دانلود رایگان ترجمه مقاله تحمل خطا در محاسبات ابری (آی تریپل ای 2011)

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

3. مدل سیستم
A) معماری سیستم ابری تلفن‌همراه
محاسبات ابری تلفن‌همراه ترکیبی از تلفن‌همراه و محاسبات ابری است و یک محیط محاسبات ابری از طریق دستگاه‌های مختلف تلفن‌همراه ارائه می‌دهد. بااین‌حال، توجه به مشکلاتی از قبیل عدم تجانس میان دستگاه‌های تلفن‌همراه، پهنای باند شبکه پایین و اتصال بسیار متناوب، ادغام دستگاه‌های تلفن‌همراه به‌طور مستقیم با محیط‌های ابری تلفن‌همراه دشوار است. جهت وساطت بین دستگاه‌های تلفن‌همراه و شبکه‌های سیمی، از یک پروکسی استفاده شده است. نقش میان‌افزار ابر تلفن‌همراه به شرح زیر است: مکمل عملکرد ناکافی دستگاههای تلفنهمراه، اتصال دستگاههای تلفن‌همراه به یک پلت‌فرم ابر و مدیریت دستگاه‌های تلفن‌همراه. معماری ابر تلفن‌همراه در شکل 1 ارائه شده است. تابع هر مولفه به شرح زیر است.
میان‌افزار ابر تلفن‌همراه شامل زمانبندی کار، مدیریت تحمل خطا، مدیریت کار و مدیر مانیتورینگ است. مدیریت نظارت تصمیم می‌گیرد درفواصل زمانی اطلاعات جمع‌آوری شده توسط منابع تلفن‌همراه را نظارت کند. مدیر کار عملیات کار را در یک دستگاه تلفن‌همراه مدیریت می‌کند و زمانبند کار به منابع تلفن‌همراه با توجه به اطلاعات نظارت کار اختصاص می‌دهد. مدیریت تحمل خطا خطا را پیش‌بینی می‌کند و تکنیک‌هایی مانند بازرسی و تکرار عرضه می‌کند.

دستگاه تلفن‌همراه شامل ماژول اتصال، ارائه‌دهنده‌ی نظارت و ماژول اجرای کار است. ماژول اتصال انواع شبکه‌ها را برای ایجاد اتصال به ارائه‌دهنده میان‌افزار ابر مدیریت می‌کند. ماژول نظارت، اطلاعات حالت دستگاه‌های تلفن‌همراه را جمع آوری می‌کند و اطلاعات حالت منابع را به مدیریت نظارت می‌فرستد. ماژول اجرای کار، کارهای دریافت شده از مدیریت کار را اجرا می‌کند و نتیجه‌ی پردازش را به مدیریت کار می‌فرستد.

B) استفاده از الگوی دستگاه‌های تلفن‌همراه
در یک محیط تلفن‌همراه (LAN، شبکه 3G و غیره) اتصالات شبکه عمدتا دردسترس است، اما برخی مناطق وجود دارد که در آن اتصال به شبکه مانند مناطق زیرزمینی و کوهستانی غیرممکن است، تحقیقات قبلی [13] [ 14] استفاده از تلفن‌همراه در محیط WLAN را برای محیط‌های تلفن‌همراه تجزیه‌وتحلیل کرده‌اند، که به‌طورکلی در مدارس و یا شرکت است و نشان می‌دهد که یک الگوی استفاده از دستگاه‌های تلفن‌همراه در طول زمان وجود دارد. Song و Yu [15] نشان دادند که یک الگوی استفاده از دستگاه‌های تلفن‌همراه وجود دارد. داده‌ها از شبکه‌های بی‌سیم دانشگاه دارتموث به مدت 6 ماه بین دسامبر 2005 تا می 2006 جمع‌آوری شده است.
در این مقاله ما الگوهای از [15] استفاده کردیم، که اطلاعات نظارت از دستگاه‌های تلفن‌همراه از یک دانشگاه به دست آمده بود. شکل زیر الگوی استفاده شده توسط تیم تحقیقاتی ما را نشان می‌دهد.

4. مدل‌سازی نظارت زنجیره‌ی مارکوف
A) تعریف اطلاعات منابع
قدرت پردازنده، حافظه، پهنای باند شبکه و محل، نمونه‌هایی از تغییر پویای اطلاعات منابع دستگاه‌های تلفن‌همراه می‌باشد. اطلاعات جمع‌آوری شده از دستگاه‌های تلفن‌همراه برای محاسبه‌ی نرخ مصرف از هر منبع ابر تلفن‌همراه استفاده می‌شود. استفاده از CPU و استفاده از حافظه توسط فرمول زیر محاسبه می‌شود.

