دانلود ترجمه مقاله برنامه ریزی گردش کار علمی در محاسبات ابری با متد بهینه سازی هزینه – مجله الزویر

• فهرست مطالب:

چکیده
۱٫ مقدمه
۱٫ ۱٫ انگیزه و کار مرتبط
۲٫ ۱ روش تحقیق
۱٫ ۲٫ ۱ منابع اطلاعات
۲٫ ۲٫ ۱ معیارهای جستجو
۳٫ ۲٫ ۱معیارهای ورود و خروج از مطالعه
۴٫ ۲٫ ۱ استراتژی انتخاب
۲٫ شیوه های SWFS بهینه سازی هزینه بررسی شده
۳٫ جنبه های بهینه سازی هزینه SWFS
۱٫ ۳ محیط محاسباتی
۲٫ ۳ روش بهینه سازی
۳٫ ۳ نمایش ساختاری
۴٫ ۳ سوددهی
۵٫ ۳ تکنیک زمان بندی
۶٫ ۳ نوع گردش کار
۷٫ ۳ معیارهای بهینه سازی
۸٫ ۳ محدودیتهای QoS
۴٫ پارامترهای بهینه سازی هزینه SWFS
۱٫ ۴ پارامترهای هزینه پولی
۱٫ ۱٫ ۴ طبقه بندی پارامترهای هزینه پولی
۱٫ ۱٫ ۱٫ ۴ هزینه های اجرای برآورد شده
۲٫ ۱٫ ۱٫ ۴ هزینه های سرویس ارائه شده
۳٫ ۱٫ ۱٫ ۴ هزینه های محاسباتی
۴٫ ۱٫ ۱٫ ۴ هزینه های ارتباطی
۵٫ ۱٫ ۱٫ ۴ هزینه های کشسانی
۶٫ ۱٫ ۱٫ ۴ هزینه های ذخیره سازی داده ها
۲٫ ۱٫ ۴ پارامترهای هزینه های پولی از جنبه سوددهی
۲٫ ۴ پارامترهای هزینه های زمانی
۱٫ ۲٫ ۴ طبقه بندی پارامترهای هزینه زمانی
۱٫ ۱٫ ۲٫ ۳ مرحله پیش زمان بندی
۲٫ ۱٫ ۲٫ ۴ مرحله در طول یا در حین زمان بندی
۳٫ ۱٫ ۲٫ ۴ مرحله پس زمان بندی
۲٫ ۲٫ ۴ پارامترهای هزینه های زمانی از جنبه سوددهی
۵٫ بحث و موضوعات باز
۱٫ ۵ جنبه های هزینه
۲٫ ۵ پارامترهای هزینه
۳٫ ۵ مقایسه کیفی شیوه های SWFS بهینه سازی هزینه
۶٫ نتیجه گیری

• بخشی از ترجمه:

۶٫ نتیجه گیری
بهینه سازی هزینه زمان بندی گردش کار علمی (SWFS) به ویژه در محیط رایانش ابری و شبکه ای، به عنوان یک چالش مهم برای مصرف کنندگان سرویس و ارائه دهندگان سرویس به قوت خود باقی می ماند. کار حاضر مسئله بهینه سازی هزینه برای SWFS را در محیط رایانش ابری و شبکه ای موردتجزیه و تحلیل قرار می دهد. پس از انتخاب دقیق مقالات مرتبط در این فیلد از مطالعه، جنبه های بهینه سازی هزینه SWFS را شناسایی کردیم که درهنگام زمان بندی گردش کار در رایانش ابری و شبکه ای باید مورد رسیدگی قرار بگیرند. در این راستا دو طبقه بندی ( به عبارتی جنبه ها و پارامترها) از SWFS بهینه سازی هزینه معرفی کردیم که یکی از کارهای اصلی این کار می باشد.
هدف طبقه بندیهای پیشنهادی ارائه یک بنیان محکم برای توسعه یک شیوه SWFS اقتصادی است که تقاضاهای اپلیکیشن های گردش کار آتی را تامین می نماید. در این راستا کارهای مرتبط را طبق طبقه بندیهای توصیه شده، طبقه بندی و همبستگی بین پارامترهای بهینه سازی هزینه و سوددهی SWFS را شناسایی کردیم. به علاوه، فرمول های هزینه و زمان مرتبط را مطرح و از آنها برای تعیین هزینه های کل SWFS با توجه به تعداد پارامترهای هزینه مرتبط استفاده کردیم. به علاوه، توصیه های مختلفی برای توسعه شیوه زمان بندی بهینه سازی هزینه ارائه دادیم.

• بخشی از مقاله انگلیسی:

۶٫ Conclusion The cost optimization of Scientific Workflow Scheduling (SWFS) especially in cloud and grid computing remains an important challenge for both service consumers and service providers. The current work analyzes the cost optimization problem for SWFS in cloud and grid computing. After careful selection of the relevant papers in this field of study, we identified the cost optimization aspects of SWFS that should be considered while scheduling workflows in cloud and grid computing. We introduced two classifications (i.e. aspects and parameters) of cost optimization SWFS, which is one of the major contributions of this work. The proposed classifications aimed at providing a solid foundation for developing an economical SWFS approach that meets the demands of future workflow applications. We classified the related works according to the devised classifications and identified a correlation between cost optimization parameters and profitability of SWFS. Besides, we presented the relevent cost and time formulas, which are used to determine the overall SWFS cost considering a number of relevant cost parameters. Moreover, we provided several recommendations for developing a cost optimization scheduling approach.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله