WS-SSA: جدولة سير العمل في الحوسبة السحابية باستخدام خوارزمية سرب السالب

لماذا يهم توجيه الحركة الرقمية بذكاء أكبر

وراء كل خريطة على الإنترنت أو تحليل طبي أو اكتشاف موجات جاذبية يكمن متاهة من المهام الحاسوبية التي يجب تنفيذها بالترتيب الصحيح، على الأجهزة المناسبة، وبأسرع وأرخص شكل ممكن. في الحوسبة السحابية الحديثة، تُقسَّم هذه الوظائف إلى آلاف الخطوات المترابطة الموزعة عبر مراكز بيانات حول العالم. إذا أُدير هذا «المرور» الرقمي بشكل سيئ، ينتظر العلماء إجابات أطول ويحرق مقدمو الخدمة كهرباء أكثر من اللازم. يقدم هذا البحث طريقة جديدة لتنظيم مثل هذه سير العمل المعقدة، مستلهَمة من مصدر مفاجئ: سلاسل كائنات بحرية صغيرة تُسمى السالب.

كيف تُقسَّم الوظائف العلمية الكبيرة إلى أجزاء

نادراً ما تعمل التطبيقات العلمية والتجارية الكبيرة كبرنامج واحد متكامل. بدلاً من ذلك، تُحلَّل إلى العديد من المهام الصغيرة التي تعتمد على بعضها البعض. يمثل الباحثون هذه البنية كرسوم بيانية موجهة لا دورية: تمثل العقد المهام وتُظهر الأسهم أي النتائج يجب إنتاجها قبل أن تبدأ مهام أخرى. في مركز بيانات سحابي، تُربَط هذه المهام بماكينات افتراضية—حواسب قائمة على البرمجيات تختلف في السرعة والذاكرة وسعة الشبكة. التحدي هو تحديد أي مهمة تُشغَّل على أي جهاز ومتى، بحيث يكتمل سير العمل بأكمله في أسرع وقت ممكن مع استخدام جيد للموارد.

لماذا من الصعب إيجاد الخطة المثلى

اختيار جدول مثالي لآلاف المهام المترابطة عبر العديد من الأجهزة هو مثال نموذجي لمشكلة تُصنَّف عادة بأنها NP-صعبة: عدد التعيينات الممكنة يتضخم بسرعة بحيث يصبح فحصها جميعاً مستحيلاً عملياً. لذلك تعتمد أنظمة السحابة على اختصارات ذكية تُعرف بالهجستكات والميتاهيرستيك للبحث عن حلول جيدة—ولكن ليست مضمونة أنها مثالية. القواعد التقليدية مثل «من يأتي أولاً يُخدم أولاً» أو التوزيع بالتناوب بسيطة لكنها مضيعة عند النطاق الكبير. الأساليب الأكثر تقدماً، بما في ذلك الخوارزميات الجينية، وتحسين سرب الجسيمات، وتحسين مستعمرة النمل، تبحث بذكاء أكبر لكنها قد تعلق عند حلول متوسطة، وتتطلب ضبط معلمات دقيقاً، أو تتجاهل تبعيات مهمة مهمة.

التعلّم من سلاسل السالب في المحيط

الطريقة الجديدة، المسماة WS-SSA، تكيّف خوارزمية سرب السالب مع واقع سير العمل السحابي. في الطبيعة، تتحرك السالب في سلاسل في البحر مع زعيم في المقدمة وأتباع خلفه، يغيرون مسارهم أثناء البحث عن الغذاء. يعامل WS-SSA كل خطة جدولة ممكنة كعضو من أعضاء هذه السلسلة. تلعب أفضل خطة معروفة دور «الغذاء» الذي يوجه حركة الجدول القيادي، بينما يتدرج الأتباع في التكيف نحو المناطق الواعدة. اختيار تصميم رئيسي هو أن كل موضع في هذا السرب الاصطناعي يشفر مباشرة أي جهاز افتراضي يشغّل كل مهمة، باستخدام أعداد صحيحة بسيطة بدلاً من قيم مستمرة يجب لاحقاً تحويلها. بالاشتراك مع ترتيب دقيق للمهام يحترم دائماً تبعياتها، يضمن هذا أن كل جدول مرشح تنظر إليه السرب يكون صالحاً وقابلاً للتنفيذ فوراً.

