Skip Navigation Linksلیست مقالات ترجمه شده / خرید و دانلود
940,500

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " تدارک پویا و مدیریت منبع، برای اپلیکیشن های ابری چندلایه‌ای " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
تدارک پویا و مدیریت منبع، برای اپلیکیشن های ابری چندلایه‌ای
نویسنده/ناشر/نام مجله :
Foundations of Computing and Decision Sciences
سال انتشار
2000
کد محصول
1005536
تعداد صفحات انگليسی
17
تعداد صفحات فارسی
22
قیمت بر حسب ریال
940,500
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
1 مگا بایت
تصویر پیش فرض




Abstract

Dynamic capacity provisioning is a useful technique for handling the workload variations seen in cloud environment. In this paper, we propose a dynamic provisioning technique for multi-tier applications to allocate resources efficiently using queueing model. It dynamically increases the mean service rate of the virtual machines to avoid congestion in the multi-tier environments. An optimization model to minimize the total number of virtual machines for computing resources in each tier has been presented. Using the supplementary variable and the recursive techniques, we obtain the system-length distributions at pre-arrival and arbitrary epochs. Some important performance indicators such as blocking probability, request waiting time and number of tasks in the system and in the queue have also been investigated. Finally, computational results showing the effect of model parameters on key performance indicators are presented

چکیده

تدارک ظرفیت پویا را می‌توان تکنیکی مفید برای مدیریت نوسانات باری کاریِ موجود در محیط کلود(ابری) دانست. در این مقاله قصد داریم یک تکنیک تدارک پویا را برای اپلیکیشن های چندلایه‌ای ارائه دهیم تا بتوانیم با استفاده از مدل صف‌بندی به تخصیص کارآمد منابع به این اپلیکیشن ها بپردازیم. این روش می‌تواند  میانگین نرخ سرویس‌دهی  ماشین‌های مجازی را افزایش داده و می‌تواند از ازدحام در محیط‌های چندلایه‌ای اجتناب نماید. یک مدل بهینه‌سازی شده به‌منظور کمینه‌سازی کل تعداد ماشین‌های مجازی برای  منابع رایانشی در هر لایه نیز ارائه‌شده است. با استفاده از  متغیر مکمل و تکنیک‌های بازگشتی، یک توزیعی به طول سیستم را در بازه‌های دلخواه و پیش از ورود به دست آورده‌ایم. بعضی از شاخص‌های مهم کارائی، مانند احتمال بلاکه سازی، زمان انتظار درخواست و تعداد وظایف در سیستم  و در صف نیز موردبررسی قرارگرفته است. درنهایت، نتایج محاسباتی که نشان‌دهنده‌ی تأثیر پارامترهای مدل بر روی شاخص‌های کارائی کلیدی بوده است نیز ارائه‌شده است.

1-مقدمه

دیتاسنتر‌های بزرگ‌مقیاس، میزبانی بسیاری از اپلیکیشن های وب را بر عهده دارند و سرویس‌های جامعی را در اختیار آن‌ها قرار می‌دهند. در چنین سیستم‌هایی،  نیاز است تا کیفیت سرویس (QoS) و کارائی برای هرکدام از سرویس‌ها تضمین شود [3]. QoS مربوط به اپلیکیشن های مورد میزبانی قرارگرفته شده، نقش عمده‌ای را در جذب و نگهداری مشتریان بازی می‌کنند  و به‌صورت مستقیم بر روی سرویس‌دهنده تأثیر دارد. ازاین‌رو سرویس‌دهندگان می‌توانند سطح خاصی از کیفیت سرویس را برای هر اپلیکیشن تضمین نمایند. در عوض، کلاینت‌ها نیز قبول می‌کنند تا بر مبنای  سطح کیفیت سرویسی که دریافت می‌کنند، هزینه‌ای را به سرویس‌دهنده بپردازند. چنین مباحثی از نیازمندی‌های QoS بر مبنای توافق سطح سرویس قابل‌بحث است که در آن، سطح کارائی قابل‌انتظار و مدل هزینه به شفاف تعریف می‌رود [7]. مسئله‌ی اصلی در حفظ کیفیت سرویس، نوسان بالای بارکاری می‌باشد که تخمین نیازمندی‌های منابع را با مشکل روبرو می‌سازد...



این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:





cloud computing
virtual machines
multi-tier web application
queuing
performance modelling

ثبت سفارش جدید