مقیاس دهی خودکار منابع پردازشی ماشین های مجازی با استفاده از خوشه بندی الگوهای درخواست سرویس ها در رایانش ابری
Publish place: The Second National Conference on Applied Research in Computer Science and Information Technology
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 747
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:
CITCONF02_100
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
یکی از نگرانی های مشتریان رایانش ابری ، عدم آگاهی از مقدار منابع پردازش 30 مورد نیاز خود در دوره های زمانی مختلف است. چالش اصلی، محاسبه مقدار منابع پردازش 30 مورد نیاز در هر لحظه با توجه به میزان درخواست های ورودی سرویس ها در ابر است. در این مقاله سعید داریم با استفاده از رویکردی جدید، یک مدل مقیاس بتی خودکار ماشین های مجازی با توانایی کاهش هزینه اجاره منابع برای مشتریان زیرساخت ابری را ارائه نماییم. ابتدا با مروری بر کارهای مرتبط در این حوزه، به نوآوری های رویکرد پیشنهادی و مؤلفه های اصلی آن اشاره خواهیم کرد. پس از آن با هدف پیاده سازی، اقدام به خوشه بندی الگوهای درخواست سرویس ها کرده از آن ها به عنوان ورودی الگوریتم ژنتیکی استفاده می کنید تا تعداد ماشین های مجازی به دین و چیدمان سرویس ها روی آن ها را محاسبه نماید. سپس با کمک داده های آزمون، عملکرد مدل را ارزیابی می نماییم. در انتها بر اساس آنچه نتایج نشان می دهد، مدل پیشنهادی با پیچیدگی زمانی کمتر نسبت به دیگر روش ها باعث کاهش هزینه اجاره منابع شده است.
Keywords:
Authors
یعقوب سیاه مرگویی
دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران)
آرزو رحیمیان
دانشگاه آزاد اسلامی واحد ساری
سیما امیرخانی
موسسه آموزش عالی میرداماد گرگان
یمین سیاه مرگویی
دانشگاه گلستان،گرگان
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 :