زیر نویس “util” نشان‌دهنده‌ی میزان استفاده از یک منبع است، “user” نشان‌دهنده‌ی میزان استفاده از یک کاربر، “sys” نشان‌دهنده‌ی میزان استفاده از یک سیستم، “cache” نشان‌دهنده‌ی میزان استفاده از حافظه کش، “tital” نشان‌دهنده‌ی حداکثر میزان استفاده در دسترس است.
پهنای باند شبکه به معنای پهنای باند باقی‌مانده‌ی محاسبه شده با کم کردن استفاده از ترافیک شبکه از حداکثر پهنای باند دردسترس است. که با توجه به استفاده از ترافیک شبکه در یک فاصله‌ی ثابت تغییر می‌کند. بنابراین، اطلاعات پهنای باند شبکه برای محاسبه‌ی میزان استفاده از پهنای باند شبکه (Nutil) مورد استفاده قرار می‌گیرد.

Nbw پهنای باند دردسترس در زمان t، C ظرفیت حداکثر پهنای باند دردسترس است، و یک ترافیک شبکه است.
اطلاعات محل از اطلاعات GPS و فاصله ارزش مکانی فعلی از ارزش AP (Access Point) محل محاسبه می‌شود. ارزش مخفف فاصله بین مرکز منطقه AP و مکان فعلی است.

Lper نرخ فاصله بین مرکز منطقه AP و مکان فعلی است، Llim پوشش ارتباطات از راه دور از AP، Lcan مرکز AP منطقه فعلی Lcur مکان فعلی از منابع است.

B) مدل‌های زنجیره‌ای مارکوف برای پیش‌بینی خطاها
اطلاعات حالت مانیتور شده را می‌توان به 3 دسته از احتمال خطا تقسیم‌بندی کرد. هر حالت به‌صورت زیر تعریف می‌شود: یک عمل دردسترس و حالت بدون خطا (حالت پایدار)، یک عملیات دردسترس و حالت خطای ممکن (حالت ناپایدار) و یک حالت عملیات دردسترس با توجه به خطا و یا قطع ارتباط شبکه (حالت غیرفعال). سه مقدار حالت براساس نرخ استفاده از پردازنده (Cuti) تعیین می‌شود، این طبقه‌بندی از راهنمای استفاده از پردازنده IBM نتیجه می‌شود [16].

مدل زنجیره‌ای مارکوف (MCM) معمولا به‌عنوان یک ماتریس که در شکل 5 نشان داده شده تعریف می‌شود. در ماتریس P در شکل 5، دولت SSTI به‌معنی حالت پایدار در زمانI است. بنابراین، امکان هر حالت در زمان I به‌صورت PSstI، PUstI و PDstI نوشته می‌شود.

C) تخمین احتمال انتقال
اگر داده‌های ظبط شده‌ی قبلی کافی نباشد دوحالت برای تخمین احتمال انتفال وجود دارد. یکی تخصیص مقدار ذهنی و دیگری به‌دست آوردن احتمال انتقال بااستفاده از داده‌های آماری است. در این مقاله اطلاعات حالت قبلی از روز یکسانی از هفته‌ی قبلی به‌دست می‌آید. ما از تابع با بیشترین احتمال برای به‌دست آوردن احتمال انتقال از داده‌های جمع‌آوری شده استفاده می‌کنیم.

Vi احتمال انتقال ( P_(S_st IS_st J)) است که هرحالت در زمان I به هر حالت در زمان J منتقل می‌شود. Xi و yi اعدادی هستند که هر اتنقالی اتفاق می‌افتد. برای مثال xi تعداد انتقال‌ها از Sst به Dst است. K تعداد حالات گذشته را که به ارزش وضعیت فعلی بستگی دارد نشان می‌دهد. ارزش تخمینی که به‌طورموثر منعکس‌کننده‌ی الگوهای گذشته N است را می‌توان با مقدار احتمال انتقال از بزرگترین ارزش P به دست آورد.

D) بهبود وقوع
دقت شکست می‌تواند با احتمال حالت هر بازه نظارت پیش‌بینی شود. به‌منظور بهبود دقت پیش‌بینی، ارزش محتمل‌ترین و مسیر وضعیت مطلوب استخراج شده و انتقال حالت با استفاده از الگوریتم ویتربی [17] محاسبه می‌شود. احتمال تمام مسیرها در حالت پیش بینی (PS) می‌توان با ضرب جلو (FI) و ضرب عقب مانده (BT) محاسبه شود. ضرب جلو به‌صورت زیر محاسبه می‌شود.