با افزایش بازار استفاده از تکنولوژی محاسبات ابری، مراکز داده عظیمی به وجود آمده­اند تا محاسبات را سریع­تر انجام دهند. يکي از دغدغه­هاي اصلي در محاسبات ابری، مواجه­شدن با اشکال­ها در حين اجرا ­کردن يک برنامه موازي زمان­بر است. براي غلبه بر اين قبيل مشکلات، عموما از روش­هاي آزمون نقطه­مقابله­گيري[1] يا آرشيوکردن[2] استفاده مي­شود. اما اين روش­ها غالبا سربار بالايي دارند و به صورت واکنشي عمل مي­کنند.

در اين پایان­نامه روشي را معرفي مي­کنيم که علاوه بر بازيافت و بازگشت به عقب برای تحمل پذیری اشکال، بتواند گره­های محاسباتی که احتمال وقوع خرابی در آن­ها بیشتر است را شناسایی نماید و به صورت پیش­کنشی عمل کرده و ماشین­های مجازی را که بر روی آن­ها قرار دارد به گره­های محاسباتی امن­تر مهاجرت دهد تا در صورت وقوع اشکال در گره مشکوک برنامه موازی بدون وقفه به کار خود ادامه دهد. علاوه بر آن، در این الگوریتم با بهره­گیری از قانون بیز و مدل هزینه پیشنهادی، آزمون نقطه­مقابله­گيري زائد تا حد امکان حذف شده و زمان اجرای برنامه بهبود خواهد یافت. با استفاده ازشبیه­سازی نشان می­دهیم که روش پیشنهادی بسته به شرایط مختلف تا 78% زمان اجرا را بهبود می­بخشد و از منابع کمتری استفاده می­کند.

واژه­های کلیدی: سیستم­های محاسبات ابر[3]، پیش­بینی اشکال[4]، مدل مبتنی بر هزینه[5]، قانون بیز[6]، پیش­کنشی[7]، آزمون نقطه­مقابله­گيري هماهنگ[8] ، مهاجرت[9].

[1] Checkpointing

[2] Logging

[3] Cloud Computing Systems

[4] Fault Prediction

[5] Cost Model

[6] Bayes’ Rule

[7] Proactive

[8] Coordinated Checkpoint

[9] Migration