مدیریت منابع پویا در رایانش ابری بر اساس الگوریتم اکتشافی سرد و گرم کردن فلزات
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: 680
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF02_177
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
رایانش ابری مدل رایانشی بر پایه ی شبکه های اینترنت برای ارائه ی سرویس ها و خدمات به شیوهی صنایع همگانی است. در سال های اخیر، زیرساخت های مدل های رایانشی بدلیل وجود تقاضا برای توان محاسباتی مورد نیاز برنامه های کاربردی به سرعت در حال رشد هستند و مراکز داده پیشرفته در محاسبات ابر میزبان انواع مختلفی از برنامه های کاربردی میباشند. رشد سریع تقاضا برای استفاده از منابع محاسباتی ابری توسط مراکز داده عظیم، موجب مصرف مقادیر بالای انرژی و در نتیجه افزایش هزینه عملیاتی و افزایش تولید دی اکسید کربن شده است . یکپارچگی منابع ابری این امکان را فراهم میکند تا با تعلیق مراکز داده بیکار و یا کمکار، با استفاده از مهاجرت بار آنها به مراکز داده واجد شرایط، در مصرف انرژی صرفه جویی به عمل آید. ما مدیریت منابع در ابرها را به کمک اگوریتم اکتشافی سرد و گرم فلزات انجام می دهیم. الگوریتم سرد و گرم کردن فلزات از دسته الگوریتم های اکتشافی است که بر پایه تخمین می باشد. نتایج حاصل از شبیه سازی ها نشان دهنده کارایی بالای روش پیشنهادی می باشد که به میزان قابل ملاحظه ای مصرف انرژی را کاهش داده است. این در حالی است که کارایی سیستم تا حد قابل ملاحظهای حفظ شده است. ما روش پیشنهادی خود را بر اساس دو معیار مصرف انرژی و میزان رضایت کاربر، با الگوریتمهای معروف اولین بهترین و مناسبترین بهترین مقایسه کردهایم و برای پیاده سازی و ارزیابی الگوریتم خود از شبیه ساز معروف کلودسیم 3 استفاده نموده ایم.
Keywords:
Authors
افشین نعمت الهی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد بروجرد دانشکده تحصیلات تکمیلی، گروه کامپیوتر
مهدی فاضلی
استادیار، دانشگاه علم و صنعت تهران، دانشکده مهندسی کامپیوتر
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 :