چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008193 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
480 Kb
حجم فایل فارسی :
550 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
یک تکنیک آگاه از میزان انرژی ( انرژی آگاه) برای تثبیت وظیفه، برای رایانش ابری
عنوان انگليسي
Energy-Aware Task Consolidation Technique for Cloud Computing
نویسنده/ناشر/نام مجله
Third IEEE International Conference on Coud Computing Technology and Science
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 7 صفحه انگلیسی به صورت پی دی اف و 17 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
تثبیت وظیفه را میتوان به عنوان راهکاری به منظور به حداکثر رساندن موجودیتِ منابع رایانش ابری در نظر گرفت که از مزایای زیادی از جمله 1. استفادهی بهتر از منابع، 2. نگهداری از منابع به شکلی منطقی، 3. سفارشیسازی سرویس IT (فناوری اطلاعات)، 4. سرویسهای قابل اطمینان 5. QoS (کیفیت سرویس) و غیره برخوردار میباشد. اگرچه به حداکثر رساندن نرخ استفاده و بهرهبرداری از وظایف، به معنای استفادهی کارآمد از انرژی نیست. پژوهشهای زیادی نشان دادهاند که مصرف انرژی و استفاده از منابع در پارادایم ابری، در سطح زیادی به هم متکی و مرتبط میباشند. بعضی از پژوهشها تلاش نمودهاند تا نرخ بکار گیری منبع را در پاردایم ابری کاهش داده تا به موجب آن، مصرف انرژی نیز کاهش پیدا کند؛ در حالی که بعضی دیگر از تحقیقات تلاش کردهاند تا موازنه ای بین نرخ بکار گیری منبع و میزان مصرف انرژی ایجاد نمایند. در این مقاله، یک تکنیک تثبیت وظیفه با قابلیت آگاهی از میزان انرژی (ETC) ارائه خواهد شد که هدف آن، بهینهسازی مصرف انرژی در خوشههای مجازیِ مستقر در دیتاسنتر (مرکز دادهای) میباشد. بسیاری از سیستمهای ابری نشان دادهاند که 70% از نرخ بکار گیری پردازنده، صرف مدیریت تثبیت وظیفه در بین خوشههای مجازی میگردد. نتایج شبیهسازی نشان میدهد که تکنیک ETC میتواند به شکلی قابل ملاحظه منجر به کاهش مصرف انرژیِ ناشی از مدیریت تثبیت وظیفه برای سیستمهای ابری گردد. با استفاده از این تکنیک میتوان تا سقف 17% به بهبودی در مصرف انرژی و آنهم در مقایسه با پژوهشی که اخیراً در [10] ارائه شده است و هدف آن، بیشینهسازی نرخ استفاده از منابع بوده است، دست یافت.
1-مقدمه
رایانش ابری با ظهور فناوریهای کاملی همچون دستگاههای شبکه، اپلیکیشن های نرمافزاری و ظرفیتهای سختافزاری که میتوانند برای چنین سیستمهای پیچیده و بزرگی استفاده شوند بسیار رایج گردیده است. در پارادایم ابری، منابع را میتوان در بخشهای مختلفی توزیع نموده که مقیاس این بخش ها میتواند از چندین سرور تا یک مرکز دادهای متغیر باشد. به منظور ادغام و استفادهی مطلوب از منابعی با مقیاسهای مختلف، رایانش ابری به روشهایی کارآمد برای مدیریت ماشینهای موجود در خود نیاز دارد .[4]...
کارآمد از نظر انرژی تثبیت وظیفه رایانش ابری
:کلمات کلیدی
Abstract
Task consolidation is a way of maximizing cloud computing resource, which brings many benefits such as better use of resources, rationalization of maintenance, IT service customization, QoS and reliable services, etc. However, maximizing resource utilization does not mean efficient energy usage. Many literature show that energy consumption and resource utilization in clouds are highly coupled. Some research works aim to decrease resource utilization for saving energy while some try to find the balance between resource utilization and energy consumption. In this paper, an energy-aware task consolidation (ETC) technique is presented aims to optimize energy consumption of virtual clusters in cloud data center. Conforming most cloud systems, a 70% principle of CPU utilization is proposed to manage task consolidation among virtual clusters. The simulation results show that ETC can significantly reduce power consumption in managing task consolidation for cloud systems. Up to 17% improvement as compare to a recent work in [10] that aims to maximize resource utilization can be obtained.
Keywords:
energy efficient task consolidation cloud computingl
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه مدیریت منابع در رایانش ابری