Luận Án Tiến Sĩ: Hướng Tiếp Cận SWOT Cho Cân Bằng Tải Trong Điện Toán Đám Mây

Luận án tiến sĩ kỹ thuật phân tích SWOT nhằm tối ưu hóa cân bằng tải trong điện toán đám mây, nâng cao hiệu suất và độ tin cậy hệ thống.

Chuyên ngành

Hệ thống thông tin

Người đăng

Ẩn danh

Thể loại

luận án tiến sĩ

2023

202
10
0

Phí lưu trữ

55 Point

Mục lục chi tiết

LỜI CAM ĐOAN

LỜI CẢM ƠN

TÓM TẮT

ABSTRACT

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC KÝ HIỆU

DANH MỤC HÌNH ẢNH

DANH MỤC BẢNG

MỤC LỤC

PHẦN MỞ ĐẦU

0.1. Lý do chọn đề tài

0.2. Mục tiêu nghiên cứu

0.3. Đối tượng và phạm vi nghiên cứu

0.4. Phương pháp nghiên cứu

0.5. Những đóng góp chính của luận án

0.6. Cấu trúc của luận án

1. CHƯƠNG 1: GIỚI THIỆU VỀ ĐỀ TÀI

1.1. TỔNG QUAN VỀ ĐIỆN TOÁN ĐÁM MÂY

1.2. TỔNG QUAN VỀ CÂN BẰNG TẢI TRONG ĐIỆN TOÁN ĐÁM MÂY

1.2.1. Giới thiệu về cân bằng tải

1.2.2. Mục đích cân bằng tải

1.2.3. Phân loại cân bằng tải

1.2.4. Đo lường cân bằng tải

1.2.5. Các chính sách trong cân bằng tải

1.2.6. Các mục tiêu chính của thuật toán cân bằng tải

1.2.7. Một số thuật toán cân bằng tải phổ biến

1.3. MỘT SỐ THUẬT TOÁN AI ỨNG DỤNG VÀO CÂN BẰNG TẢI

1.3.1. Tổng quan một số thuật toán AI

1.3.2. Một số thuật toán ML ứng dụng vào CBT

1.4. KẾT LUẬN CHƯƠNG

2. CHƯƠNG 2: TIẾP CẬN SWOT CHO CÂN BẰNG TẢI TRÊN ĐIỆN TOÁN ĐÁM MÂY

2.1. GIỚI THIỆU CHUNG

2.2. GIỚI THIỆU VỀ CÔNG CỤ SWOT

2.3. PHÂN TÍCH SWOT HIỆU NĂNG CÂN BẰNG TẢI TRÊN CLOUD

2.3.1. Hiệu năng cân bằng tải trên cloud

2.3.2. Phân tích SWOT cân bằng tải

2.4. CÁC CÔNG TRÌNH LIÊN QUAN

2.4.1. CÔNG TRÌNH LIÊN QUAN CLOUD VÀ XU HƯỚNG PHÁT TRIỂN CBT TRÊN MÔI TRƯỜNG ĐÁM MÂY

2.4.2. CÔNG TRÌNH LIÊN QUAN CBT THEO HƯỚNG TIẾP CẬN BÊN TRONG

2.4.3. CÔNG TRÌNH LIÊN QUAN CBT THEO HƯỚNG TIẾP CẬN BÊN NGOÀI

2.4.4. CLOUDSIM – CÔNG CỤ MÔ PHỎNG ĐÁM MÂY

2.5. KẾT LUẬN CHƯƠNG

3. CHƯƠNG 3: CÂN BẰNG TẢI THEO HƯỚNG TIẾP CẬN BÊN TRONG

3.1. GIỚI THIỆU CHUNG

3.2. THUẬT TOÁN MCCVA

3.3. THUẬT TOÁN APRTA

3.4. THUẬT TOÁN RCBA

3.5. THUẬT TOÁN ITA

3.6. TỔNG KẾT CHƯƠNG

4. CHƯƠNG 4: CÂN BẰNG TẢI THEO HƯỚNG TIẾP CẬN BÊN NGOÀI

4.1. GIỚI THIỆU CHUNG

4.2. DEADLOCK VÀ THUẬT TOÁN PDOA

4.2.1. Khái niệm Deadlock

4.2.2. Deadlock trên cloud

4.2.3. Thuật toán đề xuất PDOA

4.3. HÀNH VI NGƯỜI DÙNG CLOUD VÀ THUẬT TOÁN K-CTPA

4.3.1. Hành vi người dùng cloud với độ ưu tiên tác vụ

4.3.2. Thuật toán k-CTPA

4.4. KẾT LUẬN CHƯƠNG

PHẦN KẾT LUẬN

0.1. Các kết quả đã đạt được

0.2. Hướng phát triển của đề tài luận án

CÁC CÔNG TRÌNH NGHIÊN CỨU CỦA TÁC GIẢ

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Điện Toán Đám Mây và Cân Bằng Tải Giải Pháp

