ارائه یک استراتژی زمان بندی وظایف به منظور بهبود خصوصیات کیفی در محیط محاسبات ابری

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 62

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-49-3_040

تاریخ نمایه سازی: 27 تیر 1402

چکیده مقاله:

در طول سال های اخیر، یکی از جنبه های مهم محاسبات ابری زمان بندی پویای تعداد زیادی درخواست های وظیفه است که با نرخ متغیر به وسیله کاربران ارسال می شوند. زمان بندی وظیفه یک نقش کلیدی در سیستم های محاسباتی ابر بازی می کند و این نوع زمان بندی بر اساس یک معیار تنها نمی تواند انجام شود بلکه تعداد زیادی قوانین و شرایط به صورت یک توافق بین کاربران و فراهم کنندگان ابر باید در نظر گرفته شوند. درواقع این توافق، کیفیت سرویسی است که کاربران از فراهم کنندگان انتظار دارند. مراکز داده ابر نه تنها باید این وظیفه های عظیم را اجرا کنند بلکه باید نیازمندی های چندگانه کاربران مختلف را ارضاء کنند. در این مقاله، یک استراتژی زمان بندی وظایف چندهدفه با استفاده از مرتب سازی نامغلوب، محاسبه نرخ نرمال و آستانه ارائه می شود. هدف از روش پیشنهاد شده در نظرگیری تعدادی از مهم ترین معیارهای کیفیت سرویس در زمان اجرای وظیفه ها یعنی مهلت زمانی و هزینه می باشد. به علاوه، خصوصیت کشسانی ابر در نظر گرفته می شود. نتایج شبیه سازی بهبود را در شرایطی روی زمان تکمیل کلی، هزینه، میانگین بهره وری ماشین مجازی و نقض مهلت زمانی در مقایسه با الگوریتم های MultiObjective، FCFS، Min-Min، Priority Scheduling و MOF نشان می دهد.

نویسندگان

مینا یزدانبخش

دانشگاه آزاد اسلامی واحد دولت آباد - گروه کامپیوتر

ریحانه خورسند

دانشگاه آزاد اسلامی واحد دولت آباد - گروه کامپیوتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • H. Jiao, J. Zhang, J. Li, J. Shi, and J. ...
  • S. K. Panda, I. Gupta, and P. K. Jana, “Task ...
  • L. Ma, Y. Lu, F. Zhang, and S. Sun, “Dynamic ...
  • L. Tang, J.-S. Pan, Y. Hu, P. Ren, and Y. ...
  • K. Dubey, M. Kumar, and S. C. Sharma, “Modified HEFT ...
  • R. Moreno-Vozmediano, R. S. Montero, E. Huedo, and I. M. ...
  • M. Ghetas and C. H. Yong, “Resource Management Framework for ...
  • L. Chen, M. Qiu, J. Song, Z. Xiong, and H. ...
  • R. Khorsand, F. Safi-Esfahani, N. Nematbakhsh, and M. Mohsenzade, “Taxonomy ...
  • K. R. R. Babu and P. Samuel, “Enhanced Bee Colony ...
  • H. Gamal El Din Hassan Ali, I. A. Saroit, and ...
  • A. V. Lakra and D. Kumar Yadav, “Multi-objective tasks scheduling ...
  • M. S. Aslanpour, M. Ghobaei-Arani, and A. N. Toosi, “Auto-scaling ...
  • L. D. Dhinesh Babu and P. Venkata Krishna, “Honey bee ...
  • U. Bhoi and P. Ramanuj, “Enhanced Max-min Task Scheduling Algorithm ...
  • M. Beltr´an, “BECloud: A new approach to analyse elasticity enablers ...
  • S. K. Garg, S. Versteeg, and R. Buyya, “A framework ...
  • M. Ghobaei-Arani, S. Jabbehdari, and M. A. Pourmina, “An autonomic ...
  • M. Ghobaei-Arani, S. Jabbehdari, and M. A. Pourmina, “An autonomic ...
  • B. Xu, C. Zhao, E. Hu, and B. Hu, “Job ...
  • H. Li, S. Ge, and L. Zhang, “A QoS-based scheduling ...
  • J. Zhao, W. Zeng, M. Liu, and G. Li, “Multi-objective ...
  • F. Ramezani, J. Lu, J. Taheri, and F. K. Hussain, ...
  • S. H. H. Madni, M. S. A. Latiff, Y. Coulibaly, ...
  • N. R. Herbst, S. Kounev, and R. Reussner, “Elasticity in ...
  • F. Cottet, J. Delacroix, Z. Mammeri, and C. Kaiser, Scheduling ...
  • L. Wu, S. Kumar Garg, S. Versteeg, and R. Buyya, ...
  • C. Rodrigo N. Calheiros, Rajiv Ranjan, Anton Beloglazov, esar A. ...
  • R. Khorsand, F. Safi-Esfahani, N. Nematbakhsh, and M. Mohsenzade, “ATSDS: ...
  • S. Banerjee, M. Adhikari, S. Kar, and U. Biswas, “Development ...
  • G. Wang and H. C. Yu, “Task Scheduling Algorithm Based ...
  • M. Dakshayini and H. S. Guruprasad, “An Optimal Model for ...
  • A. Narwal and S. Dhingra, “Task Scheduling Algorithm Using Multi-Objective ...
  • نمایش کامل مراجع