បញ្ហា (The Problem)៖ ការគណនាក្លោដបែបប្រពៃណីប្រឈមមុខនឹងបញ្ហាធនធានមិនគ្រប់គ្រាន់និងការចំណាយខ្ពស់ ខណៈដែលទំហំទិន្នន័យសម្រាប់លំហូរការងារវិទ្យាសាស្ត្រមានការកើនឡើង ដែលទាមទារឱ្យមានការកំណត់កាលវិភាគដ៏មានប្រសិទ្ធភាពលើប្រព័ន្ធក្លោដចម្រុះ (Hybrid Cloud)។
វិធីសាស្ត្រ (The Methodology)៖ អត្ថបទនេះធ្វើការអង្កេតនិងវិភាគស៊ីជម្រៅទៅលើបច្ចេកវិទ្យាកំណត់កាលវិភាគលំហូរការងារដែលមានស្រាប់នៅក្នុងបរិស្ថានក្លោដចម្រុះ ដោយចាត់ថ្នាក់ពួកវាផ្អែកលើគោលដៅនៃការបង្កើនប្រសិទ្ធភាព។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| HCOC (Hybrid Cloud Optimized Cost) ក្បួនដោះស្រាយចំណាយមានប្រសិទ្ធភាពសម្រាប់ក្លោដចម្រុះ |
មានសមត្ថភាពក្នុងការកាត់បន្ថយការចំណាយប្រតិបត្តិការ ដោយធ្វើការជ្រើសរើសធនធានពីក្លោដសាធារណៈ (Public Cloud) និងឯកជន (Private Cloud) ដោយស្វ័យប្រវត្តិ។ | ក្បួនដោះស្រាយនេះសន្មតថាពេលវេលាទំនាក់ទំនងរវាងកិច្ចការនៅលើម៉ាស៊ីនតែមួយគឺស្មើសូន្យ ដែលប្រហែលជាមិនឆ្លុះបញ្ចាំងពីការពិតទាំងស្រុង។ | អាចកាត់បន្ថយការចំណាយ និងបញ្ចប់ការងារមុនកាលបរិច្ឆេទកំណត់ (Deadline) បានយ៉ាងមានប្រសិទ្ធភាព។ |
| APSOGA (Adaptive PSO Genetic Algorithm) ក្បួនដោះស្រាយបន្សំរវាងហ្សែន (Genetic) និងចលនាកូនភាគល្អិត (PSO) |
ដោះស្រាយបញ្ហាការបញ្ចូលគ្នាលឿនពេក (Premature convergence) នៃក្បួនដោះស្រាយ PSO និងបង្កើនប្រសិទ្ធភាពនៃការផ្លាស់ទីទិន្នន័យ។ | មានភាពស្មុគស្មាញក្នុងការគណនាជាងក្បួនដោះស្រាយធម្មតា ដោយសារការរួមបញ្ចូលគ្នានៃវិធីសាស្ត្រពីរ។ | កាត់បន្ថយបរិមាណបញ្ជូនទិន្នន័យ និងចំនួនដងនៃការផ្លាស់ទីទិន្នន័យបានប្រហែល ៦០%។ |
| Skeulix (Serverless Scheduling Framework) ក្របខ័ណ្ឌកំណត់កាលវិភាគលើបច្ចេកវិទ្យា Serverless |
កាត់បន្ថយការចំណាយលើការគ្រប់គ្រងហេដ្ឋារចនាសម្ព័ន្ធ និងអនុញ្ញាតឱ្យមានការពង្រីកធនធាន (Scalability) បានយ៉ាងងាយស្រួល។ | អាចប្រឈមនឹងបញ្ហាពេលវេលាឆ្លើយតបដំបូង (Cold start) នៃមុខងារ Serverless លើក្លោដសាធារណៈ។ | សន្សំសំចៃការចំណាយយ៉ាងច្រើនដោយប្រើប្រាស់សេវាកម្មដូចជា AWS Lambda និង OpenFaaS សម្រាប់ដំណើរការការងារ។ |
| AES (Adaptive Energy-Efficient Scheduling) ការកំណត់កាលវិភាគសន្សំសំចៃថាមពលសម្របតាមស្ថានការណ៍ |
