Indonesi an  Journa l  of El ect ri cal Enginee r ing  an d  Comp ut er  Scie nce   Vo l.   12 ,  No.   3 ,  Decem ber   201 8 , p p.   1 17 9 ~ 11 86   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 2 .i 3 .pp 1179 - 1186          1179       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   An Effi cient F ramework  to  Imp rove QoS  of CSP us ing  Enh anced Min imal R esou rce Opti mizati on     based S ch eduli ng Algorit hm       Ravi  Mahade van 1 ,  Neelame gam Anb az hagan 2   1 Dept.   of   Com pute r  Sc ie nc e and Engi ne eri ng,   Al aga ppa   Univer si t y ,   Kar ai kudi ,   Tam il nadu,   Ind ia     2 Alaga ppa   Univ ersity ,   Kara ikudi,  T amilna du ,   Ind ia       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   J ul   30, 2 018   Re vised  Sep   14, 2 018   Accepte d  O ct   21, 201 8       Online  Now aday s,   th e   enterpri ses  &   indi v idu al s  are  con tri b uti ng   their   workloads  on  cloud  servic e   pro vide rs  which  ar e  going  to  inc r e ase   on  dail y   basis.   Th ere  ar e   la rg e  amount  CS P  are   ava i lable  to  off er  v irtualize d  and   d y nami c resou rc e on  p a y   and   use   basis.   How eve r ,   the r e ar e  al m ost  CS P  fai led   to  m ai nt ai n   qua lit y   of   servi ce  (QO S)  and  m ini m al  r esourc e   opti m iza ti on.   Som e  of  the  ex isti ng  a pproa che s   are  hi ghl y   ded ic a te d   o n  sche dul ing  po l icy   bu t,  it  does  not   consid ere d   re li ab le  se rvic es   w it h   opt i m iz ed  QO S.   To   offe r   best   soluti on  of  abo ve  probl em,  th e  fra m ework  pr oposes  Enha nc e d  Minim al  Resourc e  Optimi za t ion  base d  Sch edul ing  Algor it h m   to  m ini m iz e  th e  resourc es  and m ai nt ai n   the  QO S.   Th e m et h od  avoi ds  d ela y   i n  Reque st - R esponse m ode l   in  cl oud   envi ron m ent .   To  avoi d  o ver loa d  fo r  resou rce   al lo ca t ion,   th e  proposed   design  utili ze d  opti m iz ed   sche d uli ng  pol icy .   Pr oposed  m ec hanis m s  uti li zed   opti m iz ed   servi ce  broke r ing  po li c y   to   r educ e   t he  d el a y   r esponse  in   cl ou d   envi ronm ent .   Th e  fra m ework  al s o  hel p  c loud  user   to  pre fer   b est  CS P  ac cor ding   to  the i r  prior  s erv ices.  Th e  m et hod  offe rs  risi ng  tre nd  of  r esourc e  base d   struct ure   to   red u ce t he   pl acem ent c hurn   ex te nsive l y .   Propos ed  s y s t em ut iliz ed   eff icient  sche dul ing  polic y   to   trans m it   dat a  r eques t  to  CS P  with  m ini m al   da t a   proc essing  ti m e .   The   ent ir e  ut il i z at ion is t o  improve  th e  QO S of  cloud servi c e   provide r  in  th e  f ea tur es  of  m ulti - dimensional   r esourc e.  Based   on  e xper imental   eva lu at ions,   pro posed  t ec hniqu e  improves  the  CP T  (Com putation   Proce ss ing  Ti m e)  301. 72  m il li sec onds,  B U  (Bandwidt h  Util izati on )  20  Mbps ,   CP UU  (CPU   Util izat io n)  5%   &   MRU   ( Mem ory   R esourc e   Utilization)   3 %  on   give n   input   p ara m eters c om par e   tha n   e xisti ng  m et hodo l og y .   Ke yw or ds:   Cl oud  c om pu ti ng   Cl oud  s e rv ic e  p r ovider   m e m or y   Re so urce  a ll oc at ion   v irtual iz at ion   Re so urce  o ptim iz at ion   CPU  util iz at ion   Copyright   ©   201 8  Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed.   Corres pond in g  Aut h or :   Ra vi Maha devan,    Dep a rtm ent   of   Com pu te r  Scie nce a nd E ng i ne erin g ,   Alaga pp a  Univ ersit y ,   Kar ai kudi , Ta m il  N adu .   Em a il :  rav i m a had e va n.phd @ gm ail.co m .       1.   INTROD U CTION     Nowa days,  N owadays ,  the   e nter pr ise s   an d  in div id uals  a r e  co ntributi ng   their   w orklo a ds   t o  cl oud  serv ic e  pro vide rs  (C SP)  ha ve   bee n  rap i dly  increase d  on  da il y  basis.  CSP  structu re  a   hu ge   pool  of  a bs tr act ed,  virtu al iz ed , a nd  dynam ic al l y  scal able  res our ces  f or  use rs ,  pa y  an d  us e  basi s. T he  res ource s  are   pa rtit ion e d i nt o  three  kinds  of   serv ic es:   I nfra structu re  as  a  Ser vice  (I aa S),   Plat fo rm   as  a  Ser vice  (P aa S ),   a nd   Softwa r e  as  a  Ser vice  (S aa S ).   IaaS  pro vide s  sto rag e ,  C PU s,   net wor ks  an d  oth e r  lo w - le vel  res our ces,  Paa S  pro vid e s  pro gr am m ing   Gr a phic al  U se r  Interface  (GU I) ,  and  SaaS  pr ov i des pr e viou sly  created a pp li cat ion s.          Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8   :   1179   –   118 6   1180   1.1 .      Pr ob le m   T he  e xisti ng   m et hods   work e d  to  opti m iz e  the  resou rce  al lo cat ion   in  cl oud  as  a  ta sk   sc he du li ng  with  QoS c onstrai nt s. Ho we ver, th e com pu ta ti on  ti m e o f  eac h  s ubta sk i s call ed   as a sc he du le r,  wh ic h  is  im pr act ic al  in  virt ualiz ed  cl oud  syst em s.   