چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008191 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 انگلیسی :
548 Kb
حجم فایل فارسی :
595 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
یک الگوریتم فرا ابتکاریِ ترکیبی برای زمانبندی ماشین مجازی، با قابلیت لود بالانسینگ ( متوازنسازی بار) در بستر رایانش ابری
عنوان انگليسي
A hybrid meta-heuristic algorithm for VM scheduling with load balancing in cloud computing
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 13 صفحه انگلیسی به صورت پی دی اف و 27 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
هدف از زمان‌بندیِ ماشین مجازی (VM) همراه با قابلیت لود بالانسینگ (متوازن سازی بار) ، تخصیص ماشین‌های مجازی به سرورهایی متناسب، و متوازن سازی سطح استفاده از منابع در بین همه‌ی سرورها می‌باشد. در یک چارچوب زیر ساختار-به عنوان-سرویس، درخواست‌های ورودی به شکلی پویا وارد سیستم شده و در همین راستا، سیستم موظف به ایجاد ماشین‌هایی مجازی بدون در نظر گرفتن نوع وظایفی که بر روی آنها اجرا می‌شوند، می‌باشد. بنابراین زمان‌بندی‌ای که تنها بر روی مجموعه‌ی ثابتی از وظایف متمرکز می‌باشد و یا نیاز به اطلاعات کاملی از یک وظیفه در جهت اجرای آن داشته باشد را نمی‌توان برای این سیستم مناسب دانست. در این مقاله، تکنیک‌های بهینه‌سازی کلونی مورچگان و بهینه‌سازی ازدحام ذرات را با هم ترکیب خواهیم کرد تا بتوانیم مسئله‌ی زمانبندی ماشین مجازی را حل نموده و نتیجه‌ی این ترکیب را در قالب روشی تحت عنوان بهینه سازی کلونی مورچگان با ازدحام ذرات (ACOPS) ارائه می‌دهیم. در ACOPS، از اطلاعات سلسله مراتبی به منظور پیش‌بینی درخواست‌های ورودیِ جدید استفاده شده تا بتوان محیط‌هایی پویا را بدون وجود اطلاعات اضافی در مورد وظیفه فراهم نمود. در ACOPS، تنها درخواست‌هایی نادیده گرفته شده که نمی‌توان آنها را قبل از موعد مقرر اجرا نمود و این کار به منظور کاهش زمان محاسبه در رویه‌ی زمانبندی صورت می‌گیرد. نتایج به دست آمده از آزمایش‌ها نشان می‌دهد که الگوریتم پیشنهادی ما می‌تواند در یک محیط پویا، بار را به صورت متوازن در بین ماشین‌های مجازی تقسیم نموده و از عملکرد بهتری نسبت به سایر روش‌ها برخوردار می‌باشد.
1-مقدمه
در طی سال‌های اخیر، توسعه ی اپلیکیشن های سرویس محور مشابه با رویش قارچ‌ها پس از باران، با رشد زیادی همراه بوده‌اند؛ و در عین حال، مفهوم رایانش ابری [34] نیز در همین راستا پیشنهاد گردیده است. آقای هامیلتون [21] خاطر نشان نموده است که رایانش ابری می‌تواند منجر به ایجاد سود 160 بیلیون دلاری در کسب و کار شده که 95 بیلیون دلار آن را می‌توان به خاطر نرم‌افزارهای کسب و کار و انواع اپلیکشن ها دانست و 65 بیلیون دلار باقی مانده، مربوط به تبلیغات آنلاین می‌باشد. علاوه بر فرصت‌های شغلی‌ای که پارادایم رایانش ابری می‌تواند خلق نماید، چارچوب رایانش ابری می‌تواند هزینه‌های صنایع اطلاعاتی مدرن را نیز کاهش دهد...
زمانبندی متوازن سازی بار رایانش ابری
:کلمات کلیدی
Abstract
Virtual machine (VM) scheduling with load balancing in cloud computing aims to assign VMs to suitable servers and balance the resource usage among all of the servers. In an infrastructure-as-a-service framework, there will be dynamic input requests, where the system is in charge of creating VMs without considering what types of tasks run on them. Therefore, scheduling that focuses only on fixed task sets or that requires detailed task information is not suitable for this system. This paper combines ant colony optimization and particle swarm optimization to solve the VM scheduling problem, with the result being known as ant colony optimization with particle swarm(ACOPS). ACOPS uses historical information to predict the workload of new input requests to adapt to dynamic environments without additional task information. ACOPS also rejects requests that cannot be satisfied before scheduling to reduce the computing time of the scheduling procedure. Experimental results indicate that the proposed algorithm can keep the load balance in a dynamic environment and outperform other approaches.
Keywords:
Scheduling Load balance Cloud computing
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه ماشین مجازی