فهرست مقالات محاسبات ابری

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - ارائه یک الگوریتم توازن بار نامتمرکز در محیط‌های ناهمگن
  سمیرا حورعلی شهرام جمالی فاطمه حورعلی
  یکی از راهکارهای اساسی برای ارتقای کارایی در محیط ابر، موازنه بار می‌باشد. انتخاب VM مناسب برای انجام هر کار، تابع پارامترهای مختلفی مانند میزان منابع مورد نیاز کار نظیر CPU، حافظه، حجم منابع در اختیارVM ها، هزینه و سررسیدVM ها می‌باشد. در این مقاله با در نظر گرفتن تک‌ت چکیده کامل

  یکی از راهکارهای اساسی برای ارتقای کارایی در محیط ابر، موازنه بار می‌باشد. انتخاب VM مناسب برای انجام هر کار، تابع پارامترهای مختلفی مانند میزان منابع مورد نیاز کار نظیر CPU، حافظه، حجم منابع در اختیارVM ها، هزینه و سررسیدVM ها می‌باشد. در این مقاله با در نظر گرفتن تک‌تک این معیارها و اهداف طراحی مانند توازن بار، کاهش نرخ ایجاد VM جدید و مهاجرت VM ها، مسأله را در قالب پارامترهای مؤثر در کارایی مدل کرده و سپس مدل فوق را با استفاده از روش پرومته که یکی از پرکاربردترین روش‌های تصمیم‌گیری چندشاخصه است، حل می‌کنیم. در این روش انتخاب بهترین VM بر اساس ارزش اختصاص‌یافته به هر یک از معیارها صورت می‌گیرد که بر اساس منطق فازی تعیین می‌شود. جهت بررسی کارایی این روش، شبیه‌سازی‌های گسترده‌ای در محیط CloudSim صورت گرفته که نشان می‌دهد روش پیشنهادی نسبت به روش‌های موجود مانند FIFO، DLB و WRR از نقطه نظرات زمان پاسخ، نرخ موفقیت کارها، انحراف بار و نرخ مهاجرت VMها عملکرد بسیار بهتری دارد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - یک سیستم هوشمند قیمت گذاری سرویس های ابری با هدف افزایش سادگی در پیاده سازی و انعطاف پذیری
  محبوبه زندیه سپیده  آدابی سمانه یزدانی
  اکثر مدلهایِ پیشین مبتنی بر حراج در قیمت گذاریِ منابع ابری، از پیچیدگی بالای پیاده سازی در محیطهای ابر واقعی رنج می برند. لذا، چالش اصلی محققین طراحی مدل های قیمت گذاری پویایی است که بتوانند سه هدف زیر را تامین کنند: 1) پیچیدگی های محاسباتی پایین، 2) دقت بالا، و 3) سادگ چکیده کامل

  اکثر مدلهایِ پیشین مبتنی بر حراج در قیمت گذاریِ منابع ابری، از پیچیدگی بالای پیاده سازی در محیطهای ابر واقعی رنج می برند. لذا، چالش اصلی محققین طراحی مدل های قیمت گذاری پویایی است که بتوانند سه هدف زیر را تامین کنند: 1) پیچیدگی های محاسباتی پایین، 2) دقت بالا، و 3) سادگیِ پیاده سازی در محیط ابر واقعی. CMM (Cloud Market Maker) یکی از مدلهای قیمت گذاری پویایِ محبوبی است که دو مزیتِ دقت محاسباتی و امکان اجرایی شدن در بازار واقعی ابر را دارد. این مدل بر پایه یک تابع خطی، قیمت پیشنهادی را محاسبه می کند. در طراحی این مدل خطی پارامترهای: فوریت خریدار، تعداد رقیبان و تعداد حریفان لحاظ شده اند. علی رغم مزایای این روش، نسبت اهمیت پارامترهای سازندۀ تابع محاسبه کننده قیمت در شرایط گوناگون بازار یکسان در نظر گرفته شده است. عدم توجه به این مساله، انعطاف پذیری سیستم و دقت محاسبات در تغییرات محسوسِ محیط بازار ابر را کاهش می دهد. لذا، نویسندگان در این مقاله بر روی طراحی یک سیستم هوشمند قیمت گذاریِ آگاه از بازار در سمت خریدارانِ سرویس ابری با هدف غلبه بر این مشکل متمرکز شده اند. در عین حال، سادگی پیاده سازیِ سیستم پیشنهادی در محیط ابر واقعی نیز می بایست تضمین شود. برای این منظور، سیستم هوشمند قیمت گذاری مبتنی بر عامل نرم افزاری با ترکیب راهکارهای ماشین بردار پشتیبان (SVM ) و فرآیند تحلیل سلسله مراتبی(AHP ) پیشنهاد شده است. نتایج شبیه سازی نشاندهندۀ کارایی مناسبتر راهکار پیشنهادی با نام DPMAدر در مقایسه با CMM است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - WSTMOS: روشی جهت بهینه سازی توان عملیاتی، انرژی و تاخیر در زمانبندی جریان ‏های کاری ابری
  آرش  قربان نیا دلاور رضا اکرمی نژاد سحر مظفری
  استفاده از رایانش ابری در مراکز داده مختلف در سراسر دنیا، منجر به تولید بیشتر گاز دی‌اکسیدکربن می‌شود، که در آن مسئله انرژی و توان یکی از مسائل مهم می‏باشد. الگوریتم آگاه به انرژی و توان عملیاتی برای زمان‌بندی جریان‏های کاری نمونه - فشرده اینترنت اشیا با پردازش دسته‌ای چکیده کامل

  استفاده از رایانش ابری در مراکز داده مختلف در سراسر دنیا، منجر به تولید بیشتر گاز دی‌اکسیدکربن می‌شود، که در آن مسئله انرژی و توان یکی از مسائل مهم می‏باشد. الگوریتم آگاه به انرژی و توان عملیاتی برای زمان‌بندی جریان‏های کاری نمونه - فشرده اینترنت اشیا با پردازش دسته‌ای در ابرها مورد مطالعه قرارگرفته و روشی جهت زمان‌بندی جریان‏های کاری ابری برای بهینه سازی انرژی، توان عملیاتی و تاخیر ارائه‌ شده است. در روش پیشنهادی نسبت به روش قبلی با ایجاد پارامترهای فاصله، دسته‌بندی ورودی‌ها و همچنین زمان اجرای واقعی، توان عملیاتی، انرژی و تاخیر را بهبود داده‌ایم. روش WSTMOS با درنظرگرفتن پارامترهای شاخص و زمان واقعی، به تابع صلاحیت بهینه‌ای دست یافته است. همچنین روش پیشنهادی پارامتر فاصله زمانی وظیفه، نسبت به ماشین‏های مجازی برای کاهش تعداد مهاجرت‌های ماشین‏های مجازی، استفاده ‌شده است. روش WSTMOS با دسته‌بندی ورودی‌های جریان کاری به گروه‏های کم، متوسط و پرحجم و همچنین توزیع بار مناسب بر روی سرورهای مناسب‌تر جهت آستانه پردازنده‏ها، میزان انرژی و هزینه را بهینه نموده و همچنین میزان مصرف انرژی به طور میانگین 4.8 درصد و هزینه 4.4 درصد، نسبت به روش مورد مطالعه کاهش یافته و درنهایت میانگین تأخیر، توان و بار کاری نسبت به روش‌های قبلی بهینه ‌شده است. پرونده مقاله