رویکردی مبتنی بر رایانش خود مختار برای تامین منابع برنامه های کاربردی چندلایه با استفاده از تئوری صف در محیط رایانش ابری
- سال انتشار: 1397
- محل انتشار: دومین کنفرانس ملی پژوهش های نوین در برق، کامپیوتر و مهندسی پزشکی
- کد COI اختصاصی: KAUCEE02_051
- زبان مقاله: فارسی
- تعداد مشاهده: 716
نویسندگان
دانشکده مهندسی برق و کامپیوتر - دانشگاه آزاد اسلامی محلات - مرکزی - ایران
دانشکده مهندسی برق و کامپیوتر - دانشگاه آزاد اسلامی محلات - مرکزی - ایران
دانشکده فنی مهندسی – دانشگاه آزاد اسلامی قم – قم - ایران
چکیده
رایانش ابری مدلی برای ارائه دسترسی مناسب شبکهای، مستقل از مکان و کاملا متناسب با نیاز و خواست کاربر به مخزنی اشتراکی از منابع مجازی است، که دسترسی به منابع، بر اساس میزان تقاضای کاربر، به گونه ای انعطاف پذیر و مقیاس پذیر، به صورت پویا و با حجم متغییر، از راه اینترنت به کاربر تحویل داده میشود . مشتریان در زمانهای مختلف و با داشتن حجم مطالبات متغیری وارد سیستم میشوند بنابراین یک سیستم باید در کنار منابع پردازشی، مجهز به یک سیستم نوبت دهی و تخصیص سرورها و منابع پردازش با توجه به ویژگیهای مشتری از قبیل اهمیت مشتری و نوع و اندازه مطالباتش باشد. تعیین میزان درستی از منابع مورد نیاز برای پردازش سرویس های ابری، با توجه به نوسانات بارکاری ناشی از دسترسی نامنظم کاربران به این سرویسها، موضوعی مهم و چالش بر انگیز در محیط رایانش ابری است که ممکن است منجر به وضعیتهای نامطلوب "اضافه تامین"۱ و"کسر تامین"۲ منابع شود. برای مقابله با وضعیتهای نامطلوب تامین منبع، تامین پویای منابع بکار گرفته شده است وارد شدن درخواستهای پردازش به سیستم رایانش ابری به مشابه ورود مشتریان یک بانک با ترتیب تصادفی است که برای انجام کارشان ممکن است نیاز به ایستادن در سیستم صف داشته باشند و یا در صورت تعدد باجه ها سریعا کارشان انجام شود. در این مقاله روشی بر پایه حلقه ۳"MAPE" در ابر سه لایه جهت تامین مناسب منابع ارائه شده است. ساختار حلقه MAPE پیشنهادی بدین صورت است که در فاز تحلیل از الگوریتم چرخ گردان و در فاز برنامه ریزی، از روش مبتنی بر صف به منظور بهینه نمودن اقدامات استفاده کرده ایم. سپس رویکرد پیشنهادی خود را تحت دو بارکاری واقعی ClarkNet و NASA با دو روش Stat-RA وDPM_RA مقایسه نموده ایم و از نظر معیارهای مختلف مورد ارزیابی قرار دادهایم و از نتایج حاصل از شبیه سازی مشاهده شد که روش پیشنهادی موجب بهبود ۲۶.۰۶ درصد در زمان پاسخ ، ۲۷.۷۶ درصد در هزینه، و ۱.۰۸۳ درصد در سود گردیده است.کلیدواژه ها
رایانش ابری، صف، مقیاس پذیری اتوماتیک، تامین منابع.مقالات مرتبط جدید
- کاربرد شبکه های عصبی گراف در شبکه های هوشمند برق: یک مرور جامع بر تشخیص و پیش بینی خطا
- Enhanced Residual Attention CNN with Squeeze-and-Excitation Blocks for Brain Tumor MRI Classification
- ارزیابی روشهای تعبیهی گره برای تشخیص جوامع ساختاری در شبکه های فاقد ویژگی
- بهبود رمزگشای استاندارد JPEG AI در نرخ بیت پایین با استفاده از فیلتر عصبی E-Net
- طبقه بندی بهینه اهداف سونار از طریق همجوشی تصمیم گیری پیشرفته مبتنی بر اتوماتای یادگیر فازی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.