برای خرید ترجمه ی فارسی این با فایل ورد قابل ویرایش به آخر این صفحه مراجعه نمایید
ترجمه ی مقاله ی Network-aware Cloud Brokerage for telecommunication services
برای خرید ترجمه ی فارسی این با فایل ورد قابل ویرایش به آخر این صفحه مراجعه نمایید
عنوان انگلیسی : Intelligent Strategy of Task Scheduling in Cloud Computing for Load Balancing
مشخصات مقاله : International Journal of Emerging Trends & Technology in Computer Science (IJETTCS) - سال 2013
عنوان فارسی :
استراتژی هوشمند زمانبندی وظیفه برای تعادل بار در محاسبات ابری
چکیده :
Cloud computing is a type of parallel and distributed system consisting of a collection of interconnected and virtual computers. With the increasing demand and benefits of cloud computing infrastructure, different computing can be performed on cloud environment. One of the fundamental issues in this environment is related to task scheduling. Cloud task scheduling is an NP-hard optimization problem, and many meta-heuristic algorithms have been proposed to solve it. A good task scheduler should adapt its scheduling strategy to the changing environment and the types of tasks. In this paper a cloud task scheduling policy based on ant colony optimization algorithm for load balancing compared with different scheduling algorithms has been proposed. Ant Colony Optimization (ACO) is random optimization search approach that will be used for allocating the incoming jobs to the virtual machines. The main contribution of our work is to balance the system load while trying to minimizing the makespan of a given tasks set. The load balancing factor, related to the job finishing rate, is proposed to make the job finishing rate at different resource being similar and the ability of the load balancing will be improved. The proposed scheduling strategy was simulated using Cloudsim toolkit package. Experimental results showed that, MACOLB algorithm decrease the degree of imbalancing between available virtual machines and increase the overall performance.
تعداد صفحات انگلیسی : 11 صفحه
عنوان فارسی :
استراتژی هوشمند زمانبندی وظیفه برای تعادل بار در محاسبات ابری
چکیده
محاسبات ابری نوعی از سیستمهای موازی و توزیع شده شامل مجموعهای از کامپیوترهای به هم متصل و مجازی است. با افزایش تقاضا و مزایای زیرساختهای محاسبات ابری، انواع مختلفی از محاسبات را میتوان در محیط ابر اجرا کرد. یکی از مسائل اساسی در این محیط مرتبط با زمانبندی وظیفه است. زمانبندی وظیفه ابر یک مسئلهی بهینهسازی NP-سخت است، و بسیاری از الگوریتمهای فرااکتشافی برای حل آن پیشنهاد شده است. زمانبند وظیفه خوب باید استراتژی زمانبندی خود را با محیط در حال تغییر و انواع وظایف وفق دهد. در این مقاله یک سیاست زمانبندی وظیفه ابر بر اساس الگوریتم بهینهسازی کلونی مورچهها برای تعادل بار در مقایسه با الگوریتمهای زمانبندیهای مختلف مطرح شده است. الگوریتم مورچگان (ACO) روش جستجو بهینهسازی تصادفی است که برای تخصیص کارهای ورودی به ماشین های مجازی استفاده میشود. سهم اصلی این مقاله، تعادل بار سیستم در حال تلاش برای به حداقل رساندن makespan مجموعه وظایف داده شده است. عامل تعادل بار، مربوط به نرخ اتمام وظایف، برای نرخ اتمام کار در منابع مختلف مشابه و بهبود توانایی حفظ تعادل بار است. استراتژی زمانبندی پیشنهادی با استفاده از بسته ابزار Cloudsim شبیهسازی شده است. نتایج تجربی نشان میدهد که، الگوریتم MACOLB درجه نامتعادلی بین ماشینهای مجازی موجود را کاهش و عملکرد کلی را افزایش میدهد.
