Skip Navigation Linksلیست مقالات ترجمه شده / مقالات ترجمه شده مهندسی كامپيوتر /

عنوان ترجمه شده مقاله: پیش‌بینی و نظارت بر حجم‌کارهای ابری پیاپی چهارچوبی فراکتال

رایانش ابری رویکردی تضمینی به منظور مدیریت نیازهای روبه رشد برای محاسبه و نگهداری به روشی موثر و مقرون به صرفه است

Abstract

Cloud Computing is a promising approach to handle the growing needs for computation and storage in an efficient and cost-effective manner. Towards this end, characterizing workloads in the cloud infrastructure (e.g., a data center) is essential for performing cloud optimizations such as resource provisioning and energy minimization. However, there is a huge gap between the characteristics of actual workloads (e.g., they tend to be bursty and exhibit fractal behavior) and existing cloud optimization algorithms, which tend to rely on simplistic assumptions about the workloads. To close this gap, based on fractional calculus concepts, we present a fractal model to account for the complex dynamics of cloud computing workloads (i.e., the number of request arrivals or CPU/memory usage during each time interval). More precisely, we introduce a fractal operator to account for the time-varying fractal properties of the cloud workloads. In addition, we present an efficient (online) parameter estimation algorithm, an accurate forecasting strategy, and a novel fractal-based model predictive control approach for optimizing the CPU utilization, and hence, the overall energy consumption in the system while satisfying networked architecture performance constraints like queue capacities. We demonstrate advantages of our fractal model in forecasting the complex cloud computing dynamics over conventional (non-fractal) models by using real-world cloud (Google) traces. Unlike non-fractal models, which have very poor prediction capabilities under bursty workload conditions, our fractal model can accurately predict bursty request processes, which is crucial for cloud computing workload forecasting. Finally, experimental results demonstrate that the fractal model based optimization outperforms the non-fractal based ones in terms of minimizing the resource utilization by an average of 30%

چکیده

رایانش ابری رویکردی تضمینی به منظور مدیریت نیازهای روبه رشد برای محاسبه و نگهداری به روشی موثر و مقرون به صرفه است. در راستای این هدف مشخص کردن حجم‌کارها در زیرساختار ابری (مرکز داده ها) برای اجرای بهینه‌سازی ابری- تدارک منابع و کمینه سازی انرژی- ضروری است. هرچندکه فاصله قابل توجهی در میان ویژگیهای حجم‌کارهای حقیقی و الگوریتم‌های بهینه‌سازی ابر موجود هست، این فاصله تمایل به اتکا بر فرضیات ساده مربوط به حجم‌کارها دارد. ما به منظور بستن این فاصله براساس مفاهیم محاسباتی فراکتال، مدل فراکتال را برای محاسبه پویایی های پیچیده حجم‌کارهای رایانش ابری ارائه می‌کنید (تعداد درخواستهای رسیده و یا حافظه پردازشگرمرکزی مورد استفاده طی فاصله زمانی). دقیقتر بگوئیم، یک عملگر کسری را برای محاسبه ویژگیهای فراکتال متغیر زمانی از حجم‌کارهای ابری معرفی می‌کنیم. علاوه براین الگوریتم برآورد پارامتر موثر آنلاینی را ارائه می‌کنیم که یک استراتژی پیش‌بینی دقیق است، این کار همراه با ارائه رویکرد کنترل پیش‌بینی کننده از مدلی فراکتال است که برای بهینه‌سازی استفاده از پردازشگر مرکزی به کار می رود، و از این رو مصرف کلی انرژی در سیستم را شامل می‌شود و در عین حال محدودیت های عملکرد ساختاری شبکه مانند ظرفیتهای صف را حل می‌کند. ما با استفاده از ردیابی های ابری (cloud traces) در جهان حقیقی (گوگل) مزیتهایی را برای مدل کسری خود در پیش‌بینی پویایی های رایانش ابری، نسبت به مدلهای قراردادی غیرفراکتال نشان می دهیم. برخلاف مدلهای غیرفراکتال که قابلیتهای پیش‌بینی بسیار ضعیفی را تحت شرایط حجم‌کار پیاپی دارند، مدل فراکتال ما میتواند فرایندهای درخواست را که برای پیش‌بینی دقیق حجم‌کار پیاپی لازم است به دقت برآورد کند. درنهایت نتایج آزمایشی نشان می دهند که مدل کسری مبتنی بر بهینه‌سازی، در کمینه سازی استفاده از منابع، تا حدود 30 درصد بر مدل غیرفراکتال برتری دارد.

