دانلود با لینک مستقیم و پر سرعت .
در این مطلب یک مقاله انگلیسی ژورنال آی اس آی (ISI) جدید منتشر شده در سال 2016 در زمینه توازن بار (Load Balancing) در رایانش ابری یا محاسبات ابری (Cloud Computing) به کمک مهاجرت ماشین های مجازی (Virtual Machine Migration) برای شما تهیه کرده ایم.
توضیحات مقاله:
تکنیک توازن بار واکنشی مبتنی بر پیش بینی به کمک مهاجرت ماشین های مجازی در رایانش ابری
تعداد صفحه: 12 صفحه دوستونی
سال انتشار: 2016
محل انتشار: ژورنال معتبر مهندسی با کامپیوتر ( Engineering with Computers). مقالات این ژورنال توسط انتشارات اشپرینگر (Springer) و ACM ایندکس میشوند.
ضریب تاثیر (Impact Factor) این ژورنال :1.451
هزینه تقریبی ترجمه با بهترین کیفیت، کاملا تخصصی و تایپ شده: حدود 170 هزار تومان و با کیفیت متوسط حدود 135 هزار تومان
چکیده:
افزایش بیش از پیش پیچیدگی و پویایی سیستم های رایانش ابری باعث نیاز به توازن بار فعال (کنشی) شده است که یک راهبرد موثر برای بهبود مقیاس پذیری سرویس های ابری امروزی است. به منظور مدیریت فعال بودن بار در هنگام اجرای برنامه های کاربردی در کلود، بار باید به کمک روشهای یادگیری ماشین پیش بینی شود و با استفاده از تکنیک های مهاجرت ماشین مدیریت شود. از این رو، این مقاله تلاش ها را برای تمرکز روی یک مسئله پژوهشی به منظور طراحی یک روش مبتنی بر پیش بینی برای تسهیل توازن بار فعال به کمک پیش بینی چندین پارامتر استفاده از منابع در ابر فرموله میکند. این مقاله از دو جنبه به مسئله می پردازد. نخست، روشهای یادگیری ماشین گوناگونی تست میشوند و میزان استفاه بیش از حد و کمتر از میانگین منابع هاست ها در آنها مقایسه میشود. دوم، از میان مدل های آزمایش شده، مدل پیش بینی بار دارای بیشترین دقت، برای پیاده سازی مهاجرت ماشین های مجازی به صورت فعال با استفاده از چندین پارامتر مربوط به میزان استفاده از منابع به کار میرود. همچنین، تکنیک پیشنهادی به کمک پارامترهای ارزیابی کارایی در ابزارهای Cloudsim و Weka اعتبار سنجی شده است. نتایج شبیه سازی به خوبی نشان میدهد که روش پیشنهادی برای مدیریت مهاجرت ماشین های مجازی، کاهش نقض توافقنامه سطح سرویس (SLA)، میانگین زمان اجرا و زمان انحراف معیار موثر است.
کلمات کلیدی: رایانش ابری، محاسبات ابری، مهاجرت ماشین های مجازی، تحمل پذیری خطا، تحمل پذیری عیب، یادگیری ماشین
Abstract The ever-growing intricacy and dynamicity of Cloud Computing Systems has created a need for Proactive Load Balancing which is an effective approach to improve the scalability of today’s Cloud services. In order to manage the load proactively on the Cloud system during application execution, load should be predicted through machine learning approaches and handled through VM migration approaches. Thus, this paper formulates an effort to focus on the research problem of designing a prediction-based approach for facilitating proactive load balancing through the prediction of multiple resource utilization parameters in Cloud. The involvement of this paper is twofold. Firstly, various machine learning approaches have been tested and compared for predicting host overutilization as well as underutilization. Secondly, the load prediction model having maximum accuracy from the tested models has been utilized for implementing the proactive VM migration using multiple resource utilization parameters. Further, the proposed technique has been validated through performance evaluation parameters using CloudSim and Weka toolkits. The simulation results clearly demonstrate that the proposed approach is effective for handling VM migration, reducing SLA Violations, VM migrations, execution mean and standard deviation time.
