Skip Navigation Linksشما اینجا هستید -> صفحه اصلی > معرفی > دانلود مقالات ترجمه شده > خرید و دانلود

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
گروه ترجمه تخصصی البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " بهینه سازی بالانس بار در محاسبات ابری: اعمال بهینه سازی ازدحام ذرات درون ریز " نموده است که شما کاربر گرامی می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
بهینه سازی بالانس بار در محاسبات ابری: اعمال بهینه سازی ازدحام ذرات درون ریز
نویسنده/ناشر/نام مجله :
IEEE International Conference on Electro/Information Technology
سال انتشار
2015
کد محصول
1010527
تعداد صفحات انگليسی
5
تعداد صفحات فارسی
14
قیمت بر حسب ریال
90000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
2 مگا بایت
تصویر پیش فرض




Abstract

Load balancing optimization is categorized as NP-hard problem, playing an important role in enhancing the cloud utilization. Different methods have been proposed for achieving the system load balancing in cloud environment. VM migration is one of these techniques, proposed to improve the VMs' functionality. Despite of the advantageous of VM migration, there are still some drawbacks which urged researchers to improve VM migration methods. In this paper we propose a new load balancing technique, using Endocrine algorithm which is inspired from regulation behavior of human's hormone system. Our proposed algorithm achieves system load balancing by applying self-organizing method between overloaded VMs. This technique is structured based on communications between VMs. It helps the overloaded VMs to transfer their extra tasks to another under-loaded VM by applying the enhanced feed backing approach using Particle Swarm Optimization (PSO). To evaluate our proposed algorithm, we expanded the cloud simulation tool (Cloudsim) which is developed by University of Melbourne. The simulation result proves that our proposed load balancing approach significantly decreases the timespan compared to traditional load balancing techniques. Moreover it increases the Quality Of Service (QOS) as it minimizes the VMs' downtime

چکیده

بهینه سازی بالانس بار به عنوان یک مسئله ی NP-hard (چندجمله ای غیرجبری سخت) که نقش مهمی در افزایش کاربرد ابر ایفا می کند.

روش های متفاوتی برای بدست آوردن بالانس بار سیستم در محیط ابری ارائه شده است. انتقال VM (VM migration) یکی از این تکنیک ها است که برای بهبود کاربرد VM ها ارائه شده است. برخلاف مزایای انتقال VM، چندین عیب دارد که محققان را وامیدارد که به بهبود روش های انتقال VM بپردازند.

در این مقاله ما یک تکنیک بالانس بار جدید را با استفاده از الگوریتم درون ریز ارائه می دهیم که از رفتار قاعده مند سیستم هورمونی انسان الهام گرفته شده است. الگوریتم پیشنهادی ما، بالانس بار سیستم را با اعمال روش خود-سازمانده میان VMهای اورلود شده (بیش بار شده) انجام می دهد. این تکنیک بر اساس ارتباط میان VMها می باشد که به VMها اورلود شده برای انتقال وظایف اضافی شان به دیگر VM هایی که برای بار (لود) جا دارند، با اعمال روش فیدبکی افزایش یافته با استفاده از الگوریتم ازدحام ذرات، کمک می کند.

برای اعمال روش پیشنهادی، ابزار شبیه سازی ابری (Cloudsim) را بسط دادیم که توسط دانشگاه ملبورن توسعه یافته است. نتایج شبیه سازی تاکید می کند که روش بالانس بار پیشنهادی به طور قابل توجهی timespan (مدت زمان) را در مقایسه با تکنیک های بالانس بار دیگر، کاهش داده است. علاوه براین کیفیت سرویس دهی (QoS) را افزایش داده، بطوریکه زمان بیکاری (downtime) VM ها را مینیمم کرده است.

1-مقدمه

مشخصه های اصلی محاسبات ابری از قبیل کشسانی، مقیاس پذیری و مدل پرداخت، کسب و کارها را برای جایگزین کردن زیرساخت های گذشته شان با تکنیک های ابری پیشنهادی جذب می کند. همانطور که تعداد کاربران ابری به سرعت در حال رشد است، حجم بار وسیع بر عملکرد و کارِ ابر تاثیر خواهد گذاشت. بنابراین، ضروری است که روش های مدیریت بار هوشمندانه تری را برای اطمینان از موثر بودن وظایف زمانبندی و مدیریت منابع کارا، را ارائه دهیم]1[....



این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:






Cloud computing
load balancing
task scheduling
Hormon regualtion
Endocrine Algorithm