اختبار المخطط الجديد

لمعرفة أداء WS-SSA، أجرى المؤلفون محاكاة واسعة النطاق باستخدام WorkflowSim، أداة تحاكي سير العمل العلمي الحقيقي فوق بيئة CloudSim واسعة الاستخدام. اختبروا خمس تطبيقات معيارية من علم الفلك والزلازل وفيزياء موجات الجاذبية والمعلوماتية الحيوية، بأحجام سير عمل تتراوح من بضعة عشرات إلى ألف مهمة وإعدادات سحابية تتراوح من عدد محدود إلى مئة آلة افتراضية. قورن WS-SSA بست قواعد جدولة كلاسيكية وثلاث طرق ميتاهيرستيك حديثة، بما في ذلك خوارزمية تحسين الحيتان، والخوارزميات الجينية، وتحسين سرب الجسيمات. كانت النتيجة الأساسية هي زمن الانتهاء الإجمالي، أو زمن الإكمال، بينما جرى تتبع إجمالي استهلاك الطاقة من قبل الآلات الافتراضية كمقياس ثانوي ذي صلة وثيق.

ماذا تعني النتائج للزمن والطاقة

على امتداد هذه المجموعة الواسعة من التجارب، أنتج WS-SSA باستمرار جداول أسرع من الطرق المنافسة. في المتوسط، خفّض زمن الإكمال بحوالي ثلث مقارنةً بالهجستكات التقليدية، ولا يزال يحقق مكاسب تتراوح من عدة في المئة إلى أكثر من عشرين بالمئة مقارنةً بالميتاهيرستيك الراسخة. وبما أن وقت الخمول والعمليات الحسابية المهدورة تضاءلا أيضاً، انخفض إجمالي استهلاك الطاقة بالتوازي—غالباً بنسب مشابهة—دون أن يطلب من الخوارزمية تحسين استهلاك الطاقة صراحةً. أكدت الاختبارات الإحصائية عبر 30 تشغيلًا مستقلاً أن هذه التحسينات لم تكن مجرد صدفة، خصوصاً لسير العمل الأكبر والأكثر تعقيداً. تُظهر الدراسة أن نسخة بسيطة ومجزأة من الاستراتيجية المستوحاة من السالب يمكنها التنقل بثبات في الفضاء الهائل للخطط المحتملة والتكيّف مع هياكل سير عمل وتكوينات آلات مختلفة.

علم أسرع بسحب سحابية أكثر اقتصاداً

بعبارات يومية، يُعد WS-SSA متحكماً أذكى لحركة المرور على الطريق السريع للبيانات الذي يدعم العلم الحديث وخدمات السحابة. من خلال تنسيق متى وأين تُشغَّل كل مهمة، يقلّص الفاصل الزمني بين إطلاق مهمة معقدة والحصول على النتيجة النهائية، بينما يخفض فاتورة الطاقة لمراكز البيانات الأساسية. لا يغيّر هذا العمل كيفية تعريف سير العمل نفسه؛ بل يقدم طريقة أكثر كفاءة لتشغيلها على منصات سحابية موجودة. قد تجعل الامتدادات المستقبلية التي تأخذ التكلفة والطاقة والمواعيد النهائية بعين الاعتبار معاً مثل هذه المجدولات المستوحاة من السرب أداة مهمة لبُنى تحتية حوسبية أكثر خضرة واستجابة.

الاستشهاد: Sharawy, A.A., Sakr, R.H., Eladrosy, W. et al. WS-SSA: workflow scheduling in cloud computing using salp swarm algorithm. Sci Rep 16, 13402 (2026). https://doi.org/10.1038/s41598-026-48037-w

الكلمات المفتاحية: جدولة سير العمل السحابي, تحسين ميتاهيرستيك, خوارزمية سرب السالب, الحوسبة العلمية, السحابة الموفرة للطاقة