ប្រើប្រាស់បច្ចេកទេស DVFS ដើម្បីកែតម្រូវវ៉ុលនិងប្រេកង់របស់ CPU ដោយស្វ័យប្រវត្តិ ដែលជួយកាត់បន្ថយការប្រើប្រាស់អគ្គិសនី។ | អាចប៉ះពាល់ដល់ល្បឿននៃការអនុវត្តការងារបន្តិចបន្តួច ប្រសិនបើការកែតម្រូវមិនត្រូវបានធ្វើឡើងយ៉ាងជាក់លាក់។ | រក្សាតុល្យភាពរវាងថាមពល និងប្រសិទ្ធភាពការងារ ដោយកាត់បន្ថយការប្រើប្រាស់ថាមពលក្នុងអំឡុងពេលទំនេរ (Idle time)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តការស្រាវជ្រាវនេះមិនទាមទារឧបករណ៍រូបវន្តដែលមានតម្លៃថ្លៃទេ ប៉ុន្តែទាមទារចំណេះដឹងខ្ពស់ផ្នែកទន់ និងការប្រើប្រាស់កម្មវិធីត្រាប់តាម។
ការសិក្សានេះពឹងផ្អែកខ្លាំងលើលំហូរការងារវិទ្យាសាស្ត្រលោកខាងលិច (ដូចជាទិន្នន័យតារាសាស្ត្រ LIGO ឬរញ្ជួយដី CyberShake)។ សម្រាប់បរិបទកម្ពុជា ប្រភេទនៃការងារអាចខុសគ្នា ដោយផ្តោតលើការគ្រប់គ្រងទិន្នន័យធនាគារ ឬទិន្នន័យកសិកម្ម ដែលមានលក្ខណៈបច្ចេកទេសផ្សេងពីទិន្នន័យវិទ្យាសាស្ត្រសុទ្ធសាធ។
វិធីសាស្ត្រនេះមានប្រយោជន៍ខ្លាំងសម្រាប់ស្ថាប័ននៅកម្ពុជាដែលចង់ប្រើប្រាស់បច្ចេកវិទ្យាក្លោដ ប៉ុន្តែមានថវិកាមានកម្រិត និងចង់ប្រើប្រាស់ធនធានដែលមានស្រាប់ (On-premise) ឱ្យអស់លទ្ធភាព។
ការស្រាវជ្រាវនេះផ្តល់នូវផែនទីបង្ហាញផ្លូវដ៏សំខាន់សម្រាប់ការកសាងប្រព័ន្ធ IT ដែលមានប្រសិទ្ធភាពចំណាយ និងថាមពល ដែលសាកសមនឹងប្រទេសកំពុងអភិវឌ្ឍន៍ដូចជាកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Hybrid Cloud | គឺជាបរិស្ថានកុំព្យូទ័រដែលរួមបញ្ចូលគ្នារវាងក្លោដឯកជន (Private Cloud - ហេដ្ឋារចនាសម្ព័ន្ធក្នុងស្ថាប័ន) និងក្លោដសាធារណៈ (Public Cloud - សេវាកម្មជួលពីក្រុមហ៊ុនដូចជា AWS ឬ Google) ដោយអនុញ្ញាតឱ្យទិន្នន័យនិងកម្មវិធីអាចចែករំលែកនិងផ្លាស់ទីរវាងគ្នាបាន។ | ដូចជាការមានម៉ាស៊ីនភ្លើងផ្ទាល់ខ្លួននៅផ្ទះ ប៉ុន្តែនៅតែតភ្ជាប់ជាមួយបណ្តាញអគ្គិសនីរដ្ឋ ដើម្បីប្រើប្រាស់នៅពេលភ្លើងដាច់ ឬត្រូវការថាមពលបន្ថែម។ |
| Workflow Scheduling | គឺជាដំណើរការនៃការចាត់ចែងនិងរៀបចំលំដាប់លំដោយនៃកិច្ចការ (Tasks) នៅក្នុងគម្រោងមួយទៅឱ្យធនធានកុំព្យូទ័រ (Resources) ជាក់លាក់ណាមួយដើម្បីដំណើរការ ដោយគិតគូរពីលក្ខខណ្ឌកំណត់ដូចជា ពេលវេលា ការចំណាយ និងថាមពល។ | ដូចជាអ្នកគ្រប់គ្រងការដ្ឋានសំណង់ម្នាក់ ដែលត្រូវចាត់ចែងថា កម្មករណាត្រូវធ្វើការងារអ្វី នៅពេលណា ដើម្បីឱ្យផ្ទះសាងសង់រួចរាល់ទាន់ពេល។ |
