A Multi-Agent based Load balancing System in IaaS Cloud Environment

Keshvadi, Sina; Faghih, Behnam

doi:10.15406/iratj.2016.01.00002

Cited by 11 publications

(4 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dinamiklik, Otonomi, Maksimum Süre Minimizasyonu, Hizmet Kalitesi (QoS) [138] Bulun bilişimin ortamlarının dördüncü başarı performans kriteri olarak "enerji tüketimi: Tüm düğümlerin tükettiği enerji miktarı" (energy consumption) incelendiğinde, takviye öğrenme etmenlerinin (reinforcement learning agent) dinamik değerlendirme yeteneğine dayalı tasarlanan dinamik güç yönetim sistemleri, etkin güç ve enerji tüketimi tasarrufuna katkı sağlar. [77,[87][88][89] Heterojen IoT ağı içerisinde, cihazlar arasındaki etkileşimi yönetmek ve akıllı karar verme yeteneğini geliştirmek, hesaplama zekâsı gerektirmektedir.…”

Section: Tartışmalar (Discussion)unclassified

IoT uygulamalarında çok etmenli sistemlerin (MAS) birlikte çalışabilirliğinin rolü: Akıllı üretim sistemlerindeki son gelişmeler üzerine bir araştırma

Uslu

2022

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

Çok Etmenli Sistemler (MAS), Nesnelerin İnterneti (IoT) uygulamaları içerisinde, akıllı nesnelerin etmenler (agent) olarak tasarlanması aracılığı ile birden çok akıllı cihazdan bilgilerin algılamasını, toplamasını, paylaşmasını, pekiştirilmesini ve revize edilmesini mümkün kılmaktadır. Çok etmenli sistemler ve ilgili araçlar, sistemlerin optimizasyonunda kullanılan paradigmalar için önemli değişikliklere katkıda bulunmakla birlikte, MAS hakkındaki mevcut literatür, IoT cihazlarının gelişmiş işbirliğini açıklayan modern dağıtılmış hesaplama yöntemlerini açıklamak için yeterli düzeyde değildir. Bu araştırma, IoT içerisinde yer alan akıllı cihazların, MAS teknolojisi ile birlikte çalışabilirliği hakkında kapsamlı bir araştırma sunmaktadır. Bu kapsamda, önce etmen tabanlı sistemler ve IoT teknolojisi hakkında genel bir bilgilendirilme sunularak, çok etmenli sistemler içerisinde birlikte çalışabilirliğin önemi ve üretim sistemleri özelinde çoklu etmen teknolojisinin, sensör verilerini yakalamadan karar vermeye kadar çeşitli amaçlarla nasıl kullanılabileceğini açıklanmıştır. Çok etmenli sistemlerde birlikte çalışabilirlik için geliştirilen ve üreticiden bağımsız olarak birbirini anlayabilen iki ana dil hakkında bilgilendirme sunulmuştur. MAS'in IoT tabanlı kablosuz sensör ağında (WSN'ler) veri toplama ve entegrasyonu açıklanmıştır. Akıllı üretim sistemlerinin tasarımında, MAS'in geliştirmeye açık alanları ve gelecekteki trendlerinde IoT uygulamasını ele almak, bu makalenin bir diğer katkısı olarak sunulmuştur. Araştırmanın, IoT ve MAS üzeride çalışan araştırmacılar, tasarımcılar ve yöneticiler için bir yol gösterici olması beklenmektedir.

show abstract

Section: Tartışmalar (Discussion)unclassified

IoT uygulamalarında çok etmenli sistemlerin (MAS) birlikte çalışabilirliğinin rolü: Akıllı üretim sistemlerindeki son gelişmeler üzerine bir araştırma

Uslu

2022

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

show abstract

“…These requests have their specific nodes which may be overloaded. Load balancing algorithms could solve the issues of the workload but may suffer from some challenges in the cloud [24,25]. These challenges can make a negative impact on the cloud environment [7].…”

