ارائه یک روش زمانبندی وظیفه تحملپذیر خطا به منظور استفاده بهینه ازمنابع در محیط رایانش ابری
Publish place: Electronic and cyber defense، Vol: 8، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 290
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PADSA-8-2_009
تاریخ نمایه سازی: 7 اردیبهشت 1400
Abstract:
در سالهای اخیر رایانش ابری در حال تبدیل شدن به یک فناوری مهم در حوزهی فناوری اطلاعات است. در محیط رایانش ابری احتمال بروز خطا وجود دارد. روشهای متفاوتی برای مقابله با خطاها وجود دارد ولی با توجه به ویژگیها و خصوصیتهای محیط رایانش ابری، استفاده از روشهای تحملپذیری خطا بهترین انتخاب برای مقابله با خطا در این محیط است. یکی از بزرگترین مسئلهها در روشهای تحملپذیری خطا، استفاده بهینه از منابع است. استفاده بهینه از منابع هم برای فرآهمآورندگان سرویسهای ابری و هم برای مشتریان سرویسهای ابری دارای اهمیت زیادی است. متاسفانه استفاده بهینه از منابع در روشهای تحملپذیری خطا در رایانش ابری، خیلی مورد توجه پژوهشگران و فرآهم آورندگان سرویسهای ابری قرار نگرفته است. در این مقاله سعی شده است با در نظرگرفتن وابستگی بین وظایف، یک روش تحملپذیری خطا بر روی ماشینهای مجازی ارائه شود که علاوه بر تحملپذیر بودن در برابر خطا، به بهینگی در استفاده از منابع نیز دست یابد. در این روش با استفاده از یک زمانبند اولویتدار، به هر یک از وظایف یک اولویت اختصاص داده میشود. سپس وظایف به ترتیب اولویتشان جهت پردازش به ماشینهای مجازی فرستاده میشوند. نتایج حاصل از شبیهسازی روش پیشنهادی توسط شبیهساز کلاودسیم نشان میدهد که روش پیشنهادی نسبت به روش تکرار توانسته است بهینگی بیشتری در استفاده از منابع را به ارمغان بیاورد و با ضریب اطمینان ۹۵ درصد، به ۱۵/۲۹% و ۷۴/۲۲% بهبود در استفاده از تعداد پردازنده و ۷۶/۳۰% و ۲۲.۳۴% بهبود در استفاده از حافظه و ۷۱/۲۹% و ۸۸/۲۲% بهبود در استفاده از پهنای باند دست یافته است.
Keywords:
Authors
محمد جواد احراری
دانشگاه جامع امام حسین(ع)
محمد رضا حسنی آهنگر
دانشگاه جامع امام حسین(ع)
آرش غفوری
دانشگاه جامع امام حسین(ع)
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :