مروری بر روش های زمان بندی در محاسبات ابری

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 520

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ITCC01_474

تاریخ نمایه سازی: 9 فروردین 1395

Abstract:

به روند تخصیص منابع به فرآیندها، زمان بندی گفته میشود. محاسبات ابری، یک سیستم توزیع شدهدر بستر اینترنت است که با هدف مهاجرت یا ارسال وظایف پیچیده و سنگین، برای اجرا در ماشین-های راه دور و به اشتراک گذاری منابع نرم افزاری و سخت افزاری موجود توسعه یافته است. بنابراین،زمان بندی در بستر محاسبات ابری، عبارتست از نحوه و چگونگی توزیع وظایف از نظر کمی وکیفی، در ماشین های مجازی موجود و برخط، با هدف کاهش زمان انتظار و زمان اتمام انجام کلیهکارها که یکی از چالش های مهم در محاسبات ابری است. در این مقاله، روش های رایج زمان بندیدر محاسبات ابری، از جمله روش مبتنی بر الگوریتم اجتماع ذرات و نیز روش جستجوی عمقیتوصیف و بررسی شده و مزایا و معایب آنها بیان میشود. بررسی دقیق چگونگی عملکرد و نیز نقاطضعف و قوت روش های زمان بندی موجود، امکان توسعه روشهای جدید و بهینه تر را به نحوموثری، ممکن و آسان می کند. بررسی نتایج حاصل از مقایسه کارآیی روش ها، نشان می دهد کهالگوریتم های تکاملی طرح زمان بندی بهینه تری را ارائه می کنند اما زمان اجرای بیشتری نسبت بهالگوریتم های ناآگاهانه برای جستجو تلف می کنند.

Authors

شادی شاه نظر

دانشجو، گروه کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی تبریز، ایران

علی غفاری

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

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 :
  • _ _ CConference om _ Technoloov f.ommnter &. _ 28 ...
  • Rao, J., Wei, Y., Gong, J., & Xu, C. Z. ...
  • Mehranzadeh, A., & Hashemi, S. M. (2013). , A Novel- ...
  • Patil, A., & Chaudhari, H. (2014). Modeling Fuzzy Scheduling in ...
  • Cingolani, P., & Alcala-Fdez, J. (20 13). jFuzzyLogic: a java ...
  • Cingolani, P., & Alcala-Fdez, J. (2012, June). jFuzzyLogic: a robust ...
  • Buyya, R., Broberg, J., & Goscinski, A. M. (Eds.). (2010). ...
  • Dikaiakos, M. D., Katsaros, D., Mehra, P., Pallis, G., & ...
  • A Vouk, M. (2008). Cloud computing-i SSues _ research and ...
  • Armstrong, R., Hensgen, D., & Kidd, T. (1998, March). The ...
  • Xu, Y., Wu, L.. Guo, L., Chen, Z., Yang, L., ...
  • Mishra, R., & Jaiswal, A. (2012). Ant colony optimization: A ...
  • Mondal, B., Dasgupta, K., & Dutta, P. (2012). Load balancing ...
  • Dasgupta, K., , Mandal, B., Dutta, P., Mandal, J. K., ...
  • Dam, S., Mandal, G., Dasgupta, K., & Dutta, P. (2015, ...
  • Ge, Y., & Wei, G. (2010, October). Ga-based task scheduler ...
  • Kaur, A., & Bansal, N. (2013). Cross-Breed Job Scheduling for ...
  • Kansal, N. J., & Chana, I. (2012). Existing load balancing ...
  • نمایش کامل مراجع