Forwarded from ترجمه انگلیسی به فارسی
عنوان فارسی مقاله : جایگذاری ماشینهای مجازی در یک ابر توزیع شده با روش خوشه بندی
.
English Article Title: Clustering based virtual machines placement in distributed cloud computing
Year: 2017
Publisher: ELSEVIER
Journal: Future Generation Computer Systems
DOI: https://doi.org/10.1016/j.future.2016.06.018
Keywords:
#Virtual_machines_placement
#Data_center_selection
#Bandwidth_minimizing
#Cloud_computing
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#کارایی_ماشینهای_مجازی
#انتخاب_مرکز_داده
#به_حداقل_رساندن_پهنای_باند
#پردازش_ابری
چکیده مقاله: مجازی سازی منبع ، یکی از مهمترین مشخصه های یارانش ابری است . جایگذاری ماشین های مجازی (VMها) در ماشین های فیزیکی ، کارآیی کاربرد منابع و کیفیت خدمات را تعیین می نماید . در رایانش ابر توزیع شده ، که مراکز داده ها (DCها) درشمار بزرگی از حوزه های جغرافیایی بسط می یابد و کلیه DC ها از طریق اینترنت سرعت بالا متصل می شوند . جایگذاری VM های وظیفه ای بزرگ یا یک سازمان متمرکز بر به حداقل رساندن مسافت ها و پهنای باندهای بین DC هاست . این کار باعث به حداقل رساندن نهفتگی و بهبود دسترسی پذیری می شود . کلاستر dc در ابتدا با VM های درخواستی سازگار می شود . هدف این تحقیق به حداقل رساندن حداکثر فاصله بین DC می باشد . برخلاف روش وچود که تنها فاصله های موجود بین مراکز داده ها را مورد ملاحضه قرار می هد ، الگوریتم 2-approximation بر اساس خوشه بندی کارآمدتری از طریق کاربرد کامل توپولوژی و مشخصه تراکم شبکه ابر توسعه داده می شود . این شبیه سازی ، نشان می دهد که الگوریتم پیشنهادی بطور خاصی برای مسائل مقیاس بزرگ مناسب است . پس VM های درخواستی باید کلاستر DC بخش بندی شوند بنابر این هزینه بالا پهنای باند بین DC مصرف شده و دسترس پذیری آن بهبود داده می شود معرفی یک مدل نیم ارتباطی ، یک الگوریتم جدید هیوستیک که پهنا باندهای مصرف شده را کاهش می دهد ، برای بخش بندی VM ها ارائه می گردد . پیچیدگی زمان آن از طریق ضریب (logn) o به (2n) O کاهش داده می شود و 3 برابر سریع تر از روش موجود اجرا می یابد .
کلمات کلیدی: کارایی ماشین های مجازی، انتخاب مرکز داده، به حداقل رساندن پهنای باند، پردازش ابری
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2WT2aVP
.
English Article Title: Clustering based virtual machines placement in distributed cloud computing
Year: 2017
Publisher: ELSEVIER
Journal: Future Generation Computer Systems
DOI: https://doi.org/10.1016/j.future.2016.06.018
Keywords:
#Virtual_machines_placement
#Data_center_selection
#Bandwidth_minimizing
#Cloud_computing
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#کارایی_ماشینهای_مجازی
#انتخاب_مرکز_داده
#به_حداقل_رساندن_پهنای_باند
#پردازش_ابری
چکیده مقاله: مجازی سازی منبع ، یکی از مهمترین مشخصه های یارانش ابری است . جایگذاری ماشین های مجازی (VMها) در ماشین های فیزیکی ، کارآیی کاربرد منابع و کیفیت خدمات را تعیین می نماید . در رایانش ابر توزیع شده ، که مراکز داده ها (DCها) درشمار بزرگی از حوزه های جغرافیایی بسط می یابد و کلیه DC ها از طریق اینترنت سرعت بالا متصل می شوند . جایگذاری VM های وظیفه ای بزرگ یا یک سازمان متمرکز بر به حداقل رساندن مسافت ها و پهنای باندهای بین DC هاست . این کار باعث به حداقل رساندن نهفتگی و بهبود دسترسی پذیری می شود . کلاستر dc در ابتدا با VM های درخواستی سازگار می شود . هدف این تحقیق به حداقل رساندن حداکثر فاصله بین DC می باشد . برخلاف روش وچود که تنها فاصله های موجود بین مراکز داده ها را مورد ملاحضه قرار می هد ، الگوریتم 2-approximation بر اساس خوشه بندی کارآمدتری از طریق کاربرد کامل توپولوژی و مشخصه تراکم شبکه ابر توسعه داده می شود . این شبیه سازی ، نشان می دهد که الگوریتم پیشنهادی بطور خاصی برای مسائل مقیاس بزرگ مناسب است . پس VM های درخواستی باید کلاستر DC بخش بندی شوند بنابر این هزینه بالا پهنای باند بین DC مصرف شده و دسترس پذیری آن بهبود داده می شود معرفی یک مدل نیم ارتباطی ، یک الگوریتم جدید هیوستیک که پهنا باندهای مصرف شده را کاهش می دهد ، برای بخش بندی VM ها ارائه می گردد . پیچیدگی زمان آن از طریق ضریب (logn) o به (2n) O کاهش داده می شود و 3 برابر سریع تر از روش موجود اجرا می یابد .
کلمات کلیدی: کارایی ماشین های مجازی، انتخاب مرکز داده، به حداقل رساندن پهنای باند، پردازش ابری
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2WT2aVP