1-مقدمه
محاسبات ابری به عنوان یک مدل محاسباتی برای انواع حوزههای برنامههای کاربردی استفاده شده، توجه زیادی به دست آورده است. سرویسهای محاسبات ابری به کاربران اجازه میدهند منابع محاسباتی را در قالب ماشین های مجازی (VMS) از مراکز داده در مقیاس بزرگ توسط ارائه دهندگان سرویسها اجاره کنند [1]. با استفاده از سرویسهای ابر، کاربران ابر میتوانند طیف گستردهای از برنامههای کاربردی را به صورت پویا و بر اساس تقاضا معمولاً از سه جنبه اساسی مورد توجه مستقر کنند: زیرساخت به عنوان یک سرویس (IaaS)، پلت فرم به عنوان سرویس (PaaS) و نرم افزار به عنوان سرویس (SaaS) [2 ]. بیشتر ارائه دهندگان سرویسهای ابر از ماشین مجازی برای ارائه اشتراکگذاری منابع انعطافپذیرتر و مقرون به صرفهتر استفاده میکنند...
ابتدا بر روی لینک زیر کلیک کرده و مقاله اصلی را دانلود نمائید. در صورت تایید مقاله اصلی می توانید ترجمه سلیس و روان این مقاله را در قسمت زیر دانلود کنید.
اجرای بودجه محدود از برنامه های بسته وظایف چندگانه بر روی ابر
لانگ تائی, بلسون وارگس و آدام بارکر
دانشکده علوم کامپیوتری, دانشگاه سنت اندروز, فایف, UK
ایمیل: {ltt2, Varghese, adam.barker } @st-answers.ac.uk
چکیده
بهینه سازی اجرای برنامه های بسته وظایف (BoT) بر روی ابر, با توجه به مبادلات بین عملکرد و هزینه های مالی مشکلی دشوار است. این مشکل می تواند به هنگامیکه برنامه های BoT چندگانه نیاز به اجرا داشته باشند پیچیده تر خواهد بود. در این مقاله, ما الگوریتمی ابتکاری را ارائه داده و به اجرا در می آوریم که وظایف برنامه های چندگانه را در ماشین های مجازی ابری مختلف به منظور به حداکثر رساندن اجرا هنگام جبران محدودیت بودجه معین زمان بندی می کند. رویکردهای فعلی در برنامه ریزی وظایف محدود می باشد چراکه آنها محدودیتی را در تعدادی از منابع ابری قرار میدهند که می تواند توسط برنامه های کاربردی بکار گرفته شود. هرچند, در الگوریتم پیشنهادی چنین محدودیت هایی وجود ندارد, و در مقایسه با روش های دیگر, الگرویتم بطور متوسط اجرایی صلاح شده 10 درصدی را به دست می آورد. همچنین نتایج آزمایشگاهی نشان می دهند که الگوریتم, حتی با محدودیت های کم بودجه که نمیتوانند بوسیله روشهای رقابتی کسب شوند عملکردی سازگار را نشان میدهد.
Guidelines for Cloud Seeding to Augment Precipitation Volume: Author(s): Conrad G. Keyes, Jr., George W. Bomar, Thomas P. DeFelice, Don A. Griffith, Darin Langerud (eds.) Series: ASCE Manuals and Reports on Engineering Practice 81 Periodical: Publisher: American Society of Civil Engineers City: Year: 2016 Edition: 3rd Language: English Pages (biblio\tech): 220\235 ISBN: 0784414114, 9780784414118 ID: 1492257 Time added: 2016-04-18 08:48:00 Time modified: 2016-04-18 09:18:47 Library: Library issue: 0 Size: 4 MB (4718239 bytes) Extension: pdf
ترجمه کامل مقاله «Data Security Issues in Cloud Environment and Solutions» با عنوان فارسی «مسائل مربوط به امنیت داده ها در محیط ابری و راهکارها» ارائه شده در کنگره جهانی در محاسبات و ارتباطات فن آوری2014 در قالب ورد همراه با متن اصلی
برای دانلود بر روی دریافت فایل کلیک کنید