Điện toán đám mây (Cloud computing) đã trở thành hạ tầng CNTT không thể thiếu nhờ tính linh hoạt và khả năng điều chỉnh dịch vụ theo nhu cầu. Nó cho phép mở rộng hoặc thu gọn tài nguyên, tăng cường hiệu suất và tối ưu hóa sử dụng tài nguyên. Trong quá trình tối ưu hóa hiệu năng điện toán đám mây, cân bằng tải (Load Balancing) đóng vai trò trung tâm trong việc đảm bảo các hoạt động trên môi trường điện toán đám mây. Cân bằng tải không chỉ đảm bảo các dịch vụ chất lượng cao mà còn được cung cấp một cách kịp thời.

1.1. Kiến trúc điện toán đám mây và các mô hình triển khai

Điện toán đám mây cung cấp nhiều mô hình triển khai khác nhau, bao gồm Public Cloud, Private Cloud, Hybrid Cloud và Community Cloud. Mỗi mô hình có ưu và nhược điểm riêng, phù hợp với các yêu cầu khác nhau về bảo mật, chi phí và hiệu suất. Ví dụ, Public Cloud (AWS, Azure, Google Cloud) cung cấp khả năng mở rộng linh hoạt và chi phí thấp, nhưng có thể không phù hợp với các ứng dụng yêu cầu bảo mật cao. Private Cloud cung cấp khả năng kiểm soát tốt hơn về bảo mật, nhưng đòi hỏi đầu tư lớn hơn về cơ sở hạ tầng. Việc lựa chọn mô hình phù hợp là yếu tố quan trọng để tối ưu hóa hiệu quả điện toán đám mây.

1.2. Vai trò của cân bằng tải trong kiến trúc điện toán đám mây

Cân bằng tải (cân bằng tải đám mây) đóng vai trò quan trọng trong việc phân phối tải công việc đồng đều trên các tài nguyên điện toán đám mây. Nó giúp ngăn ngừa tình trạng quá tải trên một số máy chủ, đảm bảo hiệu suất ổn định và cải thiện khả năng chịu lỗi của hệ thống. Cân bằng tải có thể được thực hiện ở nhiều lớp khác nhau trong kiến trúc điện toán đám mây, bao gồm cân bằng tải mạng, cân bằng tải ứng dụng và cân bằng tải cơ sở dữ liệu. Việc lựa chọn phương pháp cân bằng tải phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng và kiến trúc hệ thống.

II. Thách Thức Cân Bằng Tải Đám Mây Phân Tích SWOT Hiệu Quả

Luận án này tập trung phân tích cân bằng tải trong môi trường đám mây với ý tưởng từ cách tiếp cận SWOT (điểm mạnh, điểm yếu, cơ hội và nguy cơ). Từ đó đưa ra đánh giá cân bằng tải với hai hướng tiếp cận: hướng tiếp cận bên trong (phân tích các thuật toán cân bằng tải liên quan đến các yếu tố bên trong của bộ cân bằng tải) và hướng tiếp cận bên ngoài (xem xét các yếu tố bên ngoài bộ cân bằng tải, như hành vi của người dùng đám mây, cấu trúc mạng,...). Với mỗi hướng tiếp cận, luận án nghiên cứu các phương pháp học máy và khai phá dữ liệu tương ứng để cải thiện hiệu năng cân bằng tải.

