Hacia la informática en la nube sostenible: equilibrio de carga con algoritmos metaheurísticos inspirados en la naturaleza
Autores: Li, Peiyu; Wang, Hui; Tian, Guo; Fan, Zhihui
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Hacia la informática en la nube sostenible: equilibrio de carga con algoritmos metaheurísticos inspirados en la naturaleza
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Computación en la nube
Flexibilidad
Servicios digitales
Internet
Seguridad
Escalabilidad
Fiabilidad
Equilibrio de carga
Algoritmo de meta-optimización
Selección natural
Algoritmos metaheurísticos
Indicadores de rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
La computación en la nube se considera adecuada para las organizaciones gracias a su flexibilidad y la provisión de servicios digitales a través de Internet. La nube proporciona recursos informáticos casi ilimitados a pedido sin costos iniciales ni contratos a largo plazo, lo que permite a las organizaciones satisfacer sus necesidades informáticas de forma más económica. Además, la computación en la nube ofrece niveles de seguridad, escalabilidad y confiabilidad más altos que las soluciones informáticas tradicionales. La eficiencia de la plataforma afecta factores como la Calidad de Servicio (QoS), congestión, vida útil, consumo de energía, confiabilidad y escalabilidad. El equilibrio de carga se refiere a la gestión del flujo de tráfico para distribuirlo en varios canales. El tráfico de red asimétrico resulta en un procesamiento de tráfico mayor, más congestión en rutas específicas y menos paquetes entregados. El documento se centra en analizar el uso del algoritmo de meta-optimización basado en los principios de la selección natural para resolver el desequilibrio de cargas en los sistemas en la nube. En resumen, ofrece una revisión detallada de la literatura sobre los algoritmos metaheurísticos esenciales para el equilibrio de cargas en la computación en la nube. El estudio también evalúa y analiza el rendimiento del algoritmo metaheurístico en el equilibrio de cargas, tal como lo revelan estudios anteriores, experimentos y casos de estudio. Los indicadores clave de rendimiento abarcan el tiempo de respuesta, la capacidad, la utilización de recursos y la escalabilidad, y se utilizan para evaluar cómo estos algoritmos impactan la eficiencia del equilibrio de cargas.
Descripción
La computación en la nube se considera adecuada para las organizaciones gracias a su flexibilidad y la provisión de servicios digitales a través de Internet. La nube proporciona recursos informáticos casi ilimitados a pedido sin costos iniciales ni contratos a largo plazo, lo que permite a las organizaciones satisfacer sus necesidades informáticas de forma más económica. Además, la computación en la nube ofrece niveles de seguridad, escalabilidad y confiabilidad más altos que las soluciones informáticas tradicionales. La eficiencia de la plataforma afecta factores como la Calidad de Servicio (QoS), congestión, vida útil, consumo de energía, confiabilidad y escalabilidad. El equilibrio de carga se refiere a la gestión del flujo de tráfico para distribuirlo en varios canales. El tráfico de red asimétrico resulta en un procesamiento de tráfico mayor, más congestión en rutas específicas y menos paquetes entregados. El documento se centra en analizar el uso del algoritmo de meta-optimización basado en los principios de la selección natural para resolver el desequilibrio de cargas en los sistemas en la nube. En resumen, ofrece una revisión detallada de la literatura sobre los algoritmos metaheurísticos esenciales para el equilibrio de cargas en la computación en la nube. El estudio también evalúa y analiza el rendimiento del algoritmo metaheurístico en el equilibrio de cargas, tal como lo revelan estudios anteriores, experimentos y casos de estudio. Los indicadores clave de rendimiento abarcan el tiempo de respuesta, la capacidad, la utilización de recursos y la escalabilidad, y se utilizan para evaluar cómo estos algoritmos impactan la eficiencia del equilibrio de cargas.