تلفن: 04142273781

ترجمه مقاله بهینه سازی قرار دادن دستگاه مجازی برای انرژی و SLA در کلود با توابع کاربردی – نشریه اشپرینگر

عنوان فارسی: بهینه سازی قرار دادن دستگاه مجازی برای انرژی و SLA در کلود با استفاده از توابع کاربردی
عنوان انگلیسی: Optimizing virtual machine placement for energy and SLA in clouds using utility functions
تعداد صفحات مقاله انگلیسی : 17 تعداد صفحات ترجمه فارسی : 34
سال انتشار : 2016 نشریه : اشپرینگر - Springer
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7009 رفرنس : دارد
محتوای فایل : zip حجم فایل : 3.92Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: رایانش ابری و مهندسی نرم افزار
مجله: مجله محاسبات ابری: پیشرفت ها، سیستم ها و کاربردی آن
دانشگاه: دانشکده علوم کامپیوتر، دانشگاه منچستر، انگلستان
کلمات کلیدی: محاسبات کلود، قرار دادن دستگاه های مجازی، مدیریت منابع کلود، توابع کاربردی، انرژی آگاه، توافقنامه سطح خدمات (SLA)
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

مقدمه

کار مرتبط

مانیتورینگ، تجزیه و تحلیل، برنامه ریزی و اجرای قرار دادن VM

تخصیص منابع مبتنی بر تابع

انتخاب محل تابع

تعریف تابع مطلوبیت

توسعه مدل برنامه سودمند

محاسبه استفاده از پردازنده PM بر اساس استفاده از VM

برآورد هزینه انرژی

هزینه نقض به علت کاربرد بیش از حد PM

هزینه نقض به علت جابه جایی VM

طراحی ارائه

الگوریتم بهینه سازی

جمعیت اولیه

ارزیابی تناسب / عملکرد کاربردی

انتخاب والدین

جهش انتخاب جدید جمعیت

نتیجه واگذاری

ارزیابی تجربی

شیوه ذهنی در شروع مطالعه

معیارهای عملکرد

محیط شبیه سازی

راه اندازی آزمایش

شرح آزمایش و نتایج

نتیجه گیری و کار بیشتر

نتیجه

دستورالعمل های آینده

نمونه متن انگلیسی

Abstract

Cloud computing provides on-demand access to a shared pool of computing resources, which enables organizations to outsource their IT infrastructure. Cloud providers are building data centers to handle the continuous increase in cloud users’ demands. Consequently, these cloud data centers consume, and have the potential to waste, substantial amounts of energy. This energy consumption increases the operational cost and the CO2 emissions. The goal of this paper is to develop an optimized energy and SLA-aware virtual machine (VM) placement strategy that dynamically assigns VMs to Physical Machines (PMs) in cloud data centers. This placement strategy co-optimizes energy consumption and service level agreement (SLA) violations. The proposed solution adopts utility functions to formulate the VM placement problem. A genetic algorithm searches the possible VMs-to-PMs assignments with a view to finding an assignment that maximizes utility. Simulation results using CloudSim show that the proposed utility-based approach reduced the average energy consumption by approximately 6 % and the overall SLA violations by more than 38 %, using fewer VM migrations and PM shutdowns, compared to a well-known heuristics-based approach.

نمونه متن ترجمه

چکیده

محاسبات کلود دسترسی مورد تقاضا به یک منبع مشترک از منابع محاسباتی را فراهم می اورد، که سازمان ها را قادر به برون سپاری زیرساخت های فناوری خود می سازد. ارائه دهندگان کلود درحال ایجاد مراکز داده ای هستند که به خواسته های در حال افزایش مداوم کاربران کلود، رسیدگی کند. در نتیجه، این مراکز داده کلود از انرژی استفاده کرده، و پتانسیل ان را دارند که مقدار قابل توجهی از انرژی را به هدر دهند. این مصرف انرژی هزینه های عملیاتی و انتشار گاز CO2 را افزایش می دهد. هدف از این مقاله توسعه انرژی و SLA بهینه سازی دستگاه های مجازی (VM) و استراتژی قرار دادن انها به صورت پویا و اختصاص دستگاه های مجازی به ماشین آلات فیزیکی (PMS) در مراکز داده کلود است. این استراتژی قرار دادن، در بهینه سازی مصرف انرژی و توافقنامه نقض خدمات (SLA) مشارکت دارد. راه حل پیشنهادی تصویب تابع کاربردی برای تدوین و فرموله سازی مشکل قرار دادن VM می باشد. یک الگوریتم اصلی به جستجوی جایگزین ممکن ماشینهای مجازی با در نظر گرفتن جایگزینی که تابع را به ماکزیمم برساند، می پردازد. نتایج شبیه سازی با استفاده از CloudSim نشان می دهد که رویکرد مبتنی بر برنامه پیشنهادی مصرف انرژی را به طور متوسط حدود 6٪ کاهش داده و نقض SLA کلی تا بیش از 38٪، با استفاده از جابه جایی کمتر VM و خاموش شدن ناگهانی PM ، در مقایسه با یک رویکرد شناخته شده از فن آوری هوشمند، کاهش یافته است.