Ther e   are  la r ge  am ou nt  CS P  are  a vaila bl e  to  offe r  vi rtuali zed  a nd   dy nam ic   resou rce  on  pa y  an d  us e   basis   in   cl oud.  How ever,  t her e   are   alm os t  CSP  fail ed  to   m ai nta in  a  qual it y  of  se rv ic e   (QoS )  with   m ini m al   resour c e  opti m iz at ion .  T he   sel ect io n  of  se rv ic es   dev el op e d  to   perform   the  qual it y    factors  bec om e s  m or e  crit ic al   and   c halle ngin g  to  the  ac hiev e m ent  of   SBSs ,   par ti cularly   w hen   t he  qual it y  factors   are  stric t.  H oweve r ,   e xisti ng  m et hods  fail s  to   m ai ntain  qu al it y - awa re   serv ic e   c om po sit ion   t o  enla r ge   the    su ccess   rate   of   com pu ti ng.   T he  c urre nt  m eth od ology  c on c entrated   on  Ia aS  wh e re  cl oud  se r vice  provi ders   pro vid e d  dissi m il ar  kin ds  of   res ources  i n  the  str uctu re  of   VM  occ urr ences.  A n  Iaa S  pro vid e r  prov i des    four  kinds   of  VM  occ urren c es:   sm all  (S ) ,  m edium   (M),   l arg e   ( L),  a nd  e xtra   la rg e   (X L ) .  S of t war e   as   a   Se rv ic e   (S aaS )  pro vid e rs  giv es  a  set   of   ap plica ti on s   util iz ing   t he  Cl oud  se rv ic es   pro vid e d  by  a n  I nfrast ru ct ure  as  a   Ser vic e  ( IaaS)  pro vid e r.   The   te chn i qu e   im a gin es   that  the   IaaS  pro vid e r  pro vid es  a   pay m ent  on ly   what   yo u  util iz e  strat eg y  on  dem and   an d  s pot  vir tual  m achines.   A   Q oS - co ns t raine d  resou rc e  al locat ion  m et ho d  introd uced  to  s ub m it   the  us er  com pu ta ti on   ta sk   in   cl oud  en v iro nm ent.  How ever,  the  m et ho d  is  only   ap pl ic able  for  si ng le   VM  instances ty pe .     1.2 .      B ackgro und   Qu  et   al   [ 1]  int rod uced  a n  un c ertai n - asse ssm ent - a war e   ince ntive  te c hn i que   to   co ntin ually   giv e   ho nest   assessm ents  and   prefe r  giv in g  un ce rtai n  ass e ssm ents  ov er  un tr uth f ul  or   a rbi tra ry  assessm e nts.  Gr ec ha nik   et   al   [2 ]   de sig ned   a   m et ho d  f or   P rovisio ning  Re so urces  with  Ex per im ental   So ft war e  m odel li ng   (P RE ST O)   t o  i m pr ove  cl oud  el ast ic it y  by  le arn i ng  a nd  re fining   m od el s  of  un der - c on st raine d  a ppli cat ion s   al l  th rou gh  t he   perform ance  te sti ng .  Qiu  et   al   [3 ]   discu ssed   a  hiera rch ic al   correla ti on   m od el   f or  in vestig at ing   a nd  eval uatin g  correla te d  m ea su rem ents,  w hich i nclu de d M arko v m od el s,   qu e uing   the or y , a nd  a   B ay esi an a ppr oac h.  M uelde r   et   al   [4 ]   intr oduce d  a   vis ua ll y  based  a nal ysi s  ap proac h  to   deal  with   c om pr ehensi on  an d  analy zi ng  t he  perform ance &  b e hav i or of cl oud  c om pu ti ng f ram ework s .     Pal m   et   al   [5 ]   expresse d  an   ALPINE ,   a   Ba ye sia n  fr am ewo r k  f or  cl oud  perform ance  a nd  pr e dicti on.   ALPINE   dep e nd e d  on  Ba ye s ia n  Net wor ks   ( BNs )   an d  c ont ai ned   Cl oud.  P apado poulos  et   al   [ 6]  de velo pe d  a   PEA S   ( Per for m ance  Eval uation  fr am ework  for  A uto - Scal ing)  str uctu re  for  the   eval uat ion   of  a u to - sc al ing   m et ho ds.  Si ng h  et   al   [ 7]  desc ribe d  a n  opti m iz ed  loa d  bala nc ing  f ram ewo r k  for   the   cl oud  by   util iz ing  A ct ive - Cl us te rin g  ( A C)  al gorithm   and   A nt  Colo ny  O pti m iz at i on   ( ACO )  to  m ini m iz e  the  com plexity   and   tim e  reducti on  f or  a   cl ie nt  re qu est   for  datace nter .  Ma hd i  et   al   [8 ]   discu ssed   the  util iz at ion   of  a dap ti ve   re place m ent  cache  ( ARC)  and   pro bab il ist ic   con te nt  place m ent  (P ROB)   al go rithm s,  w hich  to gethe r  are  know n  as  zon e - base d -   a dap ti ve   rep la cem ent  cache  an d  pro ba bili sti c  con te nt   placem en t  (ZB - ARCPR OB ) .  Elm ub arak   et  al   [9]  enh a nce d per form ance b ased  ra nk i ng m od el  to help cli e nts for ch oosin g  th e b est  se r vi ces.     Me sb ahi  et   al   [10]  intr oduce d  a  perf or m ance  evaluati on,   and  an   analy ti cal   correla ti on  betwee n  al l   basic  loa d  balancin g  al gorit hm s  &  recreated   in  cl oud  com pu ti ng.   Gad am   et   al   [11]  ex pr es sed  a  c om bin ed   acce ss   pro bab il it y  an d  data  rate  a s  a  com m on   m e tric   for  cel l  c onnecti on.   Ha n  et   al   [12]  devel op e d  a   traf fic  load   balancin g  syst e m   strive  t o  ba la nce b et wee n  netw ork  util it i es,  e. g.,  t he  a ve rag e   tra ff ic  d e li ver y  la te ncy,  an d  th e   gr ee n  e nergy  usa ge.  I n  [ 13 ]   de picte d  t he  pur po s e  of   t he  cl oud  pa ra dig m   wh ic h  e nhanc es  the  use   of   net wor k  that  pro vid e d  t he  ca pab il it ie s  of   util iz ing   one   node   f ro m   anot her   node .  It  de scribe d  the   loa d  balancin g  bet ween  the  cl ie nts  an d  the  ser ve rs.   