| DAG (Directed Acyclic Graph) | គឺជាគំរូគណិតវិទ្យាដែលប្រើដើម្បីតំណាងឱ្យរចនាសម្ព័ន្ធនៃលំហូរការងារ ដែលកិច្ចការនីមួយៗ (Node) មានទំនាក់ទំនងតគ្នាទៅមុខជានិច្ច (Directed) និងមិនអាចវិលត្រឡប់ក្រោយជាវង្វង់បានទេ (Acyclic)។ | ដូចជាការចំអិនម្ហូប ដែលអ្នកត្រូវលាងបន្លែ និងកាត់សាច់ជាមុនសិន ទើបអាចយកទៅឆាបាន អ្នកមិនអាចឆាហើយទើបមកលាងបន្លែតាមក្រោយបានទេ។ |
| Meta-heuristic Algorithms | គឺជាបច្ចេកទេសដោះស្រាយបញ្ហាថ្នាក់ខ្ពស់ដែលជារឿយៗយកគំរូតាមធម្មជាតិ (ដូចជា ហ្សែន Genetic Algorithm ឬ ហ្វូងសត្វ Particle Swarm Optimization) ដើម្បីស្វែងរកដំណោះស្រាយដែល "ល្អបំផុតដែលអាចទទួលយកបាន" សម្រាប់បញ្ហាស្មុគស្មាញ ដែលកុំព្យូទ័រមិនអាចគណនាគ្រប់លទ្ធភាពទាំងអស់បាន។ | ដូចជាការរកផ្លូវកាត់ក្នុងព្រៃ ដោយមិនចាំបាច់ដើរគ្រប់ផ្លូវទាំងអស់ ប៉ុន្តែប្រើប្រាស់សភាវគតិ ឬការសង្កេតមើលដានសត្វដើម្បីរកផ្លូវដែលលឿនបំផុត។ |
| Serverless Computing | គឺជាគំរូនៃការផ្តល់សេវាកម្មក្លោដដែលអ្នកអភិវឌ្ឍន៍គ្រាន់តែសរសេរកូដ ហើយក្រុមហ៊ុនផ្តល់សេវាកម្មជាអ្នកគ្រប់គ្រងម៉ាស៊ីនមេ (Server) និងធនធានដោយស្វ័យប្រវត្តិ។ អ្នកប្រើប្រាស់បង់ប្រាក់តែពេលកូដកំពុងដំណើរការប៉ុណ្ណោះ។ | ដូចជាការប្រើប្រាស់ទឹកម៉ាស៊ីន អ្នកគ្រាន់តែបើកក្បាលរ៉ូមីណេហើយបង់ថ្លៃទឹកដែលបានប្រើ ដោយមិនចាំបាច់ខ្វល់ពីការជីកអណ្តូង ឬដំណើរការម៉ាស៊ីនបូមទឹកឡើយ។ |
| DVFS (Dynamic Voltage and Frequency Scaling) | គឺជាបច្ចេកទេសសន្សំសំចៃថាមពលដែលអនុញ្ញាតឱ្យកុំព្យូទ័រកាត់បន្ថយវ៉ុល (Voltage) និងប្រេកង់ (Frequency) នៃ CPU ដោយស្វ័យប្រវត្តិនៅពេលដែលការងារមិនសូវធ្ងន់ធ្ងរ ដើម្បីកាត់បន្ថយការប្រើប្រាស់អគ្គិសនី។ | ដូចជាការជិះកង់ ដែលអ្នកធាក់ខ្លាំងពេលឡើងទួល ប៉ុន្តែបន្ថយកម្លាំងធាក់ ឬឈប់ធាក់នៅពេលចុះចំណោទដើម្បីសន្សំកម្លាំង។ |
| QoS (Quality of Service) | នៅក្នុងបរិបទនេះ វាសំដៅលើសំណុំនៃលក្ខខណ្ឌតម្រូវដែលអ្នកប្រើប្រាស់ចង់បានពីប្រព័ន្ធក្លោដ ដូចជា កាលបរិច្ឆេទបញ្ចប់ (Deadline) ថវិកា (Budget) និងកម្រិតដែលអាចទុកចិត្តបាន ដើម្បីធានាប្រសិទ្ធភាពការងារ។ | ដូចជាកិច្ចសន្យាជួលសេវាកម្មមួយ ដែលចែងច្បាស់ថាការងារត្រូវចប់នៅថ្ងៃណា និងត្រូវចំណាយអស់ប៉ុន្មាន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