-1مقدمه

رایانش ابری که محاسبه و منابع نگهداری را از حاشیه های شبکه به ابری جابجا می‌کند که کسب و کارها و کاربران در آن قادر به دسترسی به منابع وسیع مورد تقاضای خود از هر مکانی در جهان هستند، به سرعت در حال رشد است و به شکل وسیعی توسط افراد، شرکتها، مشاغل و دولتها استفاده شده است. فراهم کنندگان خدمات ابری بزرگ از جمله گوگل، مایکروسافت، آمازون و غیره مراکز داده های بزرگی را همراه با رایانش انبوه و قابلیت های نگهداری ساخته اند و به این کار ادامه می دهند، آنها در قبال دسترسی به منابع یا خدمات فراهم شده این مراکز داده ای هزینه را از مشتریان دریافت می‌کنند. مصرف انرژی مراکز داده به سرعت درحال رشد است و تا بیش از 2 درصد از کل مصرف انرژی الکتریکی در ایالات متحده در سال 2010 را پوشش می دهد. برای مثال مرکز داده های مایکروسافت در کوئینسی، واشنگتن، 48 مگاوات انرژی مصرف می‌کند، این قمدار برای راه اندازی و روشنایی 40 هزار خانه کافی است. این حقیقت سبب می‌شود تا نیاز به توسعه استراتژیهای مدیریت منابع برای زیرساختار ابری روشن شود تا بتوان مصرف انرژی آنها و هزینه کلی مالکیتشان را کاست


موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " پیش‌بینی و نظارت بر حجم‌کارهای ابری پیاپی چهارچوبی فراکتال " نموده است که شما کاربر عزیز 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
پیش‌بینی و نظارت بر حجم‌کارهای ابری پیاپی چهارچوبی فراکتال
نویسنده/ناشر/نام مجله :
Hardware-software codesign of embedded systems.
سال انتشار
2014
کد محصول
1005831
تعداد صفحات انگليسی
9
تعداد صفحات فارسی
25
قیمت بر حسب ریال
710,000
نوع فایل های ضمیمه
pdf+word
حجم فایل
8 مگا بایت
تصویر پیش فرض


این مقاله ترجمه شده را با دوستان خود به اشتراک بگذارید
سایر مقالات ترجمه شده مهندسی فناوری اطلاعات , مهندسی كامپيوتر را مشاهده کنید.
کاربر عزیز، بلافاصله پس از خرید مقاله ترجمه شده مقاله ترجمه شده و با یک کلیک می توانید مقاله ترجمه شده خود را دانلود نمایید. مقاله ترجمه شده خوداقدام نمایید.
جهت خرید لینک دانلود ترجمه فارسی کلیک کنید
جستجوی پیشرفته مقالات ترجمه شده
برای کسب اطلاعات بیشتر، راهنمای فرایند خرید و دانلود محتوا را ببینید
هزینه این مقاله ترجمه شده 710000 ریال بوده که در مقایسه با هزینه ترجمه مجدد آن بسیار ناچیز است.
اگر امکان دانلود از لینک دانلود مستقیم به هر دلیل برای شما میسر نبود، کد دانلودی که از طریق ایمیل و پیامک برای شما ارسال می شود را در کادر زیر وارد نمایید


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




Theory
Algorithms
Design
Management

تاریخ انتشار در سایت: 2015-10-15
جستجوی پیشرفته مقالات ترجمه شده
نظرتان در مورد این مقاله ترجمه شده چیست؟

ثبت سفارش جدید