مدیریت کشسانی منابع با استفاده از کنترل کننده فازی مبتنی بر تغییرات حد آستانه در محیط رایانش ابری
Publish place: Electronic and cyber defense، Vol: 8، Issue: 3
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 272
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_PADSA-8-3_006
Index date: 26 April 2021
مدیریت کشسانی منابع با استفاده از کنترل کننده فازی مبتنی بر تغییرات حد آستانه در محیط رایانش ابری abstract
افزایش محبوبیت و سودآوری رایانش ابری وابسته به تامین قابلیتها و ویژگیهای مورد نظر کاربران ابری میباشد. خاصیت کشسانی، بهعنوان یکی از قویترین ویژگیهایی محسوب میشود که حوزه رایانش ابری را از دیگر رویکردهای سامانههای توزیعی، مجزا میکند. رایانش ابری ظرفیت منابع را برای مصرف کننده بهصورت بینهایت در نظر میگیرد و مصرف کننده، میتواند منابع را برحسب تقاضا و بر اساس نرخ رقابتی در اختیار بگیرد و میزان منابع را افزایش یا کاهش دهد. اگر چه راهحلهای مختلفی برای مدیریت کشسانی تاکنون توسعه داده شدهاند، اما کارهای بیشتری نیاز است تا خاصیت کشسانی ابر را بهصورت کاراتر مدیریت نمایند. در این مقاله، رویکردی برای بهبود خاصیت کشسانی با استفاده از سامانه کنترل فازی مبتنی بر تغییرات حد آستانه برای کاربردهای محاسبات با عملکرد بالا در شبکههای ابری ارائه میشود. در روش پیشنهادی مدیریت کشسانی بر پایه نظارت و تصمیمگیری مستمر انجام میشود. نتایج مشخص میکند که روش پیشنهادی عملکرد بهتری در مورد زمان پاسخگویی، هزینه و تخطی از شرایط سرویسدهی، نسبت به روشهای پیشین دارد. میانگین زمان پاسخگویی روش پیشنهادی در مقایسه با دو روش مورد مقایسه مقاله به ترتیب ۵/۶% و ۹%، میانگین هزینه به ترتیب ۶% و ۱۲% و میانگین تخطی از شرایط پذیرش سرویس به ترتیب ۶۸% و ۵/۷۷% کاهش یافته است.
مدیریت کشسانی منابع با استفاده از کنترل کننده فازی مبتنی بر تغییرات حد آستانه در محیط رایانش ابری Keywords:
مدیریت کشسانی منابع با استفاده از کنترل کننده فازی مبتنی بر تغییرات حد آستانه در محیط رایانش ابری authors
مصطفی قبائی آرانی
دانشگاه آزاد اسلامی واحد قم
علی شهیدی نژاد
دانشگاه آزاد اسلامی واحد قم
میترا ترابی
موسسه غیرانتفاعی تعالی قم
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 :