زمانبندی کارها در ابر ترکیبی : چالش ها و فرصت ها

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 491

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:

ASEA01_051

تاریخ نمایه سازی: 18 تیر 1396

Abstract:

محاسبات ابری یک فناوری توسعهیافته است که صنایع IT را قادر میسازد هزینههای محاسباتی را کاهش دهند. کاربران ابر برحسب تقاضا منابع را در اختیار میگیرند و به اندازهای که از سرویسها استفاده میکنند، هزینه را پرداخت می نمایند. ابر ترکیبی متشکل از چندین ارایهدهنده داخلی یا خارجی است، لذا گزینه مناسبی برای بیشتر موسسات تجاری است. بسیاری از شرکتها در کنار ابرهای عمومی، زیرساختهای ابری مختص به خود را ایجاد کردهاند. در برخی سازمانها، برنامهی در حال اجرا روی ابر خصوصی به دلیل نیاز به منابع محاسباتی بیشتر، به درون ابر عمومی گسترش مییابد. حفظ محرمانگی دادههای حساس در ابرهای عمومی از اهمیت بالایی برخوردار است. یکی دیگر از دلایلی که باعث میشود محاسبات به خارج از ابر خصوصی سپرده شود، دادههای حجیم هستند. در چنین مواردی سعی بر آن است که محاسبات در محل استقرار دادهها در ابرهای عمومی صورت پذیرد. به هرحال گاهی هم ممکن است سازمانی قصد انجام تحلیلهای بیشتر روی دادههای حجیم مستقر در یک ابر عمومی را داشته باشد. در چنین حالتی سازمانها با چالش تاخیر ناشی از انتقال زمانبر دادهی حجیم از ابر عمومی به زیرساخت خصوصی مواجه میشوند. از نقطه نظر زمانبندی، ارایه راهحلی که با در نظر گرفتن امنیت دادههای محرمانه و سایز دادههای حجیم بتواند دستهای از کارهای وابسته به داده را بصورتی کارآمد در یک ابر ترکیبی به اجرا در آورد از اهمیت بالایی برخوردار است. مقاله پیش رو زمانبندی کارهای وابسته به داده در ابرهای ترکیبی را با توجه به چالش های پیش رو و ارایه راهکارهای موجود مورد مطالعه قرار داده است.

Authors

ابوالفضل عربی

گروه کامپیوتر ، واحد بندرعباس ، دانشگاه آزاد اسلامی ، بندرعباس ، ایران

شهرام گلزاری

گروه مهندسی برق و کامپیوتر، دانشکده مهندسی، دانشگاه هرمزگان، بندرعباس، ایران

عباس حریفی

گروه مهندسی برق و کامپیوتر، دانشکده مهندسی، دانشگاه هرمزگان، بندرعباس، 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 :
  • Agrawal, D., S. Das, and A. El Abbadi. Big data ...
  • Mell, P. and T. Grance, The NIST definition of cloud ...
  • Armbrust, M., et al., A view of cloud computing. C ...
  • Mozafari, M.R., Liposomes: _ overview of manufacturing techniques. Cellular and ...
  • Haff, G., Introduction to cloud computing. Red Hat Cloud, 2013. ...
  • Microsoft Azure. 2015 [cited 2015; Available from: _ _ .microsoft.com ...
  • Bittencourt, L.F., E.R. Madeira, and N.L. Da Fonseca, Scheduling in ...
  • Taheri, J., et al., Pareto frontier for job execution and ...
  • Tang, M., et al., The impact of data replication on ...
  • Taheri, J., et al., A Bee Colony based optimization approach ...
  • Taheri, J., Y.C. Lee, and A.Y. Zomaya, Simultaneous Job and ...
  • Peris, A.D., et al. Data location-aware job scheduling in the ...
  • Kolodziej, J. and S.U. Khan, Data scheduling in data grids ...
  • Augonnet, C., et al. Data-aware task scheduling on m ulti-accelerator ...
  • Lee, G., B.-G. Chun, and R.H. Katz, Heterogen eity-aware resource ...
  • Kosar, T., Data-aware distributed batch scheduling. Handbook of Research on ...
  • Taheri, J., A.Y. Zomaya, and S.U. Khan, Genetic algorithm in ...
  • Annapureddy, K., Security challenges in hybrid cloud infrastructures. Aalto University, ...
  • Butani, R.C., B.D. Gajar, and R.A. Thakker. Performance evaluation of ...
  • Singh, A., An artificial bee colony algorithm for the leaf-constra ...
  • Kang, F., J. Li, and Q. Xu, Structural inverse analysis ...
  • Symantec, State of the Data Center Global Data. 2010. ...
  • نمایش کامل مراجع