I n  [ 14 ]   highli ghte d  t he  tra deoff   for  offloa din g.  T he  work  pro vid e d  arc hi te ct ur e.   The  ge netic   al gorithm   integrated  m ob il e  cl oud  com pu ti ng  f or  the  pur pose  of  autom at ic   of f loading  in  e nha ncin g  the  syst e m   resp onse  ti m e.   In   [15 ]   ex plaine d  loa d  bala ncing   play s  vital   ro le   in  cl oud  perform ance  and   it s   sta bili ty .  It  dis cusse d   var i ou s   load  bala ncin g  al gorithm s  wh i ch  helpe d  i n  distribu ti ng  t he  l oad  am on g  the  nodes   and f ounde d w hich suit ed  the  m os t.     1.3 .      O bj ec tiv es   The pa per   obje ct ives   are  f ollo wing as :   a)   To  de velo p  a  r eso ur ce  al locat ion   f ram ewo r k  that  can  av oid  ov e rloa d  in  th e  fr am ewo r k  e ff ic ie ntly   wh il e  m ini m iz ing  the  num ber  of se r ver util iz at ion .   b)   To  im ple m ent  the  e ff ect ive   Re qu e st - Re spo nse   m od el   f or   im pro ving  the   c om pu ta ti on   proc ess  &   re du ce   th e   traff ic   of clo ud  d at a cente r    c)   To  desig n  a  l oa d  pre dicti on   al gorithm   that  can  ca ptu re   the  fut ur e  resou rce  usa ges  of  ap plica ti on s  acc ur at e ly   without l oo king in side t he V Ms.    d)   To  re duce  CPU  util iz at ion ,  Ba ndwidt h  Util iz at ion   &  Re so urce  Ut il iz at ion   com par e  tha n  exist ing  appr oach es       Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       An  Eff ic ie nt Fr am ew or k t o Improv e  Qo S of  CSP  us in g  E nh an ce d Mi nimal …  ( Ravi Mah adeva n )   1181   2.   METHO D   The  propose d  desig n  e xp la in s  the  ef fecti ve  a  resou rce  al lo cat ion   f ram ewo r k  f or  av oid i ng  ove rloa d  in  the  f ram ewo r k  w hile  m ini m i zi ng   t he  nu m ber   of  se r ver   util iz at ion .  T he  m et ho d  m ai n  obj ect iv e  is  to  optim iz e   al locat ed  resou rce,  m ini m iz e  the  c om pu ta ti on   ti m e  &  m ini m iz e  resour ce   util iz at ion s.  T he  pro posed   m et hod  descr i bes  the  s yst e m   arch it ectu re  with  im plem entat ion   ste ps  an d  pr opos e d  al gorithm   details.  Fig ur e  1  e xpresses   the  w orkf l ow   of  i m ple m entat i on   process  flo w i n detai ls.  T he m et ho d i m p roves t he  QoS   of   CSP  i n t he f eat ur es   of   a  m ulti - di m ensio nal  res ou rce .   T o  overc om e  these  probl e m s,  Enh a nce d  Mi nim al  Reso urce  Op ti m i zat ion  Ba sed  Sc hedul ing   al go rithm   i s  desig ne d  f or   reso l ving  the  VMPA C  iss ue   consi ders  the  pr ese nce  of   res ources   of   m ulti ple  cat egories.  It  prov i des  a uto m a te d  res ource  m anag em ent  fr am ewo rk   t hat   accom plishes  a  good   sta bili ty   &  reli abili ty   of   cl oud  se r vices.  I n  ov e rloa d  av oida nce,   the   capa bili ty   of   a   PM   sh oul d  be  s uffi ci ent  t o  sat isfy  the  resour ce requires of  al l  VMs  run ni ng  o n  it .  O r  el se,  the  PM  is  overl oad e d  a nd  can  le ad  to d e grade d  perform ance  of  it s  VMs.  The   pro posed   te ch nique  quantiz e   the  quantit y  of  PMs   util iz at ion  w hic h  s houl d  be   decr ease d  as  l ong  as  t hey  can  s ti ll   satisfy  the  ne eds  of   al l  VM s.  I dle  PMs  can   be  tu rn e d  off  to  sav e  com pu ta ti on al   util iz at ion .  T he   outc om es  il lustrate d  t hat  the   pro posed   m et ho do l og ie s   e valu at e  the  nea r - op t i m al   so luti on s   wh il e   eff ect ively   ca pt ur in g  t he  dyna m ic   m ark et   de m and ,   pro visio ning  t he  c om pu ti ng  re sourc es   to  m at ch  the   dem and,   and  ge ner at in g  hi gh  re venue.   T he   m et ho do l og y   ca n  ca pture  t he   incre asi ng  de velo pm e nt  of  res ource   us a ge   patte rn s   an d  he lp  dec rease  t he   placem ent  churn   sig nificantl y.  I n  a dd it io n,   t he  c om pu ta ti on   processin g  ti m e  of  the pr opos e d  te chn i qu e  is  ver y  less.     2.1 .      Im plem e nt ati on Pre - pr ocessin g  S tep s   2.1 . 1  Cloud Se rvice Pr ov ider   Cl oud  ser vice  pro vid er   w ork s  a  m ediat or   be tween  cl oud  us er   an d  st or a ge  se rv e r  to  de sign   e ff ect iv e   request - res ponse   m od el   in  cl oud  e nvir on m ent.  T he  CS P  st or es   di ff e ren t  t ypes  of   data  in   a  distri bu te d  m ann er   on  diff e ren t   s erv e r s,   w hich   geog raphical ly   cu rr e nt  in   dif fer e nt  places.  Cl oud  se rv ic e   pro vid e rs   dea l  with   enter pr ise   i nfra structu re,  an d  i t  offer s  scal abl e,  protect io n  a nd  co ns ist ent  s erv ic e  for  cl ou d  us ers   with   m ini m al  cost .     2.1 . 2  Cloud  U ser   Cl oud use r  s ho uld re gister  as   d at a  owne r wit h  t heir  b a sic  a nd c re den ti al  i nfor m at ion   detai ls t o  get the   log in   acce ss.     