دانلود مقاله ترجمه شده زمان بندی بر اساس محتوای ماشین های مجازی (VMها) در ابر


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2001400 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
880,000 ریال
شناسه محصول :
2001400
سال انتشار:
2013
حجم فایل انگلیسی :
1 Mb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

زمان بندی بر اساس محتوای ماشین های مجازی (VMها) در ابر

عنوان انگليسي

Content-Based Scheduling of Virtual Machines (VMs) in the Cloud

نویسنده/ناشر/نام مجله

Distributed Computing Systems (ICDCS), 2013 IEEE 33rd International Conference

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 9 صفحه انگلیسی به صورت پی دی اف و 28 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

سازمان­های با تمام اندازه­ها، در حال انتقال زیرساخت ITشان بر روی ابر هستند که بخاطر بهره­وری هزینه و راحتی آن است. بخاطر ماهیت برحسب تقاضا بودن این زیرساخت­ها بعنوان ابرهای­ خدمات (IaaS)، ممکن است صدها هزار ماشین مجازی (VMها) در هر روز، در یک مرکز داده ابر بزرگ مجزا قرار گیرند و خاتمه یابند. در این مقاله، ما یک الگوریتم زمان­بندی بر اساس محتوی را برای قرار دادن VMها در مراکز داده­ پیشنهاد می­دهیم. از این واقعیت استفاده می­کنیم که این امکان وجود دارد تا با زمان­بندی VMهای با تشابه محتوای بالا بر روی میزبان­های یکسان، بلوک­های دیسک یکسانی را در تصاویر دیسک VM مختلف با سیستم عامل­های مشابه بیابیم. این امر به ما اجازه می­دهد تا در هنگام قرار دادن یک VM بر روی یک میزبان مقصد، مقدار داده­های انتقال داده شده را کاهش دهیم. در این مقاله، ابتدا بررسی­مان در مورد تشابه محتوای میان VMهای مختلف را ارائه می­کنیم که بر اساس مجموعه بزرگی از VMها با سیستم­عامل­های مختلف است که اکثر سیستم عامل­های محبوبی که امروزه استفاده می­شوند را نشان می­دهند. تحلیل ما نشان می­دهد که تشابه محتوی میان VMهای دارای یک نوع سیستم عامل و شماره نسخه­های نزدیک به هم (مثلا ابونتو 12.04 در مقایسه به ابونتو 11.10) می­تواند به بزرگی 60% باشد. همچنین نشان می­دهیم که تشابه محتوای نزدیک به صفر میان VMهای دارای سیستم عامل­های متفاوت وجود دارد. دوم اینکه، بر اساس نتایج بالا، یک الگوریتم زمان­بندی بر اساس محتوی طراحی کردیم که ترافیک شبکه مربوط به انتقال از تصاویر دیسک VM به درون مراکز داده را کمتر می­کند. نتایج تجربی ما نشان می­دهد که مقدار انتقال داده مربوط به قرار دادن VMها و انتقال تصاویر دیسک مجازی می­تواند به اندازه بیش از 70% کمتر شود، که منجر به رهایی چشمگیری در تراکم و استفاده از شبکه مرکز داده می­شود.

1-مقدمه

امروزه خدمات دهندگان بزرگ ابر همچون خدمات وب آمازون (AWS)، راک اسپیس و مایکروسافت آزور این امر را برای شرکت­ها بسیار مقرون به صرفه کرده­اند که خدماتشان را بر روی ابر میزبانی کنند. قرارگیری سریع و ماهیت ابر در پرداخت- فقط- برای- آنچه که- شما- استفاده می­کنید، انتقال کاربردها و خدمات را بر روی ابر بجای خود شرکت و حفظ زیرساخت­های IT شرکت را ساده و راحت می­کند. رشد سریع خدمات­دهندگان ابر را می­توان در اندازه مراکز داده­شان ملاحظه نمود. بطور مثال، مطابق با [1]، هفت محل مرکز داده AWS در اطراف دنیا (4 تا در آمریکا) وجود دارد، و تعداد کل سرورهای تیغه­ای در تمام محل­ها، در حدود نیم میلیون برآورد می­شود....

زمان بندی مجازی سازی مرکز داده محاسبه ابر :کلمات کلیدی

چکیده انگلیسی


Abstract

Organizations of all sizes are shifting their IT infrastructures to the cloud because of its cost efficiency and convenience. Because of the on-demand nature of the Infrastructure as a Service (IaaS) clouds, hundreds of thousands of virtual machines (VMs) may be deployed and terminated in a single large cloud data center each day. In this paper, we propose a content-based scheduling algorithm for the placement of VMs in data centers. We take advantage of the fact that it is possible to find identical disk blocks in different VM disk images with similar operating systems by scheduling VMs with high content similarity on the same hosts. That allows us to reduce the amount of data transferred when deploying a VM on a destination host. In this paper, we first present our study of content similarity between different VMs, based on a large set of VMs with different operating systems that represent the majority of popular operating systems in use today. Our analysis shows that content similarity between VMs with the same operating system and close version numbers (e.g., Ubuntu 12.04 vs. Ubuntu 11.10) can be as high as 60%. We also show that there is close to zero content similarity between VMs with different operating systems. Second, based on the above results, we designed a content-based scheduling algorithm that lowers the network traffic associated with transfer of VM disk images inside data centers. Our experimental results show that the amount of data transfer associated with deployment of VMs and transfer of virtual disk images can be lowered by more than 70%, resulting in significant savings in data center network utilization and congestion

Keywords: Scheduling Virtualization Data center Cloudcomputing
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید