WS-SSA: salp sürüsü algoritması kullanılarak bulut bilişimde iş akışı zamanlama

Neden daha akıllı dijital trafik önemlidir

Her çevrimiçi haritanın, tıbbi analizlerin veya kütleçekim dalgası keşfinin arkasında, doğru sırayla, doğru makinelerde ve mümkün olduğunca hızlı ve ucuz şekilde çalıştırılması gereken bir dizi bilgisayar görevi vardır. Modern bulut bilişimde bu işler, dünya çapındaki veri merkezlerine yayılan binlerce birbirine bağlı adıma bölünür. Bu dijital trafik kötü yönlendirilirse, bilim insanları yanıtlar için daha uzun bekler ve sağlayıcılar gereksiz yere daha fazla elektrik harcar. Bu makale, karmaşık iş akışlarını düzenlemenin yeni bir yolunu tanıtıyor; ilham kaynağı beklenmedik bir doğal yapı: salp adlı küçük okyanus canlılarının zincirleri.

Büyük bilimsel işler nasıl parçalara ayrılır

Büyük bilimsel ve ticari uygulamalar nadiren tek bir program olarak çalışır. Bunun yerine, birbirine bağımlı birçok küçük göreve ayrılırlar. Araştırmacılar bu yapıyı yönlendirilmiş döngüsüz bir grafik olarak gösterir: düğümler görevleri temsil eder ve oklar hangi sonuçların diğer görevler başlamadan önce üretilmesi gerektiğini gösterir. Bir bulut veri merkezinde bu görevler hız, bellek ve ağ kapasitesi bakımından farklı sanal makinelere eşlenir. Zorluk, hangi görevin hangi makinede ve ne zaman çalıştırılacağını belirlemektir; amaç, tüm iş akışının mümkün olan en kısa sürede tamamlanmasını sağlarken kaynakları verimli kullanmaktır.

En iyi planı bulmak neden bu kadar zor

Birçok bağımlı görevin binlerce farklı makineye atanması için ideal bir zamanlama seçmek, sözde NP-zor bir problemin klasik örneğidir: olası atama sayısı o kadar hızlı artar ki hepsini kontrol etmek pratikte imkansızdır. Bu nedenle bulut sistemleri, mükemmel olacağı garanti edilmeyen ama iyi çözümler arayan sezgisel ve meta-sezgisel yöntemlere dayanır. İlk gelen ilk hizmet alır veya round robin gibi geleneksel kurallar basittir ama ölçeklendiğinde verimsiz olur. Genetik algoritmalar, parçacık sürü optimizasyonu ve karınca kolonisi optimizasyonu gibi daha gelişmiş yaklaşımlar daha akıllıca arama yapar, ancak yine de vasat çözümlere takılabilir, dikkatli parametre ayarı gerektirebilir veya önemli görev bağımlılıklarını göz ardı edebilir.

Okyanustaki salp zincirlerinden ders almak

WS-SSA adı verilen yeni yöntem, Salp Sürü Algoritmasını bulut iş akışlarının gerçeklerine uyarlıyor. Doğada salpler, önde bir lider ve arkasında takipçilerle zincirler halinde denizde hareket eder, yiyecek ararken rotalarını ayarlarlar. WS-SSA her olası zamanlama planını bu tür bir zincirin bir üyesi olarak ele alır. Bilinen en iyi plan “yiyecek” rolünü oynayarak lider zamanlamayı yönlendirir, takipçiler ise ümit vaat eden bölgelere doğru kademeli olarak uyum sağlar. Ana tasarım tercihlerinden biri, bu yapay sürüdeki her pozisyonun hangi sanal makinenin hangi görevi çalıştırdığını doğrudan basit tam sayılarla kodlamasıdır; böylece daha sonra çevrilmesi gereken sürekli değerler kullanılmaz. Görevlerin bağımlılıklarını her zaman koruyan dikkatli bir sıralama ile birleştiğinde bu, sürü tarafından değerlendirilen her aday zamanlamanın geçerli ve hemen yürütülebilir olmasını sağlar.

Yeni planlayıcıyı teste sokmak

WS-SSA’nın performansını görmek için yazarlar, yaygın kullanılan CloudSim ortamı üstünde gerçek bilimsel iş akışlarını taklit eden WorkflowSim aracını kullanarak kapsamlı simülasyonlar gerçekleştirdi. Astronomi, sismoloji, kütleçekim dalgası fiziği ve biyoinformatikten beş kıyaslama uygulaması test edildi; iş akışları birkaç düzine ile bin görev arası büyüklükte ve bulut kurulumları birkaçtan yüz sanal makineye kadar değişti. WS-SSA, altı klasik zamanlama kuralı ve balina optimizasyon algoritması, genetik algoritmalar ve parçacık sürü optimizasyonu dahil üç modern meta-sezgisel yöntemle karşılaştırıldı. Ana ölçüt toplam tamamlanma süresi yani makespan iken, sanal makinelerin toplam enerji kullanımı yakından ilgili ikincil bir ölçü olarak izlendi.

Zaman ve enerji için sonuçların anlamı

Bu geniş deney setinde WS-SSA rekabetçi yöntemlere kıyasla tutarlı şekilde daha hızlı zamanlamalar üretti. Ortalama olarak, geleneksel sezgisel yöntemlere kıyasla makespan’i yaklaşık üçte bir oranında azalttı ve yerleşik meta-sezgellere karşı yine de birkaç ila yirmiden fazla yüzde kazanç sağladı. Boşta kalma ve israf edilen hesaplama da azaldığı için toplam enerji tüketimi de paralel olarak—çoğu durumda benzer oranlarda—düştü; bunun için algoritmanın enerji kullanımını açıkça optimize etmesi gerekmedi. 30 bağımsız çalışmanın üzerindeki istatistiksel testler, bu iyileşmelerin şansa bağlı olmadığını doğruladı; özellikle daha büyük ve daha karmaşık iş akışları için. Çalışma, salp esinli stratejinin basit, ayrık bir versiyonunun olası zamanlamalar alanında güvenilir şekilde gezinebileceğini ve farklı iş akışı yapıları ile makine yapılandırmalarına uyum sağlayabileceğini gösteriyor.

Daha hızlı bilim, daha yalın bulutlar

Günlük dilde WS-SSA, modern bilim ve bulut hizmetlerinin temelini oluşturan veri otoyolu için daha akıllı bir trafik kontrolörüdür. Hangi görevin ne zaman ve nerede çalışacağını koordine ederek, karmaşık bir işi başlatmak ile nihai sonucu almak arasındaki süreyi kısaltır ve aynı zamanda altında yatan veri merkezlerinin enerji faturasını azaltır. Çalışma iş akışlarının tanımını değiştirmez; yerine bunları mevcut bulut platformlarında çalıştırmanın daha verimli bir yolunu sunar. Maliyet, enerji ve teslim tarihlerini aynı anda ele alan gelecekteki genişletmeler, bu tür sürü esinli zamanlayıcıları daha çevreci ve daha duyarlı hesaplama altyapıları için önemli bir araç haline getirebilir.

Atıf: 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

Anahtar kelimeler: bulut iş akışı zamanlama, meta-sezgisel optimizasyon, salp sürüsü algoritması, bilimsel hesaplama, enerji verimli bulut