Hen ce ,  cl ou d  us er   can   co ntri bu te   t he  file   or  inf or m at ion   on  dep l oym ent  serv e r  for  a pp l ic at ion  us ers . T he u ploa ded file s  will  b e st or e d  in  a c loud st or a ge  se rv e r .                                                       Figure  1.  Wo r kfl ow  of   Pro po s ed  E nhance d M ini m al  Resou rce  Opti m iz ation  Base d Sch edu li ng  Algo rithm  in  Cl oud   Clo u d   Service  Prov id er   Au th en ticatio n   p rocess   Res o u rce  id en tif icatio n     Select  reso u rce    Res o u rce  su b scrip tio n     Verify  with  CSP    View Sta tu s  (active,  p rocess in g )   Un d er  p rocess in g   View  allo cated  VM   Au th en ticatio n  pro cess   View list of   clo u d  us ers   View list of   reso u rces   View list of   ap p licatio n s   Dep lo y  app licatio n   P ay m en t  &   creden tial  done   View list of   run n in g   statu s   Ch eck  p ay m en t  an d   creden tial   Do m ain   crea tio n   Ap p ly  E MROS   Clo u d   Server    Ap p licatio n   d ep lo y m en t    VM  allo cat io n     No   Yes    No   Yes    No   Yes    Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8   :   1179   –   118 6   1182   2.1 . 3  VM Re s ou rce  Alloc at i on s   The  m et ho dol og y  per i od ic al ly   execu te s,  t o  est im at e  the  res ource  al lo cat ion   sta tus   base d  on  t he  cal culat ed  upc om ing   res ourc e  re quirem ent  of  VMs.  It  sp e ci fies  the   se rv e r  is   ove rloa ded  an d  the refor e   a  f e w   VMs  t urnin g  on  it   s houl d  be   m igrated  a w ay .  T he  st rategy  in dicat es  t he  res ource   ut il iz at ion   bey on d  the   thres ho l d.   It  de scribes  a  s er ve r  as  if  the  uti li zat ion   of   t he   whole  of  it s  r eso ur ces  is  under   a  t hr es hold.  T he   fr am ewo r k  sp e ci fies  the   se rv e r i s   m os tl y  idle  an d  pote ntial   c and i date  t o s wi tc h  off t o  save   com pu ta ti on  powe r .   Th ough,  t he  m et hodo l og y  do es   co ns e qu e ntly   on ly   wh e n  t he  a ver a ge  res ource  util iz at i on  of  whole  a ct ively   util iz ed  ser ve rs   in  t he  fr am ew ork  a re   un der  a  com pu ti ng  t hresh old.  A  ser ver  is  act ively   util iz ed,   a nd  it   has  at   le ast  o ne  V M  r unning,  or it i s  inact ive.     2.1 . 4  VM Mi tigatio n   The  m et ho dolog y  is  ar rang ed  by  a  li st  of   inte rn et   re so urce  in  th e   fr am ewo r k  in  desce ndin g  tem per at ur e .  A n  obj ect ive   of  t he  m et ho dolo gy   is  possible   to   rem ov e  al l  int ern et   res ource  or  possi ble  kee p  thei r   tem per at ur e   as   low.  For  e ve r y  server,   fi rst,  choose   the   V M  sh ou l d  be  m igrated  a way .  I f  t he  VM  is  m igrated   away,  li st  of   V Ms  arr a ng e d  by   based   on   t he  ou t - com ing   te m per at ur e  of  th e  serv e r.   T he  st rategy  m ai nly   fo cu se d  on  m igrati ng  a way  th e  m os t  of  t he  VM.   F or  e ver y   VM   pr ese nted   in   the   li st,   to  acc omm od at e  the   desig ns  o bs er ve   if m et ho do l og y  can disc ov e r  a  d est inati on s er ver.      2.1 . 5   Sc alabi li ty a n d Fle xibil ity   Scal abili ty   and  fle xib il it y  repr esented   by  the   perform ance  of   data   ce ntre.  N ow,  it   exte nd s   t he  globall y  routin g  thr ou gh  cl ie nt  base d  on   one  area  da ta   centres  to  cl ie nt  age nt  of  a no t her   a rea  data  centres .  Pro pose d  m et ho dolo gy  c al culat es  inter ne t  traf fic  is  rou ti ng   a ppr oxim a te ly   the  w or l d  by  init ia ti ng  ap pro pr ia te   broa dcast   la te ncy  an d  da ta   broa dcast  de la ys  for  distribu te d  c om pu ti ng  ap plica ti on. It  is  ad diti onal ly   serv in g  al lo t m ent  requests  for  l oa d balanci ng rule .     2.2 .      Enh an c e d M ini m al  Re so urce  Op timi z at ion B as ed   Scheduli n g Algo ri th m   En han ce d  Mi nim al   Re so ur ce   O pti m iz at ion   Ba sed  Sc he du l ing   Algo rithm   is  desi gn e d  t o  r ep rese nt   fr am ewo r ks  c om po sed  of t hous a nd s  of reso ur ces , a nd it  cr eat es possible t o  re present  both  ph ysi cal  and  virtu a l   resou rces   de ve lop in g  par ti cul ar  cl oud  ideas   s uch  as   t he   i nfrastr uctu re  e la sti ci t y.  The   m od el   ha nd le s   tra ff i c   m on it or ing  bet ween  use r   bas es  an d  data  ce ntres.  T he  default   traf fic  m on it or i ng  poli cy   is  m app ing  tr aff ic   a t   nearby  data  ce ntre  re ga rd i ng   netw ork  la te nc y  fr om   us er  ba se.  The  m od el   represe nts  flo w  le vel  o f  a pp l ic at ion  with  res pecti ve   proce ssin g  w orkf l ow  a nd  in vo l ved  fa ct or.  Althou gh  te ch nique  is   ap plica ble  la r ge  num ber  of   us er  bases .  Th e  m et ho d  is  c apab le   for  ser ver s  a nd  data  centres;  these  kinds  of  syst e m s   req ui re  spe ci fic   te chn iq ues .  Th e  pro po se d  te c hn i q ue s  dis play   j ob  sch ed uling   le vel  by  le ve l.  