2.1. Điểm mạnh và điểm yếu của các thuật toán cân bằng tải hiện tại

Các thuật toán cân bằng tải hiện tại như Round Robin, Max-Min, Min-Min, CLBDM, Active Clustering có những điểm mạnh và điểm yếu riêng. Round Robin đơn giản và dễ triển khai, nhưng có thể không hiệu quả khi các máy chủ có năng lực khác nhau. Max-Min và Min-Min cố gắng tối ưu hóa thời gian hoàn thành công việc, nhưng có thể dẫn đến tình trạng một số máy chủ bị quá tải. Việc phân tích SWOT giúp xác định rõ các ưu và nhược điểm của từng thuật toán, từ đó đưa ra lựa chọn phù hợp cho từng tình huống cụ thể.

2.2. Cơ hội và thách thức khi ứng dụng phân tích SWOT vào CBT

Việc ứng dụng phân tích SWOT vào cân bằng tải đám mây (Phân tích SWOT điện toán đám mây) mang lại cơ hội để cải thiện hiệu suất và độ tin cậy của hệ thống. Tuy nhiên, cũng có những thách thức cần vượt qua. Ví dụ, việc thu thập và phân tích dữ liệu về hiệu năng của hệ thống có thể tốn kém và phức tạp. Việc xác định các yếu tố bên ngoài ảnh hưởng đến hiệu năng của cân bằng tải, như hành vi của người dùng, cũng đòi hỏi kiến thức chuyên sâu về lĩnh vực điện toán đám mây. Theo [66], Phân tích SWOT giúp đánh giá toàn diện hệ thống cân bằng tải.

2.3. Các yếu tố ảnh hưởng đến hiệu suất cân bằng tải đám mây

Hiệu suất của cân bằng tải đám mây bị ảnh hưởng bởi nhiều yếu tố, bao gồm tốc độ mạng, độ trễ, dung lượng của các máy chủ, và thuật toán cân bằng tải được sử dụng. Việc lựa chọn thuật toán cân bằng tải phù hợp là yếu tố quan trọng để đạt được hiệu suất tối ưu. Các thuật toán cân bằng tải khác nhau có thể phù hợp với các loại ứng dụng và môi trường khác nhau. Ví dụ, thuật toán Round Robin có thể phù hợp với các ứng dụng có tải ổn định, trong khi các thuật toán phức tạp hơn như Least Connections có thể phù hợp với các ứng dụng có tải biến động.

III. Phương Pháp Cân Bằng Tải Tiếp Cận Bên Trong Thuật Toán Mới

Với hướng tiếp cận bên trong, luận án tập trung phân tích các thuật toán cân bằng tải có liên quan đến các yếu tố bên trong của bộ cân bằng tải như thời gian phản hồi, thông lượng, các tham số khác và các đặc điểm bên trong khác. Luận án đề xuất 4 thuật toán cân bằng tải (MCCVA, APRTA, RCBAITA) theo hướng tiếp cận từ bên trong. Các thuật toán được cài đặt triển khai mô phỏng giả lập trên môi trường mô phỏng CloudSim và so sánh với các thuật toán cân bằng tải phổ biến hiện nay (Round Robin, Max Min, Min Min và FCFS).

3.1. Tổng quan về các thuật toán MCCVA APRTA RCBA và ITA

Các thuật toán MCCVA, APRTA, RCBAITA được thiết kế để cải thiện hiệu suất của cân bằng tải bằng cách sử dụng các kỹ thuật khác nhau. MCCVA (Makespan Classification & Clustering VM Algorithm) phân loại và gom cụm máy ảo để tối ưu hóa thời gian xử lý. APRTA (Adaptive Prediction Response Time Algorithm) dự đoán thời gian đáp ứng của máy ảo để đưa ra quyết định cân bằng tải. RCBA (Response Time Classification with Naïve Bayes Algorithm) phân loại thời gian đáp ứng bằng thuật toán Naïve Bayes. ITA (Improved Throttle Algorithm) là một thuật toán cải tiến của Throttled Algorithm. Các thuật toán này đều hướng đến việc cải thiện hiệu suất điện toán đám mây.

3.2. Đánh giá hiệu năng của thuật toán MCCVA trong CloudSim

Thuật toán MCCVA được đánh giá trong môi trường mô phỏng CloudSim với các thông số khác nhau. Kết quả cho thấy rằng MCCVA có thể cải thiện thời gian xử lý so với các thuật toán cân bằng tải truyền thống. Cụ thể, thuật toán MCCVA giúp cân bằng tải hiệu quả và giảm thiểu thời gian chờ đợi của các tác vụ, từ đó cải thiện hiệu suất tổng thể của hệ thống. Bảng 1 thể hiện thông số cấu hình Datacenter sử dụng cho thuật toán MCCVA.

