چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008179 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 :
258 کیلو بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
نظارت بر خود مدیریتی برای استقرار برنامه های ابری مقیاس بزرگ با الاستیسته بالا
عنوان انگليسي
Self managing monitoring for highly elastic large scale cloud deployments
نویسنده/ناشر/نام مجله
Proceedings of the sixth international workshop on Data intensive distributed computing
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 8 صفحه انگلیسی به صورت پی دی اف و 24 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
زیرساختاری با عنوان محاسبات سرویس، ویژگی ها و خواص زیادی را نشان می دهد که در استقرارهای معمولی سرورها دیده نمی شود. الاستیسته یکی از مهم ترین خواص است که پیامدهای گسترده ای برای برنامه های استقرار یافته در VM های با هاست ابری دارد. در میان برنامه هایی که الاستیسته در آنها نقش عمده ای دارد می توان به نظارت اشاره کرد. در این مقاله ما استقرار سرویس های ابری بزرگ و روند نظارت بر آنها را بیان می کنیم و اینکه چالش های معرفی شده چه تفاوتی با مشکلات نظارت های قبلی دارند. به منظور پرداختن به این چالش های منحصر به فرد، varanus را معرفی می کنیم که یک ابزار نظارتی به شدت مقیاس پذیر است که به اثرات الاستیسته سریع، مقاوم است. این ابزار، قواعد مرسوم سیستم های نظارت قبلی را از بین می برد و یک معماری P2P چند لایه معرفی می کند تا به قابلیت نظارت درجا بدون نیاز به زیرساختارهای نظارتی اختصاص داده شده ، دست یابد.
سپس varanus را در برابر معماری های نظارتی فعلی ارزیابی می کنیم. در می یابیم که ابزارهای نظارای معمولی برای استقرار ابری بدون تغییر و کوچک، به طور قابل قبولی عمل می کنند. با این حال، برای ابزارهای فعلی استقرار انعطاف پذیر یا بزرگ به طور غیرقابل قبول عمل می کنند و تأخیرها و سربار را افزایش می دهند و عملیاتی را نشان می دهند که به یک ابزار جدید و جایگزین نیاز دارد. علاوه بر این، ما نشان می دهیم که Varanus، نظارت با تأخیر کم را در تقاضای محدود روی منابع حفظ می کند، حتی در دوره هایی که الاستیسته بالاست.
-1مقدمه
محاسبات ابری در مقیاس در دسترس همه ی مدل های پرداخت با کاربرد را محاسبه می کند. در حالیکه از قبل استقرار سیستم های با مقیاس بزرگ به بودجه و منابع زیادی نیاز داشت، اما در حال حاضر برای افراد عملی است تا تعداد زیادی از ماشین های مجازی گذاری ابری (VM) برای دوره ی کوتاهی از زمان استقرار دهند. این دسترس پذیری جدید، مقیاس پذیری را بر طراحی سیستم مقدم فرض می کند…
محاسبات ابری
:کلمات کلیدی
Abstract
Infrastructure as a Service computing exhibits a number of properties, which are not found in conventional server deployments. Elasticity is among the most significant of these properties which has wide reaching implications for applications deployed in cloud hosted VMs. Among the applications affected by elasticity is monitoring. In this paper we investigate the challenges of monitoring large cloud deployments and how these challenges differ from previous monitoring problems. In order to meet these unique challenges we propose Varanus1, a highly scalable monitoring tool resistant to the effects of rapid elasticity. This tool breaks with many of the conventions of previous monitoring systems and leverages a multi-tier P2P architecture in order to achieve in situ monitoring without the need for dedicated monitoring infrastructure. We then evaluate Varanus against current monitoring architectures. We find that conventional monitoring tools per-form acceptably for small, non changing cloud deployments. However in the case of large or highly elastic deployments current tools perform unacceptably incurring increased latencies, high load and slowed operation necessitating that a new, alternative tool be used. Further, we demonstrate that Varanus maintains low latency monitoring with limited demand upon resources, even during during periods of high elasticity.
Keywords:
.
سایر منابع مهندسی کامپیوتر و IT در زمینه محاسبات ابری