ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه روشی جهت پیشگویی دسترس پذیری منابع در محیط محاسبات ابری

سال انتشار: 1395
کد COI مقاله: ICEICONF01_084
زبان مقاله: فارسیمشاهد این مقاله: 251
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه روشی جهت پیشگویی دسترس پذیری منابع در محیط محاسبات ابری

علی محمدی - گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه خیام، مشهد ، ایران
تکتم غفاریان - گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه خیام، مشهد ، ایران

چکیده مقاله:

ابرمحسابتی به تکنولوژی ارایه اطلاعات، سخت افزار، نرم افزار و هر منبع اشتراکی در رایانه، از طریق شبکه (مثل اینترنت) گفته می شود. یک مشکل سرویس دهی برای میزبان، به اطلاعی از میزان منابع مودر نیاز برای برنامه ی کاربر است. میزبان برای اجرای برنامه کاربر، باید یک ماشین مجازی با مشخصاتی از منابع مورد نیاز جهت اجرای کار محاسباتی آماده سازی کند که این عمل سبب صرف زمان می شود. پیش بینی موثر بار میزبان باعث تامین پویای منابع، انتقال ماشین مجازی، ثبات سرور و مدیریت انرژی می شود. بنابراین یکی از اساسی ترین کارها برای رسیدن به SLA (سطح توافق سرویس) پیش بینی دقیق حجم بار میزبان می باشد. در این مقاله ما روشی را پیشنهاد کردیم که درخواست های دریافتی را، که دارای نوسانات زیادی هستند، به خوشه هایی با نوسانات کمتر تقسیم می کند. سپس با توجه به شبکه های عصبی آموزش دیده شده برای هر دسته از خوشه ها اقدام به پیش بینی منابع مورد نیاز درخواست ها می کند. این روش سبب بهبود مجموع مربعات خطا، به میزان 52% نسبت به روش پیش بینی با شبکه عصبی معمولی شده است.

کلیدواژه ها:

پيش بيني منابع، ابر محاسباتي، تامين منابع، شبكه عصبي، خوشه بندي

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/575279/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمدی، علی و غفاریان، تکتم،1395،ارایه روشی جهت پیشگویی دسترس پذیری منابع در محیط محاسبات ابری،کنگره بین المللی نوآوری در مهندسی و توسعه تکنولوژی،تبریز،،،https://civilica.com/doc/575279

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، محمدی، علی؛ تکتم غفاریان)
برای بار دوم به بعد: (1395، محمدی؛ غفاریان)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • [] A. Li, X. Yang, S. Kandula, M. Zhang, Cloudcmp: ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: 365
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی