تحقیق زمان بندی وظایف برای افزایش سودآوری در محیط محاسبات ابری هیبریدی

توضیحات

تحقیق زمان بندی وظایف برای افزایش سودآوری در محیط محاسبات ابری هیبریدی

محاسبات­ ابری یک تکنولوژی جدید برای انجام برنامه­ های محاسباتی در زمان حال و آینده می­باشد و به دنبال دسترسی منابع محاسباتی دور که معمولا دارای محدودیت مکانی نیز هستند را فراهم می­کند. در اصل محاسبات­ ابری بر پایه روش­های محاسبات شبکه، محاسبات سودمند و مجازی­ سازی می­باشد. هدف از زمان­ بندی ابری ایجاد توان عملیاتی و محاسباتی بالا برای سیستم و تخصیص منابع مختلف به برنامه­های مختلف کاربران می­باشد. زمان­بندی وظایف یک موضوع اساسی در حصول کارایی در یک محیط توزیع­شده بزرگ ابری است و کاربردهای مختلف برای کاربران ابری به همراه دارد.

به دلیل کاربردی بودن مسائل مربوط به محاسبات­ ابری و زمان­بندی وظایف ابری، در این تحقیق یک ارزیابی بر روی مسائل مربوط به زمانبندی وظایف در محیط محاسبات ­ابری هیبریدی با هدف بیشینه ­سازی سودآوری در ابر و مسائل مرتبط با آن خواهیم داشت.

هدف این تحقیق، بررسی و مطالعه کارهای انجام شده در راستای زمان­بندی وظایف ابر هیبریدی می­باشد

1-1-مقدمه

  محاسبات­ ابری[1] از توسعه محاسبات گرید، مجازی­سازی و فناوری­ های وب بوجود آمده است. محاسبات­ ابری محاسبات مبتنی بر اینترنت است. در محیط­ های­ ابری مصرف کنندگان درگیر سرمایه­ گذاری زیاد در زیر ساخت­های فناوری اطلاعات و مسائل پیچیده مربوط به ساخت و نگهداری آن­ها نمی­شوند. در این محیط، کاربران بدون توجه به اینکه خدمات در کجا میزبانی می­شوند به خدمات مورد نیاز خود دسترسی دارند. رایانش ­­ابری بر اساس مدل <<­پرداخت کن– استفاده کن­>> میزبانی برنامه­های کاربردی، تجاری و علمی و غیره را برعهده می­گیرد.

1-1-1-سرویس های رایج محاسبات­ابری

   در محاسبات­ابری سه سرویس بصورت کلی و عمومی داریم که در ادامه هر کدام را تعریف و تشریح می­سازیم[1].

1-1-1-1-زیرساخت به عنوان سرویس[2]

  این سرویس زیرساختی امکانات ذخیره سازي و پردازشی را به صورت سرویس­هاي استاندارد در شبکه به ما می­دهد. سرویس دهنده، سیستم­ هاي ذخیره سازی، سوئیچ­ها، مسیریاب­ها و سیستم­ هاي دیگر به صورت مجموعه ­اي، پردازش­هاي متنوعی از مولفه گرفته تا یک برنامه­ ي کاربردي محاسبات پیچیده را مدیریت می­کنند.

 

…

فهرست مطالب  تحقیق زمان بندی وظایف برای افزایش سودآوری در محیط محاسبات ابری هیبریدی

• 1 فصل اول: کلیات تحقیق
•    1 -1مقدمه2
• 1 -1-1سرویس­های رایج محاسبات­ابری2
• 1 -1-1-1زیرساخت به عنوان سرویس2
• 1 -1-1-2پلت­فرم به عنوان سرویس3
• 1 -1-1-3نرم افزار به عنوان سرویس3
•    1-2بیان مساله5
•    1-3ضرورت تحقیق6
•     1-4اهداف تحقیق7
•     1-5مدل سازی مساله زمان­بندی8
•    1-6روش کار تحقیق8
•   1-7