3.3. So sánh hiệu quả của các thuật toán mới với Round Robin

Việc so sánh hiệu quả của các thuật toán MCCVA, APRTA, RCBAITA với thuật toán Round Robin giúp đánh giá khả năng cải thiện hiệu suất của các thuật toán mới. Kết quả cho thấy rằng các thuật toán mới có thể cải thiện thời gian phản hồi và thông lượng so với Round Robin trong nhiều tình huống khác nhau. Tuy nhiên, hiệu quả của từng thuật toán có thể khác nhau tùy thuộc vào đặc điểm của ứng dụng và môi trường điện toán đám mây.

IV. Tiếp Cận Bên Ngoài CBT Thuật Toán PDOA K CTPA Tối Ưu

Với hướng tiếp cận bên ngoài, luận án xem xét các yếu tố bên ngoài bộ cân bằng tải, như hành vi của người dùng đám mây, cấu trúc mạng và môi trường địa lý của Internet, mức độ ưu tiên của các yêu cầu từ phía người dùng. Luận án đề xuất 2 thuật toán cân bằng tải (PDOAk-CTPA) theo hướng tiếp cận từ bên ngoài. Các thuật toán được cài đặt triển khai mô phỏng giả lập trên môi trường mô phỏng CloudSim và so sánh với các thuật toán cân bằng tải phổ biến hiện nay.

4.1. Giải quyết Deadlock với thuật toán PDOA trong môi trường đám mây

Deadlock là một vấn đề nghiêm trọng trong môi trường điện toán đám mây, có thể dẫn đến tình trạng hệ thống bị treo hoặc hoạt động không ổn định. Thuật toán PDOA (Prediction Deadlock Occurance Algorithm) được đề xuất để dự đoán và ngăn chặn deadlock trong hệ thống. Bằng cách theo dõi trạng thái của các tài nguyên và dự đoán khả năng xảy ra deadlock, PDOA có thể đưa ra các quyết định điều phối tài nguyên để tránh tình trạng này. Theo [16], Deadlock là một vấn đề cần được quan tâm trong cloud.

4.2. Thuật toán K CTPA Ưu tiên tác vụ theo hành vi người dùng Cloud

Thuật toán k-CTPA (kNN Classification Task Priority Algorithm) được thiết kế để ưu tiên các tác vụ dựa trên hành vi của người dùng cloud. Bằng cách phân tích lịch sử sử dụng tài nguyên của người dùng, k-CTPA có thể dự đoán mức độ quan trọng của từng tác vụ và ưu tiên các tác vụ quan trọng hơn. Điều này giúp cải thiện trải nghiệm người dùng và đảm bảo rằng các tác vụ quan trọng được hoàn thành kịp thời. Thuật toán k-CTPA sử dụng độ ưu tiên của request để sắp xếp thứ tự thực hiện.

4.3. Đánh giá hiệu quả của PDOA và k CTPA trên CloudSim

Các thuật toán PDOAk-CTPA được đánh giá trong môi trường mô phỏng CloudSim với các thông số khác nhau. Kết quả cho thấy rằng PDOA có thể giảm thiểu số lượng deadlock xảy ra trong hệ thống, trong khi k-CTPA có thể cải thiện thời gian phản hồi của các tác vụ quan trọng. Bảng 2,3,4,5 so sánh thời gian đáp ứng giữa PDOA và các thuật toán khác trong các trường hợp khác nhau, đánh giá hiệu quả của thuật toán mới.

V. Ứng Dụng Thực Tiễn Kết Quả Nghiên Cứu Về Cân Bằng Tải

Luận án đã đề xuất được 4 thuật toán cân bằng tải (MCCVA, APRTA, RCBAITA) theo hướng tiếp cận từ bên trong, 2 thuật toán cân bằng tải (PDOAk-CTPA) theo hướng tiếp cận từ bên ngoài. Tương ứng với mỗi thuật toán, xuất phát từ các góc độ phân tích khác nhau của bộ cân bằng tải, mà luận án sử dụng các thông số đo lường khác nhau để đánh giá mô phỏng giả lập (thời gian đáp ứng, thời gian thực hiện, speedup…). Kết quả từ việc mô phỏng đã chứng minh tính vượt trội và khả năng cải thiện hiệu suất của thuật toán học máy dự đoán trong việc tối ưu hóa bộ cân bằng tải trong điện toán đám mây.

