بررسی روش های مدیریت توان پویای نرم افزاری در محاسبات ابری

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 677

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM01_137

تاریخ نمایه سازی: 10 شهریور 1393

چکیده مقاله:

محاسبات ابری در دنیای امروز به عنوان یک نمونه محاسباتی جدید که قصد تهیه یک محیط محاسباتی پویای قابل اطمینان، سفارشی و با کیفیتسرویس ضمانت شده را دارد، پدیدار شده است. این نوع از محاسبات، سرویس های فناوری اطلاعات فراگیری را به کاربران سراسر جهان ارائه می کند و براساسمدل پرداخت به ازای استفاده، قادر به میزبانی کاربردهای فراگیر در حوزه های تجاری و علمی و... است. این مدل محاسباتی با وجود ارائه سرویس های اشتراکی مزایای بسیاری در کاهش هزینه های عملیاتی همچون رفع نیاز به خرید نرم افزار یا سخت افزار توسط کاربران را فراهم نموده است؛ اما با توجه به نگرانی های موجود در زمینه هزینه ومصرف توان بالا در مراکزداده، توسعه روشهای مدیریت توان در مراکز داده ابری می تواند منجر به بهبودهای قابل توجهی در کارایی انرژی و کاهش هزینه هایعملیاتی و کلی سیستم شود. استفاده از روش هایی مانند زمانبندی خواب و مجازی سازی منابع محاسباتی و ترکیب در مراکزداده محاسبات ابری، جهتزمانبندی و تخصیص کارای منابع در مدیریت کارای انرژی مراکزداده ابری وکاهش هزینه های کلی برای تهیه کننده ابر و کاربر نقش مؤثری دارند.در این مقاله، اهمیت مدیریت توان در محاسبات ابری و نیز جنبه های مختلف مدیریت پویای توان و انرژی که شامل روش هایی برای انطباق رفتارسیستم در زمان اجرا مطابق با نیازهای کنونی منبع یا هر مشخصه پویای دیگری از وضعیت سیستم می باشد، از لحاظ نرم افزاری در مراکزداده و زیرساختمحاسبات ابری بررسی و روش های مربوطه در هر بخش، دسته بندی شده است.

نویسندگان

صغری حیدری کیا

دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران

ابوالفضل طرقی حقیقت

استادیار دانشگاه، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران

امین کشاورزی

گروه کامپیوتر، دانشگاه آزاد اسلامی واحد مرودشت، مرودشت، ایران

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 :
  • A. Beloglazov, R. Buyya, Y. C. Lee, A. Zomaya, and ...
  • E. Pinheiro, R. Bianchini, E. V. Carrera, and T. Heath, ...
  • J. S. Chase, D. C. Anderson, P. N. Thakar, A. ...
  • E. Elnozahy, M. Kistler, and R. Rajamony, _ 'Energy- efficient ...
  • S. Srikantaiah, A. Kansal, and F. Zhao, "Energy aware consolidation ...
  • A. Beloglazov and R. Buyya, "Energy efficient resource management in ...
  • A. Berl, E. Gelenbe, M. Di Girolamo, G. Giuliani, H. ...
  • M. Marzolla, O. Babaoglu, and F. Panzieri, "Server consolidation in ...
  • R. Yanggratoke, F. Wuhib, and R. Stadler, "Gossip-based resource allocation ...
  • T. C. Ferreto, M. A. S. Netto, R. N. Calheiros, ...
  • L. Wang, G. Von Laszewski, J. Dayal, and F. Wang, ...
  • J. L. Berral, i. Goiri, R. Nou, F Julia, J. ...
  • T. V. T. Duy, Y. Sato, and Y. Inoguchi, "Performance ...
  • Q. Tang, S. Gupta, and G. V arsamopoulos, "Thermal -aware ...
  • G. Lovasz, A. Berl, and H. de Meer, "Energy-Effi cient ...
  • eleventh international joint conference on Measurement and modeling of computer ...
  • D. Kusic, J. O. Kephart, J. E. Hanson, N. Kandasamy, ...
  • M. Stillwell, D. Schanzenbach, F. Vivien, and H. Casanova, "Resource ...
  • M. Cardosa, M. R. Korupolu, and A. Singh, "Shares and ...
  • A. Verma, P. Ahuja, and A. Neogi, "pMapper: power and ...
  • J. Baliga, R. W. A. Ayre, K. Hinton, and R. ...
  • R. Buyya, C. S. Yeo, and S. Venugopal, _ "Market ...
  • D. Kliazovich, P. Bouvry, Y. Audzevich, and S. U. Khan, ...
  • I. S. Moreno and J. Xu, "Energy-Effi ciency in Cloud ...
  • L. Liu, H. Wang, X. Liu, X. Jin, W. B. ...
  • A. J. Younge, G. von Laszewski, L. Wang, S. Lopez- ...
  • نمایش کامل مراجع