تحلیل اجرای الگوریتم های زمانبندی وظیفه در محیط محاسبات ابری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 557

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NICE01_056

تاریخ نمایه سازی: 30 دی 1394

چکیده مقاله:

امروزه محاسبات ابری به طور قابل توجهی سیستم های محاسباتی توزیع شده و موازی را تغییر داده است. محاسبات ابری به یک محدوده وسیعی از کاربران اجازه می دهد تا به زیرساخت های نرم افزاری و یا سخت افزاری مجازی شده، مقیاس پذیر و توزیع شده روی اینترنت دسترسی داشته باشند. زمانبندی یعنی مشخص کردن این که کدام وظیفه ها در چه نقطه از زمان با استفاده از کدام منابع محاسباتی اجرا خواهند شد. معمولا هدف زمانبندی حداکثر کردن خصوصیات کیفی طبق محدودیت های داده شده از طریق تعریف یک مساله بهینه سازی می باشد. با افزایش تقاضا برای خودکارسازی وظیفه ها در ابر مخصوصا برای برنامه های کاربردی به صورت توزیع شده و اشتراکی در مقیاس وسیع، تحقیق و بررسی استراتژی های زمانبندی وظیفه ها در ابر یک موضوع مهم می شود. مراکز داده ابر از الگوریتم های زمانبندی مختلفی برای تخصیص بهینه منابع به وظیفه های مختلف استفاده می کنند. در این مقاله تعدادی از الگوریتم های زمانبندی وظیفه در محیط محاسبات ابری مرور می شوند. هدف این مقاله شناسایی مولفه های کیفی برای شبیه سازی در محیط ابر می باشد و سپس مبنی بر این مولفه ها، تحلیل اجرای الگوریتم های زمانبندی وظیفه ارایه میشود.

نویسندگان

عبدالرضا داودی چمزینی

دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دولت آباد

هادی باقری

دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دولت آباد

ریحانه خورسند مطلق اصفهانی

عضو هیئت علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دولت آباد

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 :
  • Rodrigo N. Calheiros-R, Anton B, C esar A, etal .CloudSim: ...
  • Zhong H, Tao K, Zhang X. An Approach to Optimized ...
  • Nik BESSIS, Stelios SOTIRIADIS, Fatos XHAF A Cloud Scheduling Optimization: ...
  • Hong S, Shi-ping Ch, Chen J, Kai G. Research and ...
  • S.M. Hashemi, A Kh. Bardsiri, Cloud Computing Vs. Grid Computing ...
  • Savitha. P, J Geetha Reddy. A Review Work On Task ...
  • A. Fox, R. Griffih et al. Above the clouds: A ...
  • ShaoyunZh, Xiao S, Zhiyun R, and Huijing M. Virtual Machine ...
  • XingXu, Hao Hu, Na Hu, Weiqin Ying. Cloud Task and ...
  • HeZhongtang ZX, b, Zhang H, ZhiweiXu. Study on New Task ...
  • نمایش کامل مراجع