نمونه مقالات در حوزه شبکه های ابری Load Balancing

شبیه‌سازی یا سیمولاسیون، تقلید یک چیز واقعی یا وضعیت اجتماعی یا یک فرایند است و معمولاً متضمن وانمایاندن شماری ویژگی‌ها یا رفتارهای کلیدی در یک سامانهٔ فیزیکی یا انتزاعی است .
شبیه‌سازی در بسیاری زمینه‌ها از جمله مدل‌سازی سامانه‌های طبیعی و انسانی، برای کسب بینش پیرامون نحوهٔ کارشان، به کار می‌رود. موارد دیگر شامل شبیه‌سازی فناوری برای بهینه‌سازی عملکرد، مهندسی ایمنی، آزمایش، آموزش و مهارت‌آموزی‌است.
Administrator
Site Admin
پست: 293
تاریخ عضویت: چهار شنبه ژولای 17, 2019 10:01 am

بهینه سازی ابر سرور با استفاده از تکنیک های متعادل سازی بار و محاسبات سبز با استفاده از الگوریتم پویا مقایسه و تعادل

پست توسط Administrator » سه شنبه ژولای 23, 2019 7:37 pm

محاسبات ابر یک مفهوم کسب و کار برای ارائه منابع IT آنلاین و خدمات فناوری اطلاعات بر اساس تقاضا با استفاده از پرداخت در هر مدل استفاده است که هدف اصلی ارائه دهنده خدمات ابری است استفاده از منابع محاسبات ابری به طور موثر و به دست آوردن سود حاشیه. یکی از زمینه های چالش برانگیز در محاسبات ابر، بهینه سازی مکرر سرور ابر است. این عمدتا مربوط به توازن بار در مراکز داده ابر است تا بهبود کارایی دستگاه میزبان و به حداقل رساندن تعداد ماشین میزبان فعال برای پشتیبانی از مفهوم محاسبات سبز. برای تعادل بار کل مرکز داده، ما باید ماشین مجازی میزبان بیش از حد را به میزبان وزن سبک با استفاده از تکنیک های مهاجرت انتقال دهیم. در این مقاله، ما یک الگوریتم مقایسه و تعادل پویا مبتنی بر آستانه (DCABA) را برای بهینه سازی سرور ابر معرفی می کنیم. بر خلاف استراتژی های بهینه سازی سرور که تنها به محاسبه بار بارگذاری و برنامه ریزی منابع بر اساس استفاده از CPU، RAM و BW در سرورهای فیزیکی اشاره می کنند، DCABA همچنین تعداد ماشین های میزبان را که می بایست به آنها متصل می شود، به حداقل می رساند، برای کاهش هزینه خدمات ابری. رویکرد ما می تواند هدف کاهش هزینه خدمات در صنعت ابر با استفاده موثر از منابع در دسترس باشد.

Administrator
Site Admin
پست: 293
تاریخ عضویت: چهار شنبه ژولای 17, 2019 10:01 am

محاسبه ابر محاسباتی با

پست توسط Administrator » سه شنبه ژولای 23, 2019 7:37 pm

توسعه سریع اینترنت، مدل کسب و کار جدیدی را به وجود آورده است: Cloud Computing. این پارادایم جدید در سال های اخیر شاهد افزایش چشمگیری بوده است. به دلیل ابتلا به آن، این مدل همچنان یک الگو برای توسعه است. به طور خاص، آن باید ویژگی های مشابه خدمات را از سیستم های سنتی ارائه دهد. محاسبات ابری بزرگ سیستم های توزیع شده است که از منابع توزیع شده برای ارائه سرویس برای پایان دادن به کاربران با استفاده از چندین تکنولوژی استفاده می کنند. از این رو زمان پاسخگویی قابل قبول برای کاربران نهایی، یک چالش بزرگ برای محاسبات ابری ارائه می دهد. تمام اجزاء باید برای حل این چالش همکاری کنند، به ویژه از طریق الگوریتم های متعادل کننده بار. این امر در دسترس خواهد بود و اعتماد به نفس نهایی را به دست خواهد آورد.

Administrator
Site Admin
پست: 293
تاریخ عضویت: چهار شنبه ژولای 17, 2019 10:01 am

برنامه ریزی وظیفه متعادل کننده بار بر اساس الگوریتم ژنتیک چند جمعیت در محاسبات ابری

پست توسط Administrator » سه شنبه ژولای 23, 2019 7:37 pm

در این مقاله، الگوریتم ژنتیک چند جمعیتی (MPGA) با توجه به توازن بار، برای حل مسائل زمانبندی کار در محیط ابر به جای الگوریتم ژنتیکی برای جلوگیری از همگرایی زودرس تصویب می شود. برای افزایش کارآیی جستجو، الگوریتم min-min و max-min برای ابتدای جمعیت استفاده می شود. علاوه بر این، معیار Metropolis در این مقاله برای نمایش فرزندان استفاده می شود به طوری که افراد ضعیف نیز با احتمال خاصی پذیرفته می شوند، سپس می توان تنوع جمعیت را حفظ کرد و همچنین بهینه سازی محلی نیز می تواند اجتناب شود. نتایج شبیه سازی نشان می دهد که یک نتیجه برنامه ریزی کار بهتر (زمان تکمیل کوتاه تر، هزینه های پردازش پردازش، متعادل سازی بار) می تواند از طریق الگوریتم برنامه ریزی کار مبتنی بر MPGA،

Yaramoozan.ir@gmail.com

تصویر

ارسال پست

بازگشت به “شبیه سازی کامپیوتری و پیاده سازی مقالات”