giá tổng quan về nghiên cứu

Nghiên cứu đã chỉ ra rằng việc cải tiến cân bằng tải là cần thiết để đáp ứng nhu cầu ngày càng cao của người dùng trong môi trường điện toán đám mây.

5.2. Hướng nghiên cứu tiếp theo

Hướng nghiên cứu tiếp theo sẽ tập trung vào việc phát triển các thuật toán thông minh hơn, có khả năng tự học và thích ứng với các điều kiện thay đổi trong môi trường điện toán đám mây.