Keywords Cloud Computing · VM migration · Fault tolerance · Machine learning
کلمات کلیدی:
مقاله 2016 کامپیوتر، مقاله 2016 کلود، مقاله 2016 ابر، مقاله 2016 توازن بار، مقاله 2016 مهاجرت ماشین های مجازی، مقاله جدید رایانش ابری، مقاله 2016 محاسبات ابری، ، مقاله کامپیوتر، مقاله فارسی کامپیوتر، الگوریتم های مهاجرت ماشین های مجازی رایانش ابری، الگوریتم های تثبیت سرور در رایانش ابری، روشهای تحکیم سرور در محاسبات ابری، مقایسه الگوریتم های مهاجرت ماشین های مجازی در رایانش ابری، مقایسه الگوریتم های تحمل پذیری خطا در رایانش ابری، رایانش ابری، محاسبات ابری، کلود، مقاله رایانش ابری، مقاله محاسبات ابری، شبیه سازی رایانش ابری، شبیه سازی محاسبات ابری، کلود سیم، کلود آنالیست، توزان بار در رایانش ابری، توازن بار در محاسبات ابری، زمانبندی در رایانش ابری، زمانبندی در محاسبات ابری، توازن ابر، چالش های توازن بار، الگوریتم های توازن بار ابری، زمابندی کارها، زمانبندی وظایف، مقایسه الگوریتم های زمانبندی در رایانش ابری، Cloud Computing, cloud computing load balancing, load balancing in cloud computing, cloud scheduling, scheduling in cloud computing, job scheduling, task scheduling, genetic algorithms, honey bee algorithm, virtual machine migration, vm migration, server consolidation, backfill algorithms, cloud analyst, cloud sim، 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 انگلیسی ترجمه شده، مقاله ترجمه شده، مقاله 2015 ترجمه شده، مقاله و ترجمه، ترجمه مقاله رایانش ابری، ترجمه مقاله isi، خرید ترجمه مقاله، خرید مقاله، دانلود مقاله کامپیوتر، دانلود رابگان مقاله رایانش ابری، مقاله جدید کامپیوتر، زمانبندی رایانش ابری، زمانبندی ماشین های مجازی، رایانش ابری موبایل، رایانش ابری سیار، محاسبات ابری موبایل، محاسبات ابری سیار، چالش های رایانش ابری سیار، چالش های رایانش ابری موبایل، مدل های برنامه نویسی رایانش ابری موبایل، مدل های برنامه نویسی محاسبات ابری سیار، خدمات پلتفرم، خدمات پلت فرم، سرویس های پلت فرم، زمانبندی ماشین های فیزیکی در رایانش ابری، کلود، زمانبندی برای کاهش مصرف انرژی، شبیه سازی رایانش ابری، 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، زمانبندی vm، زمانبندی ماشین مجازی، مجازی سازی، 2015 Article, ISI Article, Virtualization, Power saving scheduling in cloud computing, context-rich services, presence service مقاله کامپیوتر، مقاله ISI کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله 2015 کامپیوتر، مقاله ISI 2015 کامپیوتر، رایانش ابری، محاسبات ابری، ابر، کلود، محاسبات گریدی، رایانش گریدی، گرید، شبکه های گریدی، شبکه های ابری، جریان کاری، موازی سازی جریان کار، جریان کاری علمی، داده های بزرگ، کلان داده ها، داده های حجیم، سیستم های توزیع شده، سیستم های موازی، موازی سازی، زمانبندی در ابر، طرح اجرای جریان کاری، دانلود مقاله 2015 کامپیوتر، مقاله 2015 رایگان، دانلود رایگان مقاله 2015 کامپیوتر، Grid Computing, Cloud Computing, Parallel execution, workflow management, parallel workflow execution system, multisite cloud, distributed computing, scheduling
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:
IRTopArticle@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.