Section: Literature Reviewmentioning

confidence: 99%

Load Balancing Based on Multi-Agent Framework to Enhance Cloud燛nvironment

Hessen¹,

Abdul-Kader²,

Khedr³

et al. 2023

Computers, Materials &Amp; Continua

View full text Add to dashboard Cite

According to the advances in users' service requirements, physical hardware accessibility, and speed of resource delivery, Cloud Computing (CC) is an essential technology to be used in many fields. Moreover, the Internet of Things (IoT) is employed for more communication flexibility and richness that are required to obtain fruitful services. A multi-agent system might be a proper solution to control the load balancing of interaction and communication among agents. This paper proposes a multi-agent load balancing framework that consists of two phases to optimize the workload among different servers with large-scale CC power with various utilities and a significant number of IoT devices with low resources. Different agents are integrated based on relevant features of behavioral interaction using classification techniques to balance the workload. A load balancing algorithm is developed to serve users' requests to improve the solution of workload problems with an efficient distribution. The activity task from IoT devices has been classified by feature selection methods in the preparatory phase to optimize the scalability of CC. Then, the server's availability is checked and the classified task is assigned to its suitable server in the main phase to enhance the cloud environment performance. Multi-agent load balancing framework is succeeded to cope with the importance of using large-scale requirements of CC and (low resources and large number) of IoT.

show abstract

“…This method transfers only the excess tasks from an overloaded VM instead of migrating the full overloaded VM to achieve system LB (Ramezani et al , 2014). In Keshvadi and Faghih (2016), the authors proposed a multiagent-based load-balancing architecture for enhanced resource utilization, makespan and response time. It deals with both sender- and receiver-initiated information for load transfer to ensure SLA and reduce the task’s waiting time.…”

Section: Related Workmentioning

confidence: 99%

A load-balanced hybrid heuristic for allocation of batch of tasks in cloud computing environment

Shiekh

Shahid

Sambare

et al. 2022

IJPCC

View full text Add to dashboard Cite

Purpose Cloud computing gives several on-demand infrastructural services by dynamically pooling heterogeneous resources to cater to users’ applications. The task scheduling needs to be done optimally to achieve proficient results in a cloud computing environment. While satisfying the user’s requirements in a cloud environment, scheduling has been proven an NP-hard problem. Therefore, it leaves scope to develop new allocation models for the problem. The aim of the study is to develop load balancing method to maximize the resource utilization in cloud environment. Design/methodology/approach In this paper, the parallelized task allocation with load balancing (PTAL) hybrid heuristic is proposed for jobs coming from various users. These jobs are allocated on the resources one by one in a parallelized manner as they arrive in the cloud system. The novel algorithm works in three phases: parallelization, task allocation and task reallocation. The proposed model is designed for efficient task allocation, reallocation of resources and adequate load balancing to achieve better quality of service (QoS) results. Findings The acquired empirical results show that PTAL performs better than other scheduling strategies under various cases for different QoS parameters under study. Originality/value The outcome has been examined for the real data set to evaluate it with different state-of-the-art heuristics having comparable objective parameters.

show abstract

A Multi-Agent based Load balancing System in IaaS Cloud Environment

Cited by 11 publications

References 18 publications

IoT uygulamalarında çok etmenli sistemlerin (MAS) birlikte çalışabilirliğinin rolü: Akıllı üretim sistemlerindeki son gelişmeler üzerine bir araştırma

IoT uygulamalarında çok etmenli sistemlerin (MAS) birlikte çalışabilirliğinin rolü: Akıllı üretim sistemlerindeki son gelişmeler üzerine bir araştırma

Load Balancing Based on Multi-Agent Framework to Enhance Cloud燛nvironment

A load-balanced hybrid heuristic for allocation of batch of tasks in cloud computing environment

Contact Info

Product

Resources

About