Howe ver,  the  pr opos e d  te chn i qu e   fo c us es   on   ap plica ti on   t o  re trie ve  e ff ic ie nc y  of  the   assi gn e d  jo b  to   th e  syst em   fr om  va rio us   re gions.   T he   pro po se d  te ch nique  is   handl ed  by  t he   proc ess.  The   c halle ng e   of  the   te c hn i qu e   is   to   de crease  t he   qua ntit y  of   act ive  ser ver s  thr ough  the  lo w  loa d  wit h  no  sacri fici ng   pe rfor m ance  ei ther  c urre ntly   or   in  the  f utu r e.   In   t he   fr am ewo r k  are   need e d  to  a void  os ci ll at ion .   The  a ver a ge  consum ption   of  al l  resour ce s   on   act ive  ser ver s  is   invok e d  by   pro po s ed   te ch niqu e.  T he   pr opos e d  te c hniq ue  e xpress es  m any  processes   for   r edu ci ng  c om pu ta ti on  tim e  and   e nergy  c on s um ption   i n  c om pu ti ng   syst em s.  Its  m easur e  var i ous  Q oS   at tri bute s  an d  e valua te   th e   relat ive r a nkin g of Cl oud ser vices.   Her e ,  CSP   cre at es  res o urce  i nfor m at ion   a nd  al locat es   m e m or y  util iz at io n.   Cl oud  us e rs   identify   t he   resou rces  base d  on  co st,  m e m or y  al locat ion   a nd  pr ocessi ng  tim e  befor e   finali zed   the  a ny  cl oud  ser vi ces.  T he   resou rce  is   sel ect ed  by  cl ou d  us e r  f or  subsc riptio n  t o  dep l oy  their   a pp l ic at ion   i n  cl oud  env i ronm ents.  Cl oud  us er   can  de ploy   the  ap plica ti on   afte r  their   cre den ti al   &  paym ent  ve rificat ion  by  CSP.   O nce,   de plo ym ent  proces s   is  com plete d  then  us e r  ca n  vie w  sta tus  of   the  serv e r,   wh et he r,   ser ve r  is  act ive  or  un der   processin g  or   ina ct ive.   Af te r   dep l oym ent  of  cl oud  use r’ s   ap plica ti on,  cl oud  us e r   can   vie w  t he,  com pu ti ng  processin g  tim e,  CPU   util iz at ion ,  ba ndwi dth   util iz at i on  &  m e m or y  util iz at ion .  T he   ps e udo  c ode  of   pro posed   al gorithm   is  exp l ai ned  belo w  in  d et ai l s :      The Inp ut:   Re so urce a ll oc at ion, clo ud se rv i ce p rovide r (CSP), cl ou d user (CU )   Out p ut:   Visu a li ze  the  opti m i zed  loa d  &  tra f fic,  c om pu ti ng  proces sin g  ti m e  (CPT),  CP U  util iz at ion   ( CPUU) ,   band width uti li zat ion   (BU )  &   m e m or y uti li za ti on   (MU )   Proced ure:                       Star t;                      Br ow se  Porcess  Cl oud ser vice  pro vid e r  (C SP) an d  Cl ou d user a uth e ntica ti on   proces s;       View  the a vail able res ource   with  resp ect i ve  CSP  detai ls;                   I den ti f y t he  ap plica ti on r e quirem ent;                     Sele ct  the CS P  with  serv ic e  util it y detai ls;   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       An  Eff ic ie nt Fr am ew or k t o Improv e  Qo S of  CSP  us in g  E nh an ce d Mi nimal …  ( Ravi Mah adeva n )   1183                     Alloc at e the r es ourc es w it h m e m or y;                     Creat e  u se rb a se;                  Assign  the task;       A pp ly  EMR O S for A ppli cat i on d e plo ym ent;       If   A pp li cat io n dep l oyed         View St at us   of ser ver (acti ve ,  pro ces sin g)       Else         View u nd e r  processin g &  re - dep l oy the a pp li cat ion       En d  I f       If   VM all ocate d         View All ocate d VM       Else         Ver ify   with C S P & real locat e  VM;     View  li st  of  a ppli cat ion s;     View VM s  run ning stat us ;      Disp la y  op ti m iz ed  loa d  &   traf fic,  c om pu ti ng  proc essin g  tim e  (CPT),  CPU   util iz at ion   (CP UU) ,      band width uti li zat ion   (BU )  &   m e m or y uti li za ti on   (MU ) .       3.   RESU LT S   A ND  DI SCUS S ION   3 .1 .      Pr ogram mi ng  S etu p   The  pro posed   m et ho d  is  im pl e m ented  in   I nt el   i6  C or e   pr oc essor,  with   16  GB  RAM ,  500  GB  Me m or y  with  W i ndows 7  Ulti m at e  op erati ng   syst e m s.  The   pro pos ed  is  im ple m e nted  i n  NetB e ans  8.0,  J D K  (Jav a   Dev el op m ent  Kit)  1.8,  M YSQL   data base   5. 5,  wit h  Jel ast ic   Cl oud  se rver,   in  Ja va   progra m m ing   en vir onm ent.   The   pro pose d  fr am ewo r k  util iz es  Cl oudS im   &   iTe xt   li br a r y  to  de plo y   an d  vis ualiz e  the   opti m iz ed  re s ource   resu lt .      3 .2 .       In pu t  P ar amet er s   The  in put  par a m et ers  are  ex pl ai ned   detai ls  in  Table  1  to  de plo y  the  propose d  al gorithm   to  evaluat e   the ef fici ency  of prop os e d  m et hodo l og y.       Table  1 .   Cl oud Ex per im ental  Ev al uatio n pa r a m et er D et ai ls   Para m eters   Valu e   Userbas e   06   Reg io n   06   Datacenter   4 (DC1  and  DC2 )   Virtual  Machin e   2 5 (DC 1 )  5 0 (DC 1 )  7 5 (DC 3 )  & 7 5  ( DC 4 )   Data Cent re  V M   Xen   Nu m b e r  o f  Pr o cess    Ma ch in e W ise   16   Data Cent er  Pr o ce ss in g  Speed   1 0 0  M IPS   Data Cent re  V M  P o licy   Ti m e  Shared   Data Cent re  OS   W in d o ws 7   VM  Me m o ry   2048   Data Cent re  Ar ch itectu re   X8 6   Ban d wid th   1 0 0 0  M b p s       3 . 