5.1. Phân tích và so sánh kết quả mô phỏng của các thuật toán

Kết quả mô phỏng cho thấy rằng các thuật toán được đề xuất có thể cải thiện hiệu suất của cân bằng tải trong nhiều tình huống khác nhau. Tuy nhiên, hiệu quả của từng thuật toán có thể khác nhau tùy thuộc vào đặc điểm của ứng dụng và môi trường điện toán đám mây. Việc phân tích và so sánh kết quả mô phỏng giúp xác định điểm mạnh và điểm yếu của từng thuật toán, từ đó đưa ra lựa chọn phù hợp cho từng tình huống cụ thể.

5.2. Triển khai các thuật toán trên các nền tảng Cloud thực tế

Để đánh giá hiệu quả của các thuật toán trong môi trường thực tế, việc triển khai các thuật toán trên các nền tảng Cloud như AWS, Azure, Google Cloud là cần thiết. Việc triển khai thực tế giúp xác định các vấn đề phát sinh trong quá trình vận hành và đưa ra các điều chỉnh phù hợp. Ngoài ra, việc triển khai thực tế cũng giúp thu thập dữ liệu về hiệu năng của hệ thống trong môi trường thực tế, từ đó cải thiện độ chính xác của các mô hình dự đoán.

VI. Kết Luận và Hướng Phát Triển Của Nghiên Cứu Về CBT Cloud

Nghiên cứu đã đóng góp vào việc cải thiện cân bằng tải trong môi trường điện toán đám mây thông qua việc đề xuất các thuật toán mới và phân tích hiệu quả của các thuật toán này. Nghiên cứu cũng mở ra các hướng phát triển mới cho lĩnh vực này, bao gồm việc ứng dụng các kỹ thuật học máy tiên tiến hơn và việc nghiên cứu các yếu tố bên ngoài ảnh hưởng đến hiệu năng của cân bằng tải. Các công trình nghiên cứu đã công bố của tác giả được trình bày ở cuối Luận án.

6.1. Tổng kết các kết quả đạt được và hạn chế của nghiên cứu

Luận án đã đạt được những kết quả đáng kể trong việc cải thiện cân bằng tải trong môi trường điện toán đám mây. Tuy nhiên, nghiên cứu vẫn còn một số hạn chế cần khắc phục. Ví dụ, các thuật toán được đề xuất chưa được đánh giá trong môi trường thực tế với quy mô lớn. Ngoài ra, nghiên cứu chưa xem xét đến các yếu tố bảo mật và chi phí khi triển khai các thuật toán.

6.2. Các hướng nghiên cứu tiềm năng trong tương lai về cân bằng tải

Trong tương lai, có nhiều hướng nghiên cứu tiềm năng về cân bằng tải trong môi trường điện toán đám mây. Ví dụ, có thể nghiên cứu các thuật toán cân bằng tải dựa trên trí tuệ nhân tạo, các thuật toán cân bằng tải tự động điều chỉnh theo tải, và các thuật toán cân bằng tải tích hợp các yếu tố bảo mật. Nghiên cứu này có thể mở ra các hướng mới cho lĩnh vực cân bằng tải và góp phần vào việc cải thiện hiệu suất và độ tin cậy của điện toán đám mây.

23/05/2025

Trích đoạn nội dung tài liệu

Chương 1 là chương giới thiệu khái quát về điện toán đám mây và vấn đề cân bằng tải trên môi trường cloud. Một số khái niệm về cân bằng tải, các thuật toán điển hình trong cân bằng tải. Đồng thời giới thiệu một số các thuật toán học máy và thuật toán cân bằng tải phổ biến hiện nay. Dựa trên nền tảng đó, luận án đề xuất phát triển các thuật toán dựa trên học máy và phân tích dữ liệu để cải thiện hiệu quả của quá trình cân bằng tải trong môi trường điện toán đám mây.

