چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2006617 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
حجم فایل فارسی :
928 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
پلت فرم ACCRS: مقیاس بندی منبع رایانش ابری مبتنی بر روش خود مختاری
عنوان انگليسي
ACCRS: autonomic based cloud computing resource scaling
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 10 صفحه انگلیسی به صورت پی دی اف و 22 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
یکی از کاربردهای مدل های رایانش ابری این بوده که سرویس دهندگان خدمات ابری می توانند چندین بار کاری دریافتی از سوی کاربران را بر روی یک سیستم فیزیکی نگهداری کنند. البته تأمین و تدارک منابع ابری به شکلی کارآمد و مدیریت خرابی های سیستم در فضای ابری می تواند امری چالش برانگیز باشد. تشخیص زود هنگام یک اشکال یا عیب در این سیستم ها می تواند فرصت کافی را برای جلوگیری از بروز اشکالات احتمالی در قبل از تأثیرگذاری آنها بر روی کیفیت خدمات (QoS) پیش روی ما قرار دهد. تکنیک های ایستایی که برای مدیریت اشکال در سیستم های رایانش ابری وجود دارند به اندازه کافی نمی توانند کیفیت خدمات را برای کاربران ابری تضمین نمایند. بنابراین به تکنیک های هوشمندانه جدیدی نیاز می باشد. در این مقاله، چارچوبی را با نام ACCRS برای زیر ساختارهای رایانش ابری ارائه می دهیم تا به موجب آن به کاهش هزینه و مصرف انرژی و تضمین SLA (توافق سطح خدمات) بپردازیم. در این چارچوب، از مؤلفه های اولیه رایانش خود مختار اعم از پایش وضعیت، برنامه ریزی، تصمیم گیری، پیش بینی و تشخیص اشکال و تحلیل دلایل ریشه ای اشکال استفاده خواهیم کرد تا بتوانیم فعالیت هایی که منجر به بهبود قابلیت اطمینان، دسترسی پذیری و سطح کاربرد سیستم می گردند را بهبود دهیم که البته برای این کار باید منابع را در پاسخ به تغییراتی که در وضعیت سیستم ابری رخ می دهد مقیاس بندی کرد.
1-مقدمه
یک سرویس دهنده ابری (CSP) می تواند خدمات رایانشی را بر مبنای تقاضای کاربران و در عین حال با کیفیتی قابل قبول (QoS) در اختیار آنها قرار دهد. کاربران ابری (CU) نباید با محدودیت های تأمین و تدارک منبع و ثبات سرویس دهی روبرو شوند چرا که اینها از جمله تعهدات سرویس دهندگان ابری بوده که باید آنرا تضمین نمایند. تضمین کیفیت خدمات، به کاربران ابری این امکان را داده تا بر روی دستاوردهای شغلی خود و آن هم بدون تلف کردن زمان صرف مسائل و مشکلات مربوط به سیستم متمرکز شوند. علاوه بر این، مدل های رایانش ابری این امکان را به CSP داده تا چندین بار کاری را بر روی یک سیستم فیزیکی قرار دهند. این کار باعث کاهش قابل ملاحظه هزینه و انرژی و افزایش سطح بکار گیری منابع می گردد. البته این مدل چالش هایی را نیز به همراه داشته که از جمله آنها می توان به تدارک منابع به شکلی کارآمد (زمان‌بندی) و اشکالات احتمالی سیستم که منجر به بروز وقفه در خدمات دهی می گردند اشاره کرد که این معایب می تواند بر روی سودآوری، سهم بازار و اعتبار CSP تأثیر منفی داشته باشد...
رایانش ابری پلت فرم ACCRS مقیاس بندی منبع رایانش خود مختار کیفیت خدمات بهره وری انرژی
:کلمات کلیدی
Abstract
A cloud computing model gives cloud service providers the ability to retain multiple workloads on a single physical system. However, efficient resource provisioning and possible system fault management in the cloud can be a challenge. Early fault detection can provide room to recover from potential faults before impacting QoS. Current static techniques of fault management in computing systems are not satisfactory enough to safeguard the QoS requested by cloud users. Thus, new smart techniques are needed. This paper presents the ACCRS framework for cloud computing infrastructures to advance system’s utilization level, reduce cost and power consumption and fulfil SLAs. The ACCRS framework employs Autonomic Computing basic components which includes state monitoring, planning, decision making, fault predication, detection, and root cause analysis for recovery actions to improve system’s reliability, availability, and utilization level by scaling resources in response to changes in the cloud system state
Keywords:
Cloud computing Resource scaling Autonomic computing Quality of service Energy efficiency
سایر منابع مهندسی کامپیوتر و IT-فناوری اطلاعات در زمینه مدیریت منابع در رایانش ابری