3 .      E xp eri m ent al R es ult   The  propose d  m et ho d  e xpla ins  the  e valuati on   m at rix  to  c al culat e  the  ef fici ency  an d  ut il iz ation   of   pro po se d  m echan ism   co m par e   tha n  e xisti ng  a ppr oach.  T he  pro posed   al gorit hm   is  evaluate d  on d iffe re nt  t ypes   of   in put  pa ram et ers  to  fin d  out  reli abili ty   an d  ef fici ency.   T he  pro pose d  te chn i qu e  is  e val uated  with  f ollow i ng   par am et ers  na m el y  Co m pu ta ti on   P ro c essin g  Tim e,  Ba ndwidth  Util iz at i on  &,   CPU   Ut il iz at ion   and  R eso ur ce   Util iz at ion  in d et ai ls.     3. 3 . 1  Co m pu t at i on  Pr ocessi ng  Ti me  ( CPT )   The   Com pu ta ti on  P rocessi ng   Ti m e  (CPT)  c om pu te s  the  ti m e  co nsum ption   to  process   the   us er   r eq uest  from   data  center  in  cl ou d  en vi ronm ent.  Hence ,  it   processes   for  retrie ve  the   requested  quer y  fr o m   databas e.  The   com pu ta ti on   pr ocessin g  Tim e  is  the  rati o  bet ween   t he  data  request  an d  ba ndwidt h  co nsu m pt ion   pe r  use r.   T he  CPT is cal culat ed wit h  m at hem at ic al  ex pr es sion i n  E quat io n (1) .     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8   :   1179   –   118 6   1184   P e r u s e r ss c o p u t p r o c e BW D T               (1)     Wh e re  Tcom pu tp ro ces s   is  t ot al   com pu ta ti on   ti m e,  D  is  r equ e ste d  data   &  B WPeruse r   is  total   ba ndwidt h  util iz at ion  u se r  w ise     3. 3 . 2  B an dwi d th   Ut il iz at ion   The  Ba ndwidt h  util iz at ion   is  total   net work  util iz at ion   to   de plo y  the   a pp li cat io n.   T he   ba ndwidt h  util iz at ion   is  expresse d  in  E q uation  ( 2)   to  c al culat e  the  re qu e st - res ponse   m od el .  Ba nd width   c ons umpti on   is  a   Total  all ocated  b a ndwidt h div ided by tota l  num ber  of  us er  re qu e sts.       r t o t a l p e r u s e r N BW BW               (2)     3. 3 . 3   CPU U ti liz at ion   CPU  util iz at ion   e xpresse s  t he   co nsum ption   of  physi cal   re s ources   f or  s pec ific   ta sk .   CP U  Util iz at ion   is  div isi on   of   A ve rag e   per i od  of  ba ck gro und  ta sk  ( Id le   ta sk)   without   loa d  by   ave rag e   per i od  of  backg rou nd  ta s k  with loa d. T he C PU   util iz at ion  is cal c ulate d i n  E qu at io n ( 3) to e valuate e ffi ci ency of pro p os e d  m et ho ds .       PU   Ut il izat io n = Avg   Period   of   B a c kgr ou n d   Ta sk   w ith out   L oad Avg   Perio d   of   B a c kgr oun d     Ta sk   w ith   L oa d × 100       (3)     3. 3 .4   Mem ory R es ou rce  Util iz at ion   The   m e m or y  resour ce   util iz at ion   re pr ese nts   the   ho w  pro pose d  syst em   is  ef fecti ve  t o  m ini m iz e  the   m e m or y  util iz at ion .   T he  m e m or y res ource   ut il iz at ion   is  cal c ulate d  a s  t he  ba sed  on  t he  subtract io n  of  al locat ed   m e m or y  fr om   buff e rs  a nd  ca ched  m e m or y.  The  m e m or y  resour ce  util iz at ion   is  cal culat ed  m at he m atical ly   in   E quat ion ( 4).        Utili za t ion = Allocate d Mem m or y − B uff e rs Mem oer y − C a c he d Mem or y Alloca t e d Mem or y × 100     (4)       Table  2  dis play s  the   Com pu ta ti on  Processi ng  Ti m e  (CPT),  B andwidt h  Util iz at ion ,   CPU   Util iz at ion   (CP U U)  &   Mem or y  Re source   Util iz at ion s  (MRU )  for  giv e n  i nput  pa ram et ers.   The   pro po se d  te ch n iq ue  is   eval ua te d  on   giv e n  e valuati on  pa ram et ers  with  Acti ve  M on it ori ng  (A M )  [ 16] ,  Fair   Ro und  R obin  (F R R)   [ 17] ,  Ro und  Ro bin  (RR)   [ 18]   exi sti ng   a ppr oa ch es.  Acc ordi ng  to  Ta ble  2,  it   no ti ced  t hat  an  E nhan ced   Mi nim a l  Re so urc e   Op ti m iz ation   Ba sed  Sc hedul ing   (EMR OS)  has  the  best  sc or e  on  eve ry  r especti ve  c onstrai nt  f or   giv e n  inputs  par am et ers .       Table  2 .  Disp la ys   the Com pu t at ion  P r ocessin g  Tim e (CPT) ,   Ba ndwidt h Uti li zat ion , CP U Uti li zat ion  ( CP UU)  & Mem or y R esource  Util iz at i on s  ( MR U)   Lear n in g  Algo rithm s   CPT( m s)   BU   (M b p s)   CPUU (% )   MRU ( %)   FRR   2 0 4 9 .4 4   55   19   22   RR   6 2 0 2 .7 7   50   18   28   AM   6 0 5 3 .5 1   50   17   17   EM ROS   1 7 4 7 .7 2   30   12   14       Accor ding  to   F igure  2  t o  4   pe rfor m ances,  it   ob s er ved  that  Pr op os e d  EM ROS  s how s  good  re su lt   bes t   on   CP T,  BU ,  a nd   CP U U  &   M RU  eval uation  m at rix  on   giv e n  in pu t  par am et ers.   I n  te rm s  of   CPT  (C om puta ti on   processi ng  tim e),  FRR   (F ai r - Roun d  Ro bin)  is  cl os est   te ch ni qu es   to  Propos ed  EMR OS .  H ow e ve r,   t he  FR R  fail s   to  optim iz ed  t he  res ource  a nd  predict   the  l oad.  