Bulut sistemlerde görev çizelgeleme problemlerine metasezgisel bir çözüm modelinin geliştirilmesi

Bulut bilişim teknolojisi birçok verinin internet ortamında barınmasını, değerlendirilebilmesini, kullanıcıların yalnızca tükettiği hizmet kadar ödeme yapmalarını sağlayan sanallaştırılabilir ve ölçeklenebilir kaynakların toplamıdır. İnternet altyapısının gelişmesi, Nesnelerin İnterneti teknolojisinin yaygınlaşması, büyük verinin hızlı artışı ve buna yönelik çalışmaların ortaya çıkması, yapay zekâ çalışmalarındaki gelişmeler gibi birçok sebep bulut teknolojilerinin yaygınlaşmasına neden olmuştur. Bulut bilişimin en önemli mekanizmalarından biri sanal makinelerdir. Sanal makineler müşterilerin ihtiyaçları doğrultusunda bulut sistem üzerindeki kaynaklardan oluşturulurlar. İş hacmine bağlı olarak müşterilerin sanal makine sayıları ve özellikleri çeşitlilik gösterebilir. Müşteriler bu sanal makinelerin özelliklerine ve kullanım sürelerine göre bulut sağlayıcıya belirli ücretler öderler. Sanal makineler üzerinde çalıştırılması gereken görevlerin yanlış çizelgelenmesi görev tamamlanma süresinin (makespan) artmasına ve doğal olarak da müşteri için maliyet artışına yol açar. Görev tamamlanma süresindeki bu artış, dolaylı olarak bulut sağlayıcının da enerji sarfiyatı ve bakım onarım maliyetlerini olumsuz etkiler. Bu sebeple bulut sitemlerde sanal makineler için iyi bir görev çizelgeleme algoritmasının kullanılması hem müşteri hem de bulut sağlayıcı açısından zorunludur. Görev çizelgeleme, NP-hard tipi bir problemdir. Deterministtik yaklaşımlar yerine metasezgisel algoritmaların kullanılması performans açısından bu tip problemlerin çözümünde sıklıkla tercih edilmektedir. Ancak öte yandan, problem tipinden dolayı, rastgele arama temelli metasezgisel algoritmaların lokal minimalara takılma olasılıkları da yüksektir. Bu olasılık görev ve sanal makine sayılarının artmasıyla daha da artabilmektedir. Bu sebeple kullanılan metasezgisel algoritmaların bu sorunu aşacak mekanizmalar kullanması gerekmektedir. Bu çalışma bu sorunun çözümü için farklı bir yaklaşım mekanizması kullanan ve güncel metasezgisel algoritmalardan olan Denizanası Arama Optimizasyonu (Jellyfish Search Optimizer) temelli bir çözüm önermektedir. Önerilen yöntemin en özgün yanı, daha hızlı bir şekilde lokal minimalardan kurtulmak için farklı bir benzerlik kontrolü ile dinamik popülasyon artışına imkân vermesidir. Böylece arama uzayında daha verimli bir keşif süreci gerçekleştirilmiş olmaktadır. Buna ek olarak bu algoritmanın, görev çizelgeleme problemi için çoklu iş parçacığı (Multi-Thread) ve çoklu-süreç (Multi-Process) analizleri de bu tez kapsamında yapılmıştır. Önerilen yöntemin performansı, CloudSim simülatöründe farklı senaryolar için karşılaştırmalı olarak denenmiş ve ispatlanmıştır.