مدل تخصیص منابع بر مبنای مستاجر برای مقیاس بندی برنامه های کاربردی نرم افزار به عنوان سرویس روی زیرساخت های رایانش ابری
عنوان انگلیسی
A tenant-based resource allocation model for scaling Software-as-a-Service applications over cloud computing infrastructures
صفحات مقاله فارسی
42
صفحات مقاله انگلیسی
14
سال انتشار
2013
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
4998
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
رایانش ابری، مهندسی الگوریتم ها و محاسبات و معماری سیستم های کامپیوتری
مجله
نسل آینده سیستم های کامپیوتری
دانشگاه
مکزیک
کلمات کلیدی
رایانش ابری، نرم افزار به عنوان سرویس، چند مستاجری، منابع مجازی، تخصیص منابع
۰.۰(بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. پیشینه
1. 2 چند مستاجری: تعریف و پشتیبانی
2. 2 پروژه های مرتبط
3. پلتفرم ها و معماریهای بستر تست
4. تعریف و اندازه گیری کم بهره برداری و اضافه بهره برداری
1. 4 اضافه بهره برداری ( اشباع)
2. 4 کم بهره برداری ( هدر رفتن منابع)
3. 4. تولید حجم کار
4. 4 نتایج تست
5. مدل و معماری حل پیشنهادی
6. جداسازی بر مبنای مستاجر
1. 6 دوام و پایداری بر مبنای مستاجر
2. 6 احراز هویت بر مبنای مستاجر ( مستاجر محور)
7. تخصیص VM بر مبنای مستاجر
8. توازن بار بر مبنای مستاجر
9. لایه ارتباطات ابری
10. نتایج و تحلیل
11. نتایج
12. کار آتی
نمونه چکیده متن اصلی انگلیسی
abstract Cloud computing provides on-demand access to computational resources which together with pay-peruse business models, enable application providers seamlessly scaling their services. Cloud computing infrastructures allow creating a variable number of virtual machine instances depending on the application demands. An attractive capability for Software-as-a-Service (SaaS) providers is having the potential to scale up or down application resources to only consume and pay for the resources that are really required at some point in time; if done correctly, it will be less expensive than running on regular hardware by traditional hosting. However, even when large-scale applications are deployed over payper-use cloud high-performance infrastructures, cost-effective scalability is not achieved because idle processes and resources (CPU, memory) are unused but charged to application providers. Over and under provisioning of cloud resources are still unsolved issues. Even if peak loads can be successfully predicted, without an effective elasticity model, costly resources are wasted during nonpeak times (underutilization) or revenues from potential customers are lost after experiencing poor service (saturation). This work attempts to establish formal measurements for under and over provisioning of virtualized resources in cloud infrastructures, specifically for SaaS platform deployments and proposes a resource allocation model to deploy SaaS applications over cloud computing platforms by taking into account their multitenancy, thus creating a cost-effective scalable environment.
نمونه چکیده ترجمه متن فارسی
چکیده
رایانش ابری دسترسی طبق تقاضا به منابع محاسباتی فراهم می نماید که در کنار مدلهای تجاری پرداخت به ازای هر استفاده ، به فراهم کنندگان برنامه های کاربردی امکان مقیاس بندی یکپارچه سرویسها و خدماتشان را می دهد. زیرساخت های رایانش ابری امکان ایجاد تعداد متغیری از نمونه های ماشین های مجازی بسته به تقاضاهای برنامه های کاربردی را فراهم می آورند. یک قابلیت جذاب برای فراهم کنندگان نرم افزار به عنوان سرویس (SaaS)، پتانسیل افزایش یا کاهش مقیاس منابع کاربردی جهت مصرف و پرداخت منابع مورد نیاز در مقاطع زمانی مختلف می باشد؛ اگر این کار به درستی انجام شود، آنگاه کم هزینه تر از اجرا روی سخت افزار منظم با میزبانی سنتی ظاهر می شود. با این حال، حتی زمانی که برنامه هایی در مقیاس بزرگ روی زیرساخت های عملکرد بالای ابر پرداخت به ازای هر استفاده مستقر می شوند، مقیاس پذیری موثردر هزینه حاصل نمی گردد، زیرا از فرایندها و منابع بیکار ( CPU، حافظه) استفاده نمی شود، بلکه بار آنها به دوش فراهم کنندگان برنامه های کاربردی می افتد. تامین زیاد یا کم منابع ابری، هنوز به عنوان مسائل حل نشده ای به قوت خود وجود دارد. حتی اگر پیک بار را بتوان با موفقیت پیش بینی نمود، باز هم بدون یک مدل الاستیسیته (کشسانی) موثر، منابع گران در طول زمان های غیر اوج مصرف ( استفاده کم یا کم بهره گیری ) هدر رفته یا منابع مشتریان بالقوه پس از تجربه سرویس ضعیف از دست می روند ( اشباع ). این کار تلاش می کند تامین کم یا زیاد منابع مجازی در زیرساخت های ابری، به ویژه برای استقرار پلتفرمSaaS را اندازه گیری نماید و مدل تخصیص منابع برای استقرار برنامه های کاربردی SaaS روی پلتفرم های محاسباتی با محاسبه وضعیت چند مستاجری آنها پیشنهاد کرده و بدین طریق محیط مقیاس پذیر با اثربخشی هزینه ایجاد می کند.