Chương 2, nội dung được phân tích dựa trên lấy ý tưởng từ phương pháp SWOT về việc tiếp cận phân tích cân bằng tải trong môi trường điện toán đám mây, đánh giá hiệu suất của cân bằng tải, cùng với việc khảo sát các nghiên cứu đã công án tiến sĩ bố liên quan đến đề tài luận án. Đồng thời, chương này cũng đề cập đến việc tiếp cận nâng cao cân bằng tải từ ý tưởng của SWOT, đó là tiếp cận từ hai hướng khác nhau: một là hướng tiếp cận từ bên trong và hai là hướng tiếp cận từ các yếu tố bên ngoài. Chương 3 trình bày các thuật toán đề xuất xây dựng bộ cân bằng tải theo hướng tiếp cận từ bên trong, cụ thể là các thuật toán cải tiến từ các thuật toán phổ biến và các thuật toán ứng dụng học máy và phân tích dữ liệu vào cân bằng tải, nhằm đạt hiệu năng cao hơn trên môi trường đám mây. Với chương này, luận án đã đạt được 4 thuật toán CBT mới MCCVA, APRTA, RCBA và ITA tương ứng với các công trình công bố [CT1], [CT2], [CT7] và [CT3].

Chương 4 trình bày các thuật toán đề xuất theo hướng tiếp cận từ bên ngoài. Bao gồm xây dựng bộ cân bằng tải kết hợp với việc kiểm soát deadlock và dự báo deadlock trên môi trường cloud; giải pháp cân bằng tải dưới góc độ hành vi người dùng bao gồm độ ưu tiên của tác vụ (task) / các yêu cầu (request), cụ thể là phân tích các thông số của request dưới góc độ người dung, từ đó ứng dụng các thuật toán phân lớp để đưa ra quyết định phân bổ xử lý, từ đó sử dụng hiệu quả nhất tài nguyên của cloud. Với tiếp cận từ bên ngoài, kết quả đạt được là 02 thuật toán bao gồm PDOA và k-CTPA tương ứng với công trình công bố [CT4 & CT5] và [CT6]. 8 PHẦN NỘI DUNG CHƯƠNG 1 – GIỚI THIỆU VỀ ĐỀ TÀI 1.1 TỔNG QUAN VỀ ĐIỆN TOÁN ĐÁM MÂY Điện toán đám mây (cloud computing) [33] [34] [35] [36], còn được biết đến dưới tên gọi điện toán dựa trên máy chủ ảo, là hệ thống tính toán phục vụ theo yêu cầu và xây dựng trên nền tảng mạng kết nối toàn cầu Internet.

Mô hình này cho phép việc chia sẻ tài nguyên, dữ liệu và phần mềm dưới hình thức dịch vụ thông qua một mạng công cộng, thường là Internet, tới các máy tính và thiết bị của người dùng. Trong mô hình điện toán đám mây, người dùng không cần phải biết hoặc quan tâm đến vị trí cụ thể của cơ sở dữ liệu hay trang web mà họ đang truy cập - mọi thứ diễn ra một cách minh bạch và không đòi hỏi hiểu biết kỹ thuật từ phía người dùng. Người án tiến sĩ dùng có thể truy nhập vào các dịch vụ này qua web browser, ứng dụng di động, hoặc máy tính thông thường. Tính hiệu quả trong sử dụng của người dùng cuối được tăng lên nhờ việc sử dụng phần mềm và cơ sở dữ liệu được lưu trữ trên server ảo trong điện toán đám mây, đặt tại các trung tâm dữ liệu.

Các trung tâm dữ liệu là những không gian chứa đựng server, hệ thống lưu trữ, cùng với nguồn điện và các thiết bị liên quan như giá đỡ, dây cáp, v., được thiết kế để đảm bảo sự sẵn có và ổn định cao. Chúng còn được đánh giá dựa trên những yếu tố như khả năng mở rộng, tính linh hoạt, hệ thống làm mát, và khả năng hợp nhất server cũng như lưu trữ dữ liệu với mật độ cao. Trong điện toán đám mây, có ba mô hình triển khai chủ yếu: đám mây công cộng, đám mây riêng tư và đám mây lai. Mô hình đám mây công cộng liên quan đến việc các nhà cung cấp dịch vụ đám mây cung cấp tài nguyên, nền tảng hoặc ứng dụng lưu trữ dưới dạng dịch vụ mở cho công chúng, có thể kèm theo chi phí hoặc không.

