سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

ارزیابی رویکردهای مختلف حذف تکرار داده در محیط رایانش ابری

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 785

This Paper With 14 Page And PDF and WORD Format Ready To Download

Export:

Link to this Paper:

Document National Code:

FBFI01_083

Index date: 30 July 2016

ارزیابی رویکردهای مختلف حذف تکرار داده در محیط رایانش ابری abstract

با توجه به افزایش روز افزون درخواست های کاربران برای استفاده از سرویس های ابری، یکی از چالش های مطرح، افزایش ظرفیت ذخیره سازی داده است. رویکردهای متعددی برای تشخیص و حذف داده های تکراری موجود در ماشین های مجازی که قصد ارسال داده های خود را به یک منبع ذخیره سازی اشتراکی دارند، ارائه شده است. از این رو، برای ذخیره ی این اطلاعات گسترده، روش ذخیره سازی باید کارآمد بوده و همچنین در خصوص یافتن داده ی افزونه، باید به اندازه ی کافی، هوشمند باشد. با این وجود، هیچ روشی وجود ندارد که بتوان به طور مطلق از آن انتظار داشت که در ذخیره سازی مجموعه های مختلف داده، بهترین عملکرد را در استفاده از پهنای باند مورد استفاده در ذخیره سازی داشته باشد. یکی از استراتژی های مفید در راستای ذخیره سازی سریع و کارآمد داده ها، تکنیک حذف تکرار داده می باشد. در این مقاله، رویکردهای مختلف حذف تکرار داده را مورد مطالعه و بررسی قرار داده و در نهایت به بررسی مزایا و معایب هریک از آنها خواهیم پرداخت.

ارزیابی رویکردهای مختلف حذف تکرار داده در محیط رایانش ابری Keywords:

رایانش ابری , ماشین مجازی , سیستم ذخیره سازی داده , حذف تکرار داده

ارزیابی رویکردهای مختلف حذف تکرار داده در محیط رایانش ابری authors

فاطمه شیعه

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد محلات

مصطفی قبائی آرانی

دانشجوی دکتری مهندسی کامپیوتر، دانشگاه آزاد اسلامی تهران واحد پرند

محبوبه شمسی

دکتری تخصصی(نرم افزار)، عضو هیئت علمی دانشگاه صنعتی 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 :
Chengzh angPeng , ZejunJiangb. "Building a Cloud Storage Service System" ...
M. Armbrust, A. Fox, R. Gri_th, A. D. Joseph, R. ...
R. P. Goldberg. Survey of virtual machine research. Computer, 7(6): ...
J. E. Smith and R Nair , "The architecture of ...
Carolan, Jason, Steve Gaede, James Baty, Glenn Brunette, Art Licht, ...
T. E.Denehy and W. W. Hsu , " Duplicate management ...
duplication. "Internationt Conference on Cloud, Big Data and Trust 2013, ...
Lin, Iuon-Chang, and Po- ChingChien. "Data Deduplication Scheme for Cloud ...
Deepu S R, B haskarR, Shylaj _ B S, _ ...
InduArora, Dr. Anu Gupta. "Opportunities, Concerns and Challenges in the ...
Shilane, Philip, Grant Wallace, Mark Huang, and Windsor Hsu "Delta ...
Curran, Robert, Wayne Sawdon, and Frank Schmuck. "Efficient method for ...
He, Qinlu, Zhanhuai Li, and Xiao Zhang. "Data deduplication techniques." ...
Meyer, Dutch T, and William , Bolosky."A study of practical ...
Kaurav, Neha. " An Investigation On Data De-duplication Methods And ...
Philip Shilane, Grant Wallace, Mark Huang _ Windsor Hsn , ...
M. Szeredi , " Filesystem in uSer space.httg :/use. sugrecrge. ...
Kulkarni, Purushottam, Fred Douglis, Jason D. LaVoie, and John M ...
P. Kulkarni, F. Douglis, J. LaVoie, and J. M. Tracey, ...
1]Policroniades, Calicrates, and Ian Pratt. "AIternatives for Detecting Redundancy in ...
Zhu, Benjamin, Kai Li, and R. Hugo Patterson. "Avoiding the ...
Deepu, S. R. "Performance Comparison of Deduplication techniques for storage ...
Joao Tiago , Medeiros Pau. _ Escola De Engenharia , ...
Uz, Tamer, George Bebis, Ali Erol, and SalilPrabhakar _ _ ...
Bhagwat, Deepavali, KaveEshghi, Darrell DE Long, and Mark Lillibridge. "Extreme ...
Lillibridge, Mark, KaveEshghi, and DeepavaliB hagwat. "Improving restore speed for ...
Harnik, Danny, Benny Pinkas, and Alexandr Shulman-Peleg. "Side channes in ...
Stringham, Russell R. "Client side data deduplication." U.S. Patent 7, ...
Xu, Jia, Ee-Chien Chang, and JianyingZhou. "Weak le akage-resilient client-side ...
Jin-Yong Ha, Young-Sik Lee, and Jin-Soo Kim , "Deduplication with ...
A. Gupta, R. Pisolkar, B. Urgaonkar, and A. S iv ...
Meyer, Dutch T., and Willian J. Bolosky. " A study ...
A. Mu thitacharoen, B. Chen, and D. Mazieres , " ...
P. Kulkarni, F. Douglis, J. LaVoie, and J. M. Tracey, ...
نمایش کامل مراجع

مقاله فارسی "ارزیابی رویکردهای مختلف حذف تکرار داده در محیط رایانش ابری" توسط فاطمه شیعه، دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد محلات؛ مصطفی قبائی آرانی، دانشجوی دکتری مهندسی کامپیوتر، دانشگاه آزاد اسلامی تهران واحد پرند؛ محبوبه شمسی، دکتری تخصصی(نرم افزار)، عضو هیئت علمی دانشگاه صنعتی قم نوشته شده و در سال 1394 پس از تایید کمیته علمی نخستین کنفرانس بین المللی فناوری اطلاعات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله رایانش ابری، ماشین مجازی، سیستم ذخیره سازی داده، حذف تکرار داده هستند. این مقاله در تاریخ 9 مرداد 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 785 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که با توجه به افزایش روز افزون درخواست های کاربران برای استفاده از سرویس های ابری، یکی از چالش های مطرح، افزایش ظرفیت ذخیره سازی داده است. رویکردهای متعددی برای تشخیص و حذف داده های تکراری موجود در ماشین های مجازی که قصد ارسال داده های خود را به یک منبع ذخیره سازی اشتراکی دارند، ارائه شده است. از این رو، ... . برای دانلود فایل کامل مقاله ارزیابی رویکردهای مختلف حذف تکرار داده در محیط رایانش ابری با 14 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.