CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه روشی در مهاجرت با استفاده از تقسیم بندی ماشین مجازی با هدف کاهش انرژی در محیط محاسبات ابری

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۹۳ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ICTCK03_023
زبان مقاله: فارسی
حجم فایل: ۶۲۵.۹۹ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه روشی در مهاجرت با استفاده از تقسیم بندی ماشین مجازی با هدف کاهش انرژی در محیط محاسبات ابری

  سیده سپیده حامد شماعی - دانشگاه آزاد اسلامی واحد مشهد
  حسن احمدی ترشیزی - استادیار دانشگاه آزاد اسلامی واحد مشهد

چکیده مقاله:

محاسبات ابری یکی از فناوری های جدید روز دنیا به حساب می آید، که با رشد سریعی در حال پیشرفت است. در محیط ابری، زمانی که ماشین مجازی مهاجرت داده می شود، کارایی سیستم کاهش می یابد و انرژی مصرفی افزایش پیدا می کند. چالشی که در این مقاله به آن پرداخته ایم، استفاده مناسب از ظرفیت های خالی میزبان های فیزیکی، با حفظ کارایی در محیط ابر به منظور کاهش مصرف انرژی می باشد. روش پیشنهادی ما بدین صورت است که در زمان مهاجرت ماشین مجازی در زمانی که ظرفیت خالی بر روی یک میزبان فیزیکی منفرد وجود نداشته باشد، از الگوریتم تقسیم ماشین مجازی استفاده می کنیم. در این الگوریتم، ماشین مجازی مهاجر به چندین ماشین مجازی کوچکتر شکسته می شود تا بتواند بر روی میزبان های فیزیکی با ظرفیت خالی ناچیز قرار بگیرد و نیازی به روشن کردن میزبان فیزیکی جدیدی نباشد. ما روش خود را با روش Beloglazov و Horri مقایسه کردیم و به این نتیجه رسیدیم که روش پیشنهادی ما، با استفاده مناسب از منابع میزبان های فیزیکی و کاهش تعداد میزبان های فیزیکی فعال، مصرف انرژی را کاهش می دهد و کیفیت خدمات را بهبود می بخشد.

کلیدواژه‌ها:

محاسبات ابری، کیفیت سرویس در محاسبات ابری، مهاجرت ماشین مجازی، مراکز داده ابری

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://www.civilica.com/Paper-ICTCK03-ICTCK03_023.html
کد COI مقاله: ICTCK03_023

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:
حامد شماعی, سیده سپیده و حسن احمدی ترشیزی، ۱۳۹۵، ارایه روشی در مهاجرت با استفاده از تقسیم بندی ماشین مجازی با هدف کاهش انرژی در محیط محاسبات ابری، سومین کنگره بین المللی فن آوری، ارتباطات و دانش، مشهد، دانشگاه آزاد اسلامی واحد مشهد، https://www.civilica.com/Paper-ICTCK03-ICTCK03_023.html

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: (حامد شماعی, سیده سپیده و حسن احمدی ترشیزی، ۱۳۹۵)
برای بار دوم به بعد: (حامد شماعی و احمدی ترشیزی، ۱۳۹۵)
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 مقاله لینک شده اند :

  • Armbrust, M., Fox, A., Griffith, R., Joseph, A. D., Katz, ...
  • centers. Concurrency and Experience, 24(13), 1397-1420. ...
  • Ye, K., Huang, D., Jiang, X., Chen, H., & Wu, ...
  • Wang, J., Huang, C., Liu, Q., He, K., Wang, J., ...
  • Processing (pp. 400-414). Springer International Publishing. ...
  • Fu, X, & Zhou, C. (2015). Virtual machine selection and ...
  • Liu, L., Xu, J., Yu, H., Li, L., & Qiao, ...
  • Duan, H., Chen, C., Min, G., & Wu, Y. (2016). ...
  • De Maio, V., Prodan, R., Benedict, S., & Kecskemeti, G. ...
  • Garcia-Galan, J., Trinidad, P., Rana, O. F., & Ruiz-Cortes, A. ...
  • Kansal, N. J., & Chana, I. (2016). Energy-aware Virtual Machine ...
  • Zhang, W., Han, S., He, H., & Chen, H. (2016). ...
  • Calheiros, R. N., Ranjan, R., Beloglazov, A., De Rose, , ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۵۴۲
    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.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    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.