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

جایگذاری چندمعیارهی ماشین های مجازی در دیتاسنترها با استفاده از الگوریتم کرم شبتاب

سال انتشار: 1395
کد COI مقاله: ITCC03_356
زبان مقاله: فارسیمشاهد این مقاله: 291
فایل این مقاله در 18 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 18 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله جایگذاری چندمعیارهی ماشین های مجازی در دیتاسنترها با استفاده از الگوریتم کرم شبتاب

یاسر کماچی زهان - دانشجوی مقطع کارشناسی ارشد دانشگاه خیام مشهد
تکتم غفاریان مبهوت - عضو هیات علمی دانشگاه خیام مشهد

چکیده مقاله:

امروزه رایانه های شخصی با تمام گستردگی خود، جوابگوی نیازهای نرم افزاری و سخت افزاری کاربران نبوده و دنیایفناوری شاهد رشد روز افزون حرکت کاربران به سمت استفاده از رایانش ابری است. با نفوذ بیش از پیش این فناوری،افزایش مصرف انرژی و منابع ناشی از آن، دغدغه فعالان محیط زیست و توسعه دهندگان ابر شده است. مطالعات نشانمی دهد که مصرف برق مراکز داده حدود 1.3 درصد مصرف برق دنیا است. مقداری که پیش بینی می شود تا سال2020 به 8 درصد افزایش یابد. همچنین شرکت آمازون به عنوان یکی از بزرگترین توسعه دهندگان ابر، هزینه های انرژیخود را 42 درصد کل هزینه های عملیاتی خود اعلام نموده است. در چنین شرایطی، بهینه سازی هرچند اندک در مصرفانرژی مراکز داده، می تواند منجر به صرفه جویی های فراوانی در هزینه ها گردد. یکی از راهکارهای کاهش مصرفانرژی در مراکز داده های مجازی سازی شده، ارایه روشی مناسب برای جایگذاری ماشین های مجازی در مرکز دادهاست. در این پژوهش سعی شده با استفاده از الگوریتم کرم های شب تاب مصرف انرژی مرکز داده، تعداد سرورهای فعالو اتلاف منابع سرور اعم از پردازنده و حافظه به عنوان پارامترهای افزاینده هزینه در مرکز داده کاهش داده شود. نتایج حاصل از مقایسه روش پیشنهادی ما با الگوریتم اولین مناسب نزولی (FFD) و بدترین مناسب نزولی (WFD) نشان ازحاصل از مقایسه روش پیشنهادی ما با الگوریتم اولین مناسب نزولیبهبود تا 28 درصد در مصرف انرژی، تا 88 درصد در تعداد سرورهای فعال و تا 95 درصد در اتلاف منابع دارد که حاکیاز بهبود چشمگیر به نسبت الگوریتم های پایه می باشد.بهبود تا 28 درصد در مصرف انرژی، تا 88 درصد در تعداد سرورهای فعال و تا 59 درصد در اتلاف منابع دارد که حاکیاز بهبود چشمگیر به نسبت اعگوریتمهای پایه میباشد.

کلیدواژه ها:

رايانش ابري، مركز داده، جايگذاري ماشين مجازي، اعگوريتم كرم شب تاب

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/576440/

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:
کماچی زهان، یاسر و غفاریان مبهوت، تکتم،1395،جایگذاری چندمعیارهی ماشین های مجازی در دیتاسنترها با استفاده از الگوریتم کرم شبتاب،سومین کنگره بین المللی کامپیوتر، برق و مخابرات،مشهد،،،https://civilica.com/doc/576440

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، کماچی زهان، یاسر؛ تکتم غفاریان مبهوت)
برای بار دوم به بعد: (1395، کماچی زهان؛ غفاریان مبهوت)
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 :

  • Adamuthe, A. C., Pandharpatte, R. M., & Thampi, G. T. ...
  • Cao, Z., & Dong, S. (2014). An energy-awar heuristic framework ...
  • Fister, I., Fister, I. J., Yang, X.-S., & Brest, J. ...
  • Kliazovich, D., Bouvry, P., & Ulah Khan, S. (2010). GreenCloud: ...
  • Sait, S. M., Bala, A., & El-Maleh, A. H. (2015). ...
  • Tang, M., & Pan, S. (2014). A Hybrid Genetic Algorithm ...
  • Perumal B., Murugaiyan A. (2016). A Firefly Colony and Its ...
  • Gao, Y., Guan, H., Qi, Z., Hou, Y., & Liu, ...
  • Yang X. She. (2008). Nature-Inspire d Metaheuristic Algorithms. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    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