دانلود مقاله ترجمه شده مقیاس بندی خودکار اپلیکیشن های اینترنتی برای سرویس‌های رایانش ابری


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2005990 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 :
1,210,000 ریال
شناسه محصول :
2005990
سال انتشار:
2014
حجم فایل انگلیسی :
1 Mb
حجم فایل فارسی :
2 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

مقیاس بندی خودکار اپلیکیشن های اینترنتی برای سرویس‌های رایانش ابری

عنوان انگليسي

Automatic Scaling of Internet Applications for Cloud Computing Services

نویسنده/ناشر/نام مجله

IEEE TRANSACTIONS ON COMPUTERS

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 14 صفحه انگلیسی به صورت پی دی اف و 34 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

بسیاری از اپلیکیشن های اینترنتی می توانند از مزایای مشخصه مقیاس بندی خودکار بهره مند شوند؛ در این مقیاس بندی، سطح استفاده از منابع را می توان به صورت خودکار از سوی سرویس دهنده ابری افزایش یا کاهش داد. در این مقاله، سیستمی را ارائه می دهیم که می تواند مقیاس بندی خودکار را در محیط ابری برای اپلیکیشن های اینترنتی فراهم سازد. هر نمونه اپلیکیشن را در داخل یک ماشین مجازی (vm) کپسوله سازی می کنیم و از فناوری مجازی سازی برای تدارک قابلیت محصول کردن اشکال استفاده می کنیم. سپس آنرا به عنوان یک مسئله بسته بندی کلاس محدود (CCBP) مدلسازی می کنیم به طوری که در آن، هر سرور را می توان یک بسته دانست و هر کلاس نیز بیانگر یک اپلیکیشن می باشد. محدودیت کلاس، منعکس کننده محدودیت عملی در خصوص تعداد اپلیکیشن هایی بوده که یک سرور می تواند به صورت همزمان اجرا نماید. یک الگوریتم پر کردن رنگ نیمه آنلاین را ارائه می دهیم که می تواند نرخ رضایت مندی خوبی را بدست آورده و با کاهش تعداد سرورها در زمان وجود بار پایین، در مصرف انرژی صرف جویی نماید. نتایج آزمایشی نشان می دهد که سیستم ما می تواند توان عملیاتی را به میزان 180 درصد در مقایسه با پیاده سازی Ec2 آمازون بهبود داده و کیفیت سرویس نرمال را 5 برابر سریع تر در شرایط ازدحام سربار بازیابی نماید. شبیه سازی های بزرگ مقیاس نشان می دهد که الگوریتم پیشنهادی ما بسیار مقیاس پذیر می باشد: زمان تصمیم در زیر 4 ثانیه برای سیستمی با 10 هزار سرور و 10 هزار اپلیکیشن می باشد. این یک بهبودی چند برابری را نسبت به الگوریتم های جادهی اپلیکیشن در محیط های سازمانی نشان می دهد.

1-مقدمه

یکی از مزایای سرویس رایانش ابری، توسعه پذیری منبع می باشد: یک مشتری کسب و کار می تواند سطح استفاده از منابع را بدون اینکه سرمایه گذاری زیادی را انجام دهد و یا به صورت بلند مدت به یک قرار داد متعهد باشد، افزایش یا کاهش دهد. برای مثال، سرویس EC2 آمازون به کاربران اجازه داده تا به تعداد دلخواه اقدام به خرید ماشین های مجازی نموده و آنها را مشابه با سخت افزار فیزیکی بکار گیرد. البته کاربران نیاز به تصمیم گیری در خصوص تعداد منابع مورد نیاز و مدت زمان نیاز این منابع دارند...

رایانش ابری مجازی سازی مقیاس بندی خودکار CCBP رایانش سبز :کلمات کلیدی

چکیده انگلیسی

Abstract

Many Internet applications can benefit from an automatic scaling property where their resource usage can be scaled up and down automatically by the cloud service provider. We present a system that provides automatic scaling for Internet applications in the cloud environment. We encapsulate each application instance inside a virtual machine (VM) and use virtualization technology to provide fault isolation. We model it as the Class Constrained Bin Packing (CCBP) problem where each server is a bin and each class represents an application. The class constraint reflects the practical limit on the number of applications a server can run simultaneously. We develop an efficient semi-online color set algorithm that achieves good demand satisfaction ratio and saves energy by reducing the number of servers used when the load is low. Experiment results demonstrate that our system can improve the throughput by 180% over an open source implementation of Amazon EC2 and restore the normal QoS five times as fast during flash crowds. Large scale simulations demonstrate that our algorithm is extremely scalable: the decision time remains under 4 s for a system with 10 000 servers and 10 000 applications. This is an order of magnitude improvement over traditional application placement algorithms in enterprise environments


Keywords: cloud computing virtualization auto scaling CCBP green computing
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی کامپیوتر و IT > مقاله های مهندسی کامپیوتر و IT و ترجمه فارسی آنها > مقیاس بندی خودکار اپلیکیشن های اینترنتی برای سرویس‌های رایانش ابری
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