Trong khi đó, đám mây riêng tư dành riêng các dịch vụ của mình cho một tổ chức cụ thể, thường được bảo vệ bởi tường lửa và dành cho việc sử dụng nội bộ. Đám mây lai là sự pha trộn giữa hai mô hình trên, cung cấp một số dịch vụ mở rộng và một số dành riêng. Bên cạnh đó, còn có mô hình đám mây cộng đồng, nơi mà nhiều tổ chức cùng chia sẻ tài nguyên đám mây. Về phía các mô hình dịch vụ, ba loại phổ biến là IaaS (Cơ sở hạ tầng như một Dịch vụ), PaaS (Nền tảng như một Dịch vụ), và SaaS 9 (Phần mềm như một Dịch vụ), mỗi loại phục vụ các nhu cầu khác nhau từ cung cấp tài nguyên máy chủ đến nền tảng phát triển ứng dụng và phần mềm sẵn sàng sử dụng.1:Mô hình điện toán đám mây [37] Trong vài năm trở lại đây, điện toán đám mây đã trở thành một trào lưu công nghệ hàng đầu thế giới, chứng kiến sự tăng trưởng đột phá về cả chất lượng và quy mô, cũng như đa dạng hóa các dịch vụ được cung cấp.

Các tập đoàn công nghệ hàng đầu như Google [38], Amazon [39], Microsoft [40], đã dẫn đầu trong việc phát triển lĩnh vực này. Điện toán đám mây cung cấp một mô hình mà các giải pháp công nghệ thông tin được triển khai như là dịch vụ thông qua Internet, giảm nhu cầu của người dùng về đầu tư vào nhân sự, công nghệ và cơ sở hạ tầng cho việc thiết lập hệ thống. Điều này giúp giảm thiểu chi phí và rút ngắn thời gian cần thiết cho việc triển khai, cho phép người sử dụng có thể chuyên tâm vào những hoạt động chính của mình. Không chỉ mang lại lợi ích cho người sử dụng, nhưng các nhà cung cấp dịch vụ cũng thu được lợi ích từ mô hình điện toán này.

Điện toán đám mây (Cloud Computing) [41] [37], [42] đang là hướng phát triển hàng đầu hiện nay, nối tiếp từ các hệ thống mạng và máy tính phân tán truyền thống bằng cách tích hợp tài nguyên tính toán, lưu trữ, nền tảng và dịch vụ đa dạng theo yêu cầu một cách linh hoạt và nhanh chóng, đồng thời cũng dễ dàng thu hồi tài 10 nguyên và giảm thiểu sự cần thiết cho sự tương tác trực tiếp với nhà cung cấp. Mô hình này chủ yếu dựa trên việc cung cấp dịch vụ ngay khi có yêu cầu (ondemand service); đảm bảo khả năng truy cập rộng rãi qua mạng từ nhiều loại thiết bị từ máy tính để bàn đến di động (broad network access); chia sẻ tài nguyên tính toán một cách động giữa nhiều khách hàng (resource pooling for multi-tenanci), và khả năng mở rộng linh hoạt năng lực tính toán để đáp ứng nhu cầu thay đổi từ thấp đến cao (rapidelasticity). Điện toán đám mây, nhờ vào các kỹ thuật ảo hóa [43], sử dụng các dịch vụ qua mạng để cung cấp nguồn lực cơ bản, các nền tảng ứng dụng, phần mềm, và nhiều dịch vụ khác cho người dùng. Trong khuôn khổ của IaaS (Infrastructure as a Service), các nhà cung cấp tạo ra một môi trường ứng dụng phần mềm đầy đủ bằng cách kết hợp phần cứng, phần mềm, và thiết bị liên quan để tuân theo cam kết chất lượng dịch vụ đã thỏa thuận với khách hàng.

Công nghệ máy ảo (Virtual Machine) thường xuyên án tiến sĩ được triển khai trong các data center, máy chủ cụm và cho nhiều ứng dụng khác. Điều này tạo điều kiện để nhiều hệ điều hành có thể hoạt động đồng thời trên một máy chủ đơn lẻ, đảm bảo rằng các dịch vụ được cung cấp một cách độc lập và đáng tin cậy, cũng như tăng cường khả năng tái sử dụng tài nguyên vật lý hiện có. Điện toán đám mây [44] đang mở ra một lĩnh vực nghiên cứu với nhiều tiềm năng, hứa hẹn mang lại lợi ích về mặt kinh tế cho các doanh nghiệp khắp thế giới. Nó cung cấp một giải pháp hiệu quả cho việc lưu trữ và xử lý dữ liệu, cho phép các công ty truy cập vào cơ sở hạ tầng, các nền tảng và dịch vụ phần mềm theo yêu cầu một cách linh hoạt qua Internet.

