ترجمه مقاله تخصیص تکنیک های منابع بهینه و غیر بهینه در مراکز داده محاسبات ابر - نشریه اشپرینگر

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

تخصیص تکنیک های منابع بهینه و غیر بهینه در مراکز داده محاسبات ابر

عنوان انگلیسی

Optimal and suboptimal resource allocation techniques in cloud computing data centers

صفحات مقاله فارسی

40

صفحات مقاله انگلیسی

17

سال انتشار

2017

نشریه

اشپرینگر - Springer

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

F736

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر و مهندسی فناوری اطلاعات

گرایش های مرتبط با این مقاله

رایانش ابری و معماری سازمانی

مجله

مجله محاسبات ابری: پیشرفت ها، سیستم ها و کاربردها - Journal of Cloud Computing: Advances

دانشگاه

گروه مهندسی برق و کامپیوتر، دانشگاه غربی، لندن، کانادا

کلمات کلیدی

ابرها، تخصیص منابع، مدل های تحلیلی، شبیه سازی سیستم ها، سیستم ارتباطی ترافیک، عملیات سیستم ارتباطات و مدیریت، خدمات وب و اینترنت، ماشین های مجازی، طراحی سیستم های راه حل

ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.

فهرست مطالب

چکیده
مقدمه
کار مرتبط
شرح مدل
فرمول ریاضی
نشانه ها
متغیرهای تصمیم گیری
محدودیت ها
راه حل اکتشافی
مدل اکتشافی
تكنيكهاي اكتشافي رزرو VM
راه حل غیر بهینه
مشکل اصلی فرمول سازی
مسئله فرعی
نتایج
شبیه سازی محیط
اکتشافی
نتایج شبکه کوچک
موارد مختلف تاخیر مجاز
نتایج شبکه بزرگ
نتیجه گیری
تقدیرنامه ها
منابع مالی
مشارکت نویسندگان

نمونه چکیده متن اصلی انگلیسی

Abstract

Cloud service providers are under constant pressure to improve performance, offer more diverse resource deployment options, and enhance application portability. To achieve these performance and cost objectives, providers need a comprehensive resource allocation system that handles both computational and network resources. A novel methodology is introduced to tackle the problem of allocating sufficient data center resources to client Virtual Machine (VM) reservation requests and connection scheduling requests. This needs to be done while achieving the providers’ objectives and minimizing the need for VM migration. In this work, the problem of resource allocation in cloud computing data centers is formulated as an optimization problem and solved. Moreover, a set of heuristic solutions are introduced and used as VM reservation and connection scheduling policies. A relaxed suboptimal solution based on decomposing the original problem is also presented. The experimentation results for a diverse set of network loads show that the relaxed solution has achieved promising levels for connection request average tardiness. The proposed solution is able to reach better performance levels than heuristic solutions without the burden of long hours of running time. This makes it a feasible candidate for solving problems with a much higher number of requests and wider data ranges compared to the optimal solution.

نمونه چکیده ترجمه متن فارسی

چکیده
ارائه دهندگان خدمات ابر تحت فشار مداوم برای بهبود عملکرد هستند، گزینه های مختلف استقرار منابع بیشتری ارائه و قابلیت حمل نرم افزار را افزایش می دهند. برای دستیابی به اهداف عملکرد و هزینه، ارائه دهندگان نیاز به یک سیستم تخصیص منابع جامع دارند که هر دو منابع محاسباتی و شبکه را مدیریت می کند. روش جدیدی برای حل مسئله تخصیص منابع مرکز داده کافی به درخواست رزرو ماشین مجازی مشتری (VM) و درخواست ارتباط برنامه ریزی معرفی می شود. این امر در هنگام دستیابی به اهداف ارائه دهندگان و به حداقل رساندن نیاز برای جابه جایی VM باید انجام شود. در این کار، مشکل تخصیص منابع در مراکز داده محاسبات ابری به عنوان یک مشکل بهینه سازی و حل شده فرمول بندی شده است. علاوه بر این، مجموعه ای از راه حل های اکتشافی معرفی شده به عنوان سیاست های رزرو VM و تنظیم ارتباط مورد استفاده قرار می گیرد. یک راه حل ساده غیر بهینه مبتنی بر تجزیه مسئله اصلی نیز ارائه شده است. نتایج آزمایش برای مجموعه متنوع بار شبکه نشان می دهد که راه حل ساده به سطوح امیدوار کننده برای میانگین تاخیر درخواست ارتباط رسیده است. راه حل پیشنهادی قادر به رسیدن به سطوح عملکرد بهتر از راه حل های اکتشافی بدون بار هستند که ساعتهای طولانی در حال اجرا است. این باعث یک نامزد احتمالی برای حل مسائل با تعداد بسیاری از درخواست ها و محدوده های اطلاعاتی گسترده تر در مقایسه با راه حل بهینه می باشد.