رویکردی بهبودیافته برای تخصیص منبع برنامه های کاربردی کلان داده مبتنی برابر

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 447

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEITCONF03_065

تاریخ نمایه سازی: 6 خرداد 1399

چکیده مقاله:

افزایش استفاده از وسایل ارتباطی و الکترونیکی در عصر حاضر منجر به ظهور کلان داده ها شده است. مساله ای که در این بین مطرح می باشد این است که پردازش این حجم عظیم داده ها از طریق سیستم های سنتی به دلیل خصوصیاتی که دارند میسر و ممکن نیست. در پژوهش حاضر به ارائه رویکردی موثر و کارآمد جهت تخصیص منابع ابری بهینه به منظور پردازش کلان داده ها می پردازیم. فاکتورها و معیارهای متعددی بایستی در تخصیص منابع در نظر گرفته شوند از جمله هزینه کم، کارایی بالا، دسترسی پذیری بالا و قابلیت اطمینان بالا. این معیارها با یکدیگر مرتبط بوده و گاها محدودیتهایی با یکدیگر دارند و برآورده شدن همه آنها بطور همزمان میسر نیست. در این مقاله الگوریتم فراابتکاری و مبتنی بر جمعیت گرگ خاکستری ارائه شده است. اساس این الگوریتم انتخاب منابع قوی تر بر اساس تابع ارزش گذاری و گروه بندی آنها و در نهایت انتخاب منابع بهینه نهایی می باشد. رویکرد پیشنهادی تحت یک بار کاری فیسبوک و سه بار کاری مصنوعی با دو الگوریتم دیگر BRA و MILP ارزیابی و مقایسه گردیده است.

نویسندگان

مریم بزرگ امید

کارشناس ارشد ، گروه مهندسی کامپیوتر، دانشکده مهندسی، واحد محلات ،دانشگاه آزاد اسلامی، مرکزی، ایران

مصطفی قبائی آرانی

استادیار، گروه مهندسی کامپیوتر، واحد قم، دانشگاه آزاد اسلامی ، قم، ایران

محمدرضا رمضانپور

استادیار،گروه مهندسی کامپیوتر،واحد مبارکه،دانشگاه آزاد اسلامی،اصفهان،ایران