دانلود ترجمه مقاله زمانبندی کیفیت خدمات چندگانه بر اساس هزینه در محاسبات ابری – مجله الزویر

فهرست مطالب:

چکیده

۱ مقدمه

۲ کارهای وابسته

۳ محیط های زمان بندی و مدلهای هزینه

۱ ۳ محیط مدل زمان بندی
۲ ۳ معیار بهینگی
۳ ۳ علامت گذاریها و تعاریف
۴ ۳ مدل هزینه

۴ مدل هزینه DLT پیشنهادی

۵ نتایج آزمایشی و بحث ها

۶ نتیجه گیری

بخشی از ترجمه:

 مقدمه  محاسبات ابری به روندهای اخیر فناوری اشاره می کند که کاربر می تواند نرم افزار، سخت افزار، زیرساخت و مراجعه محاسباتی را براساس هر کاربر کرایه نماید. کاربران می توانند کارهایشان را به منظور پردازش محاسباتی به ابر تسلیم کرده یا داده هایشان را به منظور ذخیره در ابر رها سازند. کاربران مختلف دارای نیازمندیهای QoS گوناگونی می باشند. زمان بند ابری بایستی توانایی زمان بندی کارها به شیوه ای را داشته باشد که تهیه کننده ابر بتواند به حداکثر منفعت برای سرویسش دست یافته و نیازمندی QoS کاری کاربر نیز تامین شود. در DLT در مورد ابرها، یک بار محاسباتی اختیاری تقسیم پذیر بدون روابط قبلی تقسیم و ابتدا در میان پردازنده های مختلف توزیع می شود ( یا در اینجا بار به طور مساوی بین کامپیوترهای اصلی تقسیم می شود)، به گونه ای که کل بار را در کوتاه ترین زمان ممکن می توان پردازش نمود.یکی از دلایل مهم برای کاربرد DLT ، انعطاف پذیری، نرمی، موازات و برابری داده ها، و مشکلات محاسباتی می باشد.

 ۶٫ نتیجه گیری
دراین مقاله، از نمودار DLT برای مقابله با مسئله زمان بندی کار در محیط ابری با موفقیت استفاده کرده ایم. با توسعه استراتژی توزیعی که هزینه کل را به حداقل می رساند، راجع به استفاده و کاربرد الگوی DLT در محیط ابر محاسباتی توضیح داده شده است. برای نیل به این مهم، راه حل شکل بسته ای برای مسئله زمان بندی کارها طراحی و آنالیز نموده و کلیه یافته هایمان را از طریق آزمایشات شبیه سازی ارزیابی و اعتبار آنها را تائید کردیم. به عنوان بسط و توسعه بی واسطه برای این کار، می توان تلاش نمود تاثیر سربارهای ارتباطی و حجم کار پویا را در نظر گرفت. در اینجا محدودیت تخصیص بلادرنگ کار مثل نگرانی سیاسی، خرابی ماشین نیز مد نظر قرار داده نمی شود. با در نظر گرفتن این مسائل، بهینه سازی بیشتری می توان اجرا نمود. باچنین بهبودهایی، برای بهبود عملکرد، مدل پیشنهادی را در زیرساخت های ابری موجود می توان تلفیق نمود.

بخشی از مقاله انگلیسی:

۱٫ Introduction

Cloud computing is a recent trends of technology, where user can rent software, hardware, infrastructure andcomputational recourse as per user basis [1]. Users can submit their jobs into cloud for computational processingor leave their data in cloud for storage. Different users has different QoS requirement. cloud scheduler mustbe able to schedule the jobs such a way that cloud provider can gain maximum benefit for his service and QoSrequirement user’s job is also satisfied.In DLT in case of clouds, an arbitrarily divisible load without having any previous relations is divided andfirst distributed among the various processors (for simplicity here the load is divided equally between the mastercomputers), so that the entire load can be processed in shortest possible amount of time. An important reason forusing DLT is its flexibility, tractability, data parallelism, computational difficulties [2, 3, 4].Moreover, in order to realize the full potential of the cloud platform, an architectural framework for efficientlycoupling public and private clouds is necessary. As resource failures due to the increasing functionality andcomplexity of hybrid cloud computing are inevitable, a failure-aware resource provisioning algorithm that iscapable of attending to the end-users QoS requirements is paramount [5].∗In the traditional networked computing systems such as grid environments, by and large, the number of CPUsavailable is fixed. A compute cloud being an environment that is said to offer an ”elastic service” (automatic scalingof resources as per the demand), motivates us to use a compute cloud system which is ideal for incorporatingchanges in resource requirements [6].Our contributions can be summarized as follows. With the principle that all participating processors stoppedcomputing at the same time instant, the closed-form formulas for both processing time and workload fraction foreach processor are derived. We also consider cost-based multi-QoS scheduling on a compute cloud environment[7].The rest of the paper is organized as follow: section 2 gives with related works; in section 3, a cloud schedulingenvironment and a set of mathematical equations has been developed to formulate the problem; in section 4 wegives the new derived DLT model to address this problem; section 5 gives the experimental results; the last partconcludes with future work.2. Related WorksIn cloud computing, end users do not own any part of the infrastructure. The end-users simply use the servicesavailable through the cloud computing paradigm and pay for the used services. The cloud computing paradigmcan offer any conceivable form of services, such as computational resources for high performance computingapplications, web services, social networking, and telecommunications services [8].DLT has proven to be a valuable tool in handling large-scale computational loads on networked systems forvarious aerospace data and image processing applications [6]. Although DLT uses linear modeling, recent studiesalso show the use of the DLT paradigm in handling computation that demands a nonlinear style of processing [9].DLT was successfully applied for Scheduling divisible loads on large scale data Grids and produced competitiveresults [10, 11, 13].

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه