Тип публикации: статья из журнала
Год издания: 2025
Идентификатор DOI: 10.26102/2310-6018/2025.50.3.024
Ключевые слова: cloud computing, scheduling, task allocation, virtual machines, hybrid algorithm, load balancing, optimization, CloudSim, облачные вычисления, планирование, распределение задач, виртуальные машины, гибридный алгоритм, балансировка нагрузки, оптимизация
Аннотация: Актуальность исследования обусловлена стремительным ростом объемов обрабатываемых данных и широким распространением облачных технологий, что делает эффективное распределение вычислительных задач в высоконагруженных системах ключевой проблемой современной информатики. Существующие методы балансировки нагрузки часто не учитывают гетеПоказать полностьюрогенность ресурсов, динамику workloads и необходимость многоцелевой оптимизации, что ограничивает их эффективность. Целью работы является разработка гибридного алгоритма балансировки нагрузки, сочетающего преимущества алгоритмов Artificial Bee Colony (ABC) и Max-Min для повышения производительности и ресурсоэффективности распределенных систем. В исследовании использован метод имитационного моделирования в среде CloudSim для оценки предложенного алгоритма при различных сценариях нагрузки (от 100 до 5000 задач). Задачи классифицируются на «легкие» и «тяжелые» на основе их вычислительной сложности (MIPS), после чего ABC применяется для быстрого распределения простых задач, а Max-Min - для оптимизации выполнения ресурсоемких заданий с целью минимизации общего времени выполнения (makespan). Сравнительный анализ с базовыми алгоритмами (FCFS, SJF, Min-Min, Max-Min, PSO, ABC) показал, что гибридный подход обеспечивает на 15-30 % лучшее время выполнения задач при высокой нагрузке (5000 задач), демонстрируя высокую адаптивность и масштабируемость. Результаты исследования подтверждают, что гибридные алгоритмы, объединяющие эвристические и метаэвристические методы, представляют собой перспективное решение для динамических облачных сред. Предложенный метод эффективно сочетает оперативность распределения легких задач и стратегическое планирование ресурсоемких операций, что делает его применимым в реальных ЦОДах и распределенных системах. Практическая значимость работы заключается в повышении энергоэффективности, снижении затрат и обеспечении качества обслуживания (QoS) в облачных вычислениях. The growing volume of processed data and the widespread adoption of cloud technologies have made efficient task distribution in high-load computing systems a critical challenge in modern computer science. However, existing solutions often fail to account for resource heterogeneity, dynamic workload variations, and multi-objective optimization, leaving gaps in achieving optimal resource utilization. This study aims to address these limitations by proposing a hybrid load-balancing algorithm that combines the strengths of Artificial Bee Colony (ABC) and Max-Min scheduling strategies. The research employs simulation in the CloudSim environment to evaluate the algorithm’s performance under varying workload conditions (100 to 5000 tasks). Tasks are classified into -quot;light-quot; and -quot;heavy-quot; based on their MIPS requirements, with ABC handling lightweight tasks for rapid distribution and Max-Min managing resource-intensive tasks to minimize makespan. Comparative analysis against baseline algorithms (FCFS, SJF, Min-Min, Max-Min, PSO, and ABC) demonstrates the hybrid approach’s superior efficiency, particularly in large-scale and heterogeneous environments. Results show a 15-30% reduction in average task completion time at high loads (5000 tasks), confirming its adaptability and scalability. The study concludes that hybrid algorithms, integrating heuristic and metaheuristic techniques, offer a robust solution for dynamic cloud environments. The proposed method bridges the gap between responsiveness and strategic resource allocation, making it viable for real-world deployment in data centers and distributed systems. The practical significance of the work lies in increasing energy efficiency, reducing costs and ensuring quality of service (QoS) in cloud computing.
Журнал: Моделирование, оптимизация и информационные технологии
Выпуск журнала: Т. 13, № 3
ISSN журнала: 23106018
Место издания: Воронеж
Издатель: Воронежский институт высоких технологий