ارایه روشی در انتخاب ماشین مجازی به منظور تجمیع پویا با هدف بهبود کیفیت سرویس و کاهش مصرف انرژی در محیط محاسبات ابری

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 447

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK03_065

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

محاسبات ابری یک مدل محاسباتی جدید است که دارای بسترهای متفاوتی برای محاسبات مختلف میباشد، اساس کار محیط ابر بر این است که فرایند پردازش و در دسترس بودن اطلاعات و دادهها را برای انواع کاربران فراهم می آورد. باید توجه داشت که استفاده از محیط ابر نیازمند مدیریت موثری است و نیازمندی های کیفیت سرویس و صرفه جویی در مصرف انرژی را علاوه بر نیاز های کاربران برآورده می کند. تمرکز این تحقیق بر کاهش مصرف انرژی با حذف مهاجرتهای غیر ضروری در تجمیع پویای ماشینهای مجازی می باشد. در این تحقیق روش جدیدی برای مهاجرت ماشینهای مجازی هنگامی که ماشینی فیزیکی به حالت پربار درمی آید پیشنهاد شده است. بدین منظور با کاهش تعداد مهاجرتها، سعی شده است با افزایش بهره وری منابع و بهبود کیفیت سرویس در مراکز داده ابری در مصرف انرژی بهبود ایجاد کنیم. مقایسه روش پیشنهادی با روش fun نشان میدهد که در روش پیشنهادی با جلوگیری از مهاجرتهای غیر ضروری، می توانیم با کاهش تعداد مهاجرتها، نقض کیفیت سرویس و مصرف انرژی را در یک محیط ابری بهبود بخشیم.

کلیدواژه ها:

محاسبات ابری ، انرژی مصرفی ماشین های مجازی ، کیفیت سرویس ماشین مجازی ، تجمیع پویای ماشین مجازی ، مهاجرت ماشین مجازی

نویسندگان

عاطفه هاشمی

دانشگاه آزاد اسلامی واحد مشهد

حسن احمدی ترشیزی

استادیار دانشگاه آزاد اسلامی واحد مشهد

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 :
  • Beloglazov, A., Buyya, R., Lee, Y. C., & Zomaya, A. ...
  • Foster, I., Zhao, Y., Raicu, I., & Lu, S. Cloud ...
  • Abrishami, S. (2011) Workflow Scheduling Algorithms for Grid and Cloud ...
  • Beloglazov, A., & Buyya, R. (2012). Optimal online deterministic algorithms ...
  • Eperience, 24(13), 1397-1420. ...
  • Fu, X., & Zhou, C. (2015). Virtual machine selection and ...
  • [8]. Horri, A., Mozafari, M. S., D astghaibyfard, G. (2014). ...
  • energy efficiency in cloud computing. The Journal of Supe rcomputing, ...
  • Lin, C. C., Liu, P., & Wu, J. J. (2011, ...
  • Lu, L, Zhang, H., Smirni, E., Jiang, G., & Yoshihira, ...
  • Beyond load balancing. In Quality of Service (IWQoS), 2013 IEEE/ACM ...
  • Mandal, U., Chowdhury, P., Tornatore, M., Martel, C. U., & ...
  • Beloglazov, A., Abawajy, J., & Buyya, R. (2012). Energy-aware resource ...
  • نمایش کامل مراجع