تلفن: 04142273781

ترجمه مقاله مدل سازی احتمالی برای رسیدن به توازن بار در ابرهای خبره – نشریه الزویر

عنوان فارسی: مدل سازی احتمالی برای رسیدن به توازن بار در ابرهای خبره
عنوان انگلیسی: Probabilistic Modeling to Achieve Load balancing in Expert Clouds
تعداد صفحات مقاله انگلیسی : 24 تعداد صفحات ترجمه فارسی : 25
سال انتشار : 2017 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 8445 رفرنس : دارد
محتوای فایل : zip حجم فایل : 3.21Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله: رایانش ابری، اینترنت و شبکه های گسترده و مهندسی الگوریتم ها و محاسبات
مجله: شبکه های ادهاک - Ad Hoc Networks
دانشگاه: گروه علوم کامپیوتر، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
کلمات کلیدی: ابر خبره، منابع انسانی، رایانش ابری، توازن بار، توزیع پواسون، کیفیت خدمات
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1. مقدمه

2. کار مرتبط

3. روش پیشنهادی: مفاهیم و عملگرها

3-1. رتبه بندی HR توسط مورچه های رنگی

3-2 تقسیم وظایف و رتبه بندی سایت بر اساس تقاضا

3-3. برچسب زدن گره برگ

3-4. برچسب زدن سوپر گره های همتا

3-5 استراتژی توازن بار پیشنهادی

3-6 مهاجرت وظایف

4. نتایج شبیه سازی و تجزیه و تحلیل

5. نتیجه گیری

نمونه متن انگلیسی

Abstract

Expert Cloud as a new class of Cloud computing systems enables its users to request the skill, knowledge and expertise of people without any information of their location by employing Internet infrastructures and Cloud computing concepts. Effective load balancing in a heterogeneous distributed environment such as Cloud is important. Since the differences in the human resource (HRs) capabilities and the variety of users' requests causes that some HRs are overloaded and some others are idle. The task allocation to the HR based on the announced requirements by the user may cause the imbalanced load distribution among HRs as well. Hence resource management and scheduling are among the important cases to achieve load balancing. Using static and dynamic algorithms, the ant colony, and the method based on searching tree all are among the methods to achieve load balancing. This paper presents a new method in order to distribute the dynamic load based on distributed queues aware of service quality in the Cloud environment. In this method, we utilize the colorful ants as a ranking for making distinction among the HRs capabilities. In this paper, we perform the mapping among the tasks and HRs using allocating a label to each HR. We model the load balancing and mapping process based on Poisson and exponential distribution. This model allows us to allocate each task to the HR which is able to execute it with maximum power using the distributed queues aware of the service quality. Simulation results show that the expert Cloud can reduce the execution and tardiness time and improve HR utilization. The cost of using resources as an effective factor in load balancing is also observed.

نمونه متن ترجمه

چکیده

ابر خبره به عنوان یک کلاس جدید از سیستم های رایانش ابری کاربران خود را قادر می سازد مهارت، دانش و تخصص افراد را بدون هر گونه اطلاعات از محل آنها از طریق زیرساخت های اینترنت و مفاهیم رایانش ابری تقاضا نمایند. ایجاد تعادل بار موثر در محیط پراکنده ناهمگن مانند ابر حائز اهمیت است. از آنجا که تفاوت در قابلیت های منابع انسانی (HRs) و تنوع درخواست کاربران باعث می شود که برخی از منابع انسانی بار بیش از حد داشته باشند و برخی دیگر بلااستفاده بمانند. تخصیص کار به HR بر اساس الزامات اعلام شده از سوی کاربر ممکن است باعث توزیع بار نامتعادل در میان HR نیز گردد. از این رو مدیریت و برنامه ریزی منابع از جمله موارد مهم برای رسیدن به تعادل بار می باشند. استفاده از الگوریتم های استاتیک و دینامیک، کلونی مورچه ها، و روش مبتنی بر درخت جستجو همگی از روش های رسیدن به تعادل بار هستند. این مقاله یک روش جدید به منظور توزیع بار دینامیک بر اساس صف پراکنده آگاه از کیفیت خدمات در محیط ابر ارائه می-کند. در این روش، ما از مورچه های رنگی به عنوان یک رتبه بندی برای ایجاد تمایز میان قابلیت های HR استفاده کردیم. در این مقاله، ما نوعی مسیردهی در میان وظایف و منابع انسانی با استفاده از تخصیص یک برچسب به هر HR صورت دادیم. ما روند متعادل سازی بار و نقشه برداری (مسیردهی) را بر اساس توزیع نمایی و پواسون مدل سازی کردیم. این مدل به ما اجازه می دهد هر وظیفه را به HR تخصیص دهیم که قادر به اجرای آن با حداکثر قدرت با استفاده از صف پراکنده آگاه از کیفیت خدمات میباشد. نتایج شبیه سازی نشان می دهد که ابر خبره می تواند زمان اجرا و تاخیر را کاهش دهد و استفاده از منابع انسانی بهبود بخشد. هزینه استفاده از منابع به عنوان عاملی موثر در تعادل بار نیز مشاهده شده است.