استراتژی تخصیص منابع بر مبنای الگوریتم های گروه ذرات و چکاه در محیط رایانش ابری
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 797
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TDCONF01_118
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
رایانش ابری به برنامه ها و سرویس هایی اشاره دارد که در یک شبکه ی توزیع شده اجرا می شوند و از منابع مجازی استفاده می نمایند که درنتیجه این مجازی سازی احساس می شود که منابع بینهایت است ولی درحقیقت اینگونه نیست، همچنین این منابع از طریق پروتکل های رایج اینترنت و استاندارد های شبکه قابل دسترس می باشند. اهداف اکثر تحقیقات و مطالعاتی که دراین زمینه صورت می گیرد رسیدن به یک مدل تخصیص منابع کارآمد در محیط رایانش ابری است. تخصیص منابع درواقع یک فرآیند سلسله مراتبی تحلیلی است و در واقع فرآیندی است که بعد از زمانبندی منابع انجام می شود. ازآنجاکه رایانش ابری یک حوزه تجاری است درنتیجه قیمت و کیفیت سرویس از فاکتورهای اصلی این حوزه می باشند. هدف ما اینست که به گونه ای منابع را به کاربران محیط ابری اختصاص دهیم که در صورت موجودیت یک منبع هیچ کاربری در انتظار آن منبع نماند و این تخصیص با دقت و همچنین سرعت پردازش بالا انجام شود. این کار با الگوریتم ژنتیک انجام شده که نتایج آنها در اینجا بررسی و با الگوریتم پیشنهادی ما که الگوریتم گروه ذرات که از الگوریتم های پرهام گرا می باشد، مقایسه می -شود. در این تحقیق ما قصد داریم واسط ها را به گونه ای در محیط رایانش ابری توزیع کنیم که در جهت بهینه کردن تخصیص منابع و رسیدن به هدف اصلی این تحقیق یعنی کاهش مصرف انرژی مفید فایده واقع شود. با ایجاد یک لایه انتزاعی بر روی کلیه منابع فیزیکی به کمک مجازی سازی امکان مدیریت منابع را بصورت پویا ایجاد می نماییم. به دلیل پویایی منابع و همچنین درخواست های مختلف کاربران درفناوری ابری برای افزایش کارایی نیاز به انتخاب یک الگوریتم درست و کارآمد برای تخصیص منابع می باشد.
کلیدواژه ها:
نویسندگان
شکوه عبدلی حسین آبادی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد بروجرد
سید حمید حاج سید جوادی
هیئت علمی دانشگاه امیرکبیر
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 :