Be half  of  CPU  util iz at io n,   Ba nd widt h  Util iz at ion   &  Mem ory   Re so urce  Util iz at ion   (MRU ),  AM  (A ct ive  Mon it ori ng)  is   the  cl os est   m e thod.  But,  it   unable  to  offer   eff ic ie nt   Re qu est - Re spo ns e  Mo del  an d  scheduli ng  po li cy   to  m ini m i ze  the  com pu ta ti on   proc essin g  tim e  and   op ti m iz ed   the  physi ca l  re so urces .    P rop os e d  al gorithm   m a intai ns   eq ui valent  w orkl oa ds   on  al l  the  a vaila ble  VMs  and  the  qu a ntit y  of   requests  prese ntly   assigne d  to  V M.  EMR OS   a vo i ds   ov e rloa d  in  the  f ram ewo r k  ef fecti vely   wh il e   m ini m iz in g  the   quantit y  of  se rv e rs  us e d.   Pro po s ed   te ch niqu e  i m pr oves   the   CPT  301.7 2  m illi secon ds,  BU  20   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       An  Eff ic ie nt Fr am ew or k t o Improv e  Qo S of  CSP  us in g  E nh an ce d Mi nimal …  ( Ravi Mah adeva n )   1185   Mbp s ,  CP UU   5%   &  MR U  3%  on   gi ven   i nput  par am et ers  co m par e  than  e xisti ng   m et ho dolog y.  Finall y,  it   cl aim s  that p rop os ed   EMR OS  m et ho dolo gy is  best  on all res pecti ve  c onstrai nts           Figure  2.  Com pu ta ti on  P r oce ssing Ti m e (CPT)  i n  m il l ise c onds   (m s)           Figure  3.  Ba nd width Uti li zat ion (M bp s )           Figure  4.  CPU   Util iz at ion  ( B U)   an d  Me m ory  Resource  Util iz at ion  ( MR U )   in  Per ce ntag e       4.   CONCL US I O N   The   pa per  pr e sents  En ha nce d  Mi nim al   Re so urce   O ptim i zat ion   base d  Sche du li ng   Al gorithm   to  reducin g  the  r eso ur ces  a nd  m ai ntaining   th e  QoS.  T he  pro posed  m et ho ds  av oid s   ov erloa d  f or   res ource   al locat ion ,  &  util iz ed  optim i ze  res ources.  The  fr am ewo r k  c om pu te s  th e  res ource  util i zat ion   base d  on  cl ie nt   requirem ent.  The  e ntire  util iz at ion   pu rpos e  is  to  e nh a nc e  the  QoS  of   CSP  in   the  a tt ribu te s  of   a   m ul ti - dim ension al   re so urce.  T he  propose d  m et ho dolo gy  util iz ed  op ti m iz ed  ro ut ing   to  decr e ase   the  traff ic   in  a   cl oud  env i ronm ent.  The   f ram ewo r k  al so  helps   cl oud  us er   to   prefer   best  CS P   accor ding   to   th ei r  pr i or  se rv ic es.  The   m od el   rep rese nt s  flow  le vel  of   app li cat io n  wi th  res pecti ve  processin g  wor kfl ow   a nd  in vo l ve d  fact or.  Alth ough   te chn iq ue  is   ap plica ble  la r ge  nu m ber   of  use r   bas es .  T he  m et hod  is  ca pa ble  for  se r ver s   an d  data  cente rs;  these   kinds  of  syst e m s  req uire   sp e ci fic  te ch nique s.    Its  m easur e   va rio us   Q oS   at tribu te s  a nd  evaluate  t he  re la ti ve  rankin g  of   Cl oud  se r vices.  The  pro po se d  te chn iq ues  dis play   job   sche duli ng  le vel  by  le v el .  H owev er,  th e   pro po se d  te ch ni qu e   f oc us es   on  a ppli cat ion  to  retrie ve  e ff ic i ency  of  the   assi gn e d  jo b  to   the   syst e m   fr om   va rio us  reg i on s . Pr opose d  te c hn i qu e  im pr ov es t he  C PT  301.7 2  m ill ise conds, BU  20 M bp s , CP U U 5%  & MR U   3% o n  giv e n  in put p ar a m et ers  com par e tha n  e xisti ng m et ho dolo gy   In  f uture,   the   pa per  ca n  be   ex te nd e d  t o  ap pl y  the  pri vacy  of  cl ie nt   ap plica ti on ,   use r   lo g  a nd  act ivit y  without  C SP  di scl os ure.   F or  im pr ov in g  data   analy ti cal   pro cess,  H DF S   ca n  be   integ rated   to   exec ute  t he   ta s k  eff ect ive  w ay  i n  cl ou d  e nv i ronm ent .    2 0 4 9 . 4 4 6 2 0 2 . 7 7 6 0 5 3 . 5 1 1 3 4 7 . 7 2 0 2 0 0 0 4 0 0 0 6 0 0 0 8 0 0 0 FR R RR AM EMR OS CPT 55 50 50 30 FR R RR AM EMR OS 0 20 40 60 BU 0 10 20 30 19 18 17 12 CP U U tili z ati on MRU Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8   :   1179   –   118 6   1186   REFERE NCE S   [1]   Qu,  L.,  W ang,  Y.,   &  Orgun ,   M.,   “ A  novel   in ce nt ive   m ec h anis m   for  trut hful  per form anc e  assess m ent s  of  cl o ud   servic es” ,   In  Pr oce ed ings  of  th e  2016  Inte rnat ional   Confe r ence  on  Aut onomo us  Age nts  &   M ult iage n t  Syst ems.   Inte rnational   Fo undati on  f or A ut onomous   Age nts   and  Mul ti agen t Syste ms ,   pp .   132 5 - 1326,   2016 .   [2]   Grec hani k ,   M. ,   Luo,   Q. ,   Pos h y v an y k ,   D . ,   &  Port er,   A . ,   “ Enha ncing  rule s  for   c lou d  resourc e   provi sioning  via  l ea rn ed   software   p erf or m anc e  m odel s” ,   In  Proc ee dings   of  th e   7th   ACM/SPE C  on   In te rn ati onal   Confe re nce  on  Pe rform ance  Engi ne ering ,   pp.   209 - 214,   2016.   [3]   Qiu,   X.,  Dai,  Y.,   Xiang,   Y. ,   &  Xi ng,   L . ,   “ A  hie r ar chi c al   cor relati o n  m odel   for  ev aluati ng  r el i abi l ity,  per form ance,  a nd   power  consum pt ion  of   a   c loud  se rvic e ”,  IE EE  Tr ansacti ons  on   Sy stems,  Man,   and   Cyb erne tics:  Sy stems ,   vol .   