این مقاله با بهترین کیفیت و در 33 صفحه به صورت کاملا تخصصی ترجمه شده است و با قیمت 26 هزار تومان برای خرید موجود است:
زبان مقاله: انگلیسی
قالب: پی دی اف (PDF)
تعداد صفحات: 13
سال انتشار: 2015
محل انتشار: ژورنال معروف Future Generation Computer Systems
رایانش ابری یا محاسبات ابری (Cloud Computing) یک مدل محاسباتی با مقیاس بالاست که به ماشین های فیزیکی محاسباتی زیادی نیاز دارد. این ماشین ها میزان برق زیادی مصرف میکنند که این میزان مصرف از میزان سود فراهم کنندگان سرویس خواهد کاست و منجر به آسیب رساندن به محیط خواهد شد. امروزه در رایانش ابری به میزان زیادی از مجازی سازی (Virtualization) استفاده میشود. با این حال، استفاده از روشهای با مصرف انرژی بهنیه موجود برای زمانبندی ماشین های مجازی (Virtual Machine یا VM) در ابر در صورتی امکان پذیر است که ماشین های فیزیکی (Physical Machine یا PM) همگن باشند. شبکه های ناهمگن (Heterogeneous) معمولا از تکنولوژی های بهینه سازی مصرف انرژی سخت افزاری مانند ولتاژ متغیر (Dynamic Voltage) و مقیاس بندی فرکانس (Frequency Scaling) مانند DVFS استفاده نمیکنند.
این مقاله یک الگوریتم بهینه مصرف انرژی به نام EEVS برای زمانبندی ماشین های مجازی در ابر پیشنهاد میدهد که محدودیت های زمانی (Deadline) را در نظر میگیرد و میتواند به خوبی از مقیاس بندی فرکانس (DVFS) استفاده کند. یک نتیجه گیری جدید به دست می آید به این صورت که برای هر ماشین فیزیکی (PM) یک فرکانس بهینه وجود دارد که میتواند در آن ماشین مجازی خاصی را پردازش کند و بر این اساس مفهوم کارایی توان بهینه تعریف میشود که برای اندازه گیری ماشین های مجازی همگن (homogeneous) به کار میرود. ماشین فیزیکی با بالاترین نسبت کارایی توان بهینه، قبل از دیگر ماشین ها به ماشین های مجازی اختصاص داده خواهد شد تا بتواند در مصرف انرژی صرفه جویی کند. فرآیند EEVS به چند بازه زمانبندی معادل تقسیم شده است که در هر کدام ماشین های مجازی به ماشین های فیزیکی مناسب انتساب داده میشوند و هر هسته فعال پردازشی با یک فرکانس بهینه کار میکند. پس از هر بازه زمانی، ابر باید دوباره پیکربندی شود تا بتواند منابع پردازشی را برای کاهش بیشتر در مصرف انرژی یکپارچه کند. همچنین محدودیت های مهلت زمانی بایستی در طول زمانبندی برآورده شود. نتایج شبیه سازی نشان میدهد که روش پیشنهادی در این مقاله در بهترین حالت میتواند به 20 درصد کاهش مصرف انرژی و 8 درصد افزایش ظرفیت پردازشی منجر شود.
این مقاله در سال 2015 در ژورنال "نسل های آینده سیستم های کامپیوتری" با عنوان انگلیسی "Future Generation Computer Systems" منتشر شده است. این ژورنال بسیار معتبر است و توسط انتشارات الزویر (Elsevier) ایندکس میشود.
کلمات کلیدی:
مقاله 2015 کامپیوتر، مقاله 2015 رشته کامپیوتر، مقاله انگلیسی 2015، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، مقاله رایانش ابری، مقاله محاسبات ابری، مقاله جدید کامپیوتر، زمانبندی رایانش ابری، زمانبدی ماشین های مجازی، زمانبندی ماشین های فیزیکی در رایانش ابری، کلود، زمانبندی برای کاهش مصرف انرژی، کاهش مصرف برق در رایانش ابری، شبیه سازی رایانش ابری، ولتاژ پویا، مقاله 2015 ترجمه شده، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، مقاله رایانش ابری ترجمه شده، مقاله ترجمه شده جدید رایانش ابری، مقاله ترجمه شده جدید محاسبات ابری، مقاله با ترجمه، مقاله ISI با ترجمه، ولتاژ داینامیک، ولتاژ متغیر، مقیاس بندی فرکانس، اختصاص ماشین های مجازی، الگوریتم های زمانبندی ابری، درجه بندی فرکانس، کاهش مصرف توان در محاسبات ابری، زمانبندی vm، زمانبندی ماشین مجازی، شناسایی میزبان پربار ، شناسایی میزبان کم بار، vm selection، vm placement ، مجازی سازی، 2015 Article, ISI Article, Virtualization, Power saving scheduling in cloud computing, Dynamic voltage, frequency scaling
(قیمت ترجمه این مقاله با بهترین کیفیت، کاملا تخصصی و تایپ شده: 20 هزار تومان)
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:
ArticleEbookFinder@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
(ترجمه شد) دانلود مقاله 2015 آی اس آی (ISI) رایانش ابری -- زمانبندی ماشین های مجازی در رایانش ابری برای صرفه جویی در مصرف انرژی