Điện toán đám mây [45] đại diện cho một kiểu cung cấp dịch vụ trong lĩnh vực công nghệ thông tin, nối tiếp từ các hệ thống mạng trước đây, cho phép người sử dụng truy nhập vào các nguồn tài nguyên từ việc lưu trữ dữ liệu đến sử dụng phần mềm quản lý và xử lý thông tin phức tạp, đặc biệt là trên các nền tảng lớn như Google hay Facebook. Thay vì quản lý trực tiếp, người dùng chỉ cần kết nối với một thiết bị đầu cuối để sử dụng các nguồn tài nguyên này, trong khi hệ thống điện toán đám mây phụ trách việc lên lịch và xử lý các yêu cầu, từ việc quản lý thời gian chờ đợi đến thời gian xử lý và hoàn thành các tác vụ. Điện toán đám mây [46] đang thay đổi bản chất của ngành công nghệ thông tin, thúc đẩy sự thay đổi trong việc sử dụng và cung cấp phần mềm và phần cứng. Nó 11 cho phép người dùng chỉ tập trung vào sản phẩm của họ mà không cần lo lắng về việc quản lý tài nguyên máy tính như băng thông, lưu trữ, hoặc ứng dụng phần mềm.

Hợp đồng dịch vụ giữa nhà cung cấp và khách hàng xác định rõ các yêu cầu về chất lượng dịch vụ thông qua các thỏa thuận mức dịch vụ (SLA). Bằng việc tuân thủ SLA, nhà cung cấp cam kết đảm bảo chất lượng dịch vụ đã thỏa thuận. Sử dụng máy ảo cho phép tối ưu hóa tài nguyên phần cứng hiện có mà vẫn đảm bảo chất lượng dịch vụ. Để tránh giảm hiệu suất, các thuật toán phải có khả năng phát hiện và phân loại máy chủ quá tải và không sử dụng.

Những thuật toán này cung cấp kế hoạch tối ưu cho việc di chuyển và phân phối máy ảo trong thời gian thực. Là một mô hình tính toán mới, [47] Cloud Computing là một mô hình tính toán hiện đại, ra đời sau sự phát triển của các công nghệ như máy tính phân phối, điện toán lưới, lưu trữ dữ liệu mạng, công nghệ máy chủ cụm và tính toán song song.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Nghiên Cứu Hướng Tiếp Cận SWOT Để Tối Ưu Cân Bằng Tải Trong Điện Toán Đám Mây" cung cấp một cái nhìn sâu sắc về việc áp dụng phân tích SWOT để tối ưu hóa cân bằng tải trong môi trường điện toán đám mây. Bằng cách phân tích các điểm mạnh, điểm yếu, cơ hội và thách thức, tài liệu giúp người đọc hiểu rõ hơn về cách thức cải thiện hiệu suất và độ tin cậy của hệ thống điện toán đám mây. Những lợi ích mà tài liệu mang lại bao gồm khả năng tối ưu hóa tài nguyên, giảm thiểu rủi ro và nâng cao hiệu quả hoạt động.

Để mở rộng kiến thức của bạn về các khía cạnh liên quan đến điện toán đám mây và công nghệ thông tin, bạn có thể tham khảo thêm tài liệu Hcmute tìm hiểu nghiên cứu và xây dựng hệ thống demo private cloud trên nền windows server 2012, nơi cung cấp thông tin chi tiết về việc xây dựng hệ thống điện toán đám mây riêng. Ngoài ra, tài liệu Luận văn thạc sĩ nghiên cứu nâng cao hiệu năng giao thức định tuyến aodv cho mạng manet sẽ giúp bạn hiểu rõ hơn về các giao thức mạng và cách tối ưu hóa chúng. Cuối cùng, tài liệu Luận văn thạc sĩ nghiên cứu ứng dụng iot vào hệ thống quản lý trạm bts tại vnpt hưng yên sẽ mở ra một góc nhìn mới về việc ứng dụng công nghệ IoT trong quản lý hệ thống, một phần quan trọng trong điện toán đám mây hiện đại.