46 ,   n o.   3,   pp .   401 - 412 ,   2016.   [4]   Muelde r,  C . ,   Zh u,   B . ,   Ch en,  W . ,   Zh ang,  H. ,   &   Ma,   K.   L . ,   “ Visual   an aly sis  of   c loud  computing   per form anc e   usi ng   beha vior al   li n es” ,   IE EE t rans act i ons on  vi sual izat ion  and  computer   gra phic s ,   vol .   22,   no .   6 ,   pp .   16 94 - 1704,   2016 .   [5]   Palm,  E . ,   Mi tra,   K.,  Saguna ,   S . ,   &  Åhlund ,   C. ,   “ A  Ba y esi an   S y st em  for   Cloud   Per form anc e   Diagn osis  and   Predi ct i on”,  In  Cloud  Compu ti ng  Te chnol ogy   and  Scienc e  ( CloudCom) ,   2016  IEE E   Inte rnat ion al  Conf ere nc e ,   p p.   371 - 374 ,   201 6.   [6]   Papadopoul os,   A.  V. ,   Al i - El d in ,   A. ,   Årzé n ,   K.   E. ,   Tordsson,  J. ,   &   E lmroth,   E.,   “ PEAS :  A  per fo rm anc e  evalua t i o n   fra m ework  for  aut o - sca li ng  stra te gi es  in  cl oud  appl i ca t ions”,   A CM  Tr ansacti ons  on  Mode li ng  and  Pe rform anc e   Ev aluation o f  C omputing  Sy st ems ( T OMPECS) ,   vol.   1 ,   no .   4 ,   pp .   1 - 39,   2016 .   [7]   Singh,  R . ,   &   Praka sh,   S.,  “ Enh anc ement   of   Re source   Al loc a ti o n  using  Loa d   B al an ci ng   in   Clo ud  Com puti ng” ,   Inte rnational   Jo urnal  of Adv an c ed  R ese arch  in Com pute r Sc i en ce ,   vol .   8 ,   no .   5 ,   pp.   11 - 17 ,   2017 .   [8]   Mahdi, A .   S., &   Muni y and ih, R .   C. ,   “ Enha nc eme nt  of   Cloud   Perf orm anc e and   Sto rag e   Consum pti on  Us ing  Adap tive   Repl a ce m ent  C ac he   and   Prob abi li st ic  Cont en t  Pla ce m ent  Al gorit hm s”,   Journal  of   Theoret i cal   and   Appl i e d   Information  Tec hnology ,   vol .   84 ,   no.   3,   pp.   376 - 3 84,   2 016 .   [9]   El m ubar ak,  S.  A . ,   Yous if,  A.,   &  Bashir,   M.  B . ,   “ Perform anc e - bas ed  Ranki ng   Model  for  C loud  Sa aS  Servic es” ,   I . J .   Information  Tec hnology   and   Co mputer  Scienc e ,   vol.   1 ,   pp .   65 - 71 ,   2017   [10]   Mesbahi,  M.   R. ,   Hashem i,   M. ,   &   Rahmani,  A.   M. ,   “ Perform anc e   e val ua ti on   and   an aly s is  of   loa d   ba l anc ing   al gori thms  in  cl oud   comput ing  envi ronm ents ”,   In   W eb  Re se arch  ( ICWR) ,   2 016  Se cond  In ter nati onal  Con fe r enc e ,   pp. 145 - 15 1,   2016   [11]   Gada m ,   M.  A . ,   Ng,  C.   K.,  Nordi n,   N.   K.,  Sali,  A . ,   &   Hashim ,   F. ,   “ Hy brid   Chann e l  Gain   Acc ess  Cel l   As socia ti on   f or   Loa d  B al an ci ng   in  Dow nli nk   L TE - Advanc ed  H et Nets” ,   In   Computer  and  Com municat ion   Enginee ring  ( ICCCE ) ,   2016  Inte rnat ion al  Conf ere nce ,   p p.   337 - 342 ,   201 6.   [12]   Han,   T.,  &  Ans a ri,  N.,  “ A  tr aff ic  loa d   b al an ci ng   f ramework  for  so ftwa re - def ine d   r adi o  acce ss   n et w orks  powere d   b y  h y brid   en erg y   so urc es” ,   IE EE / AC M  Tr ansacti ons  on  Net work ing  ( TO N ) ,   vol. 24, n o.   2 ,   pp .   1038 - 1 051,   2016   [13]   Ta l asil a ,   S. ,   Va ni,   H. ,   Sa i,   K . ,   Mani,   D. ,   Krish na  Redd y ,   V. ,   " Loa d  B al an ci ng   Techni ques  f or   Eff i ci en t  Tr aff i c   Mana gement   in   Cloud  Env ironment",  Int ernati on al  Journal  o f  Elec tri cal  and  Co mputer  Eng ine er ing  ( IJE CE) ,   Vol .   6,   No.   3,   pp.   963 - 973,   2016 .   [14]   Nadim  Akhtar ,   N.  Sriniv asa n,   " Notic e   of   Ret r action  In te rm it t entl y   Connecte d   Clo udle t   S y st em  to   Ob ta in  an  Opt imal  Offloa ding  Pol icy ",   Indone sian   J ournal  of El e ct ri cal   Engi ne ering and Inf orm ati cs  ( IJE EI) ,   Vol.   4 ,   No.3,   2016 .   [15]   Ravi   T eja  Kan a kal a ,   V. ,   Krish na  Redd y ,   V. ,   "P erf orm anc e  A naly s is  of  Loa d   Balanci ng   Tec hnique s  in   Clou d   Com puti ng  Environm ent ",  TEL KOMNIKA  Indon esian  Journal   of   Elec tri cal  Enginee ring,   Vol.   13 ,   No.   3,     pp .   568   -   573,   2015 .   [16]   Aw ada ll a ,   M.   H.  A. ,   “ Heuri sti c  Approa ch   for   Schedu li ng   De pende nt   Re al - Tim e  Ta sks ” ,   Bullet in   o f  Elec tri c al   Engi ne ering  and   Informatic s ,   vol .   4 ,   no .   3 ,   pp .   21 7 - 230,   2 015 .   [17]   Jam m al amada ka ,   S.  K.  R . ,   Duvv uri,   K.  B .   K. ,   Ch ,   D.  A. ,   &  Padm ini ,   P. ,   “ Buil din g  Fault   To ll r ence  withi n  C louds  at   Network  Le v el”,  Inte rnat ional   Jo urnal  of El e ct ri c al  and  Comput er  Engi n ee ring ,   vo l.   6 ,   no .   4 ,   pp .   15 60 - 1569,   2016 .   [18]   Li ,   J.,  Meng,   X.,  W en,   J . ,   &  Xu,   Y.,   “ An  improve d  m et hod  of   SV M - BP S O  fea tur e   select ion   base d   on  cl oud   m odel ” ,   Indone sian J our nal  of   Elec tric al   Engi ne ering  and   Computer  Sc ie n ce ,   vol .   12 ,   no .   5 ,   pp .   3979 - 3986 ,   2014     Evaluation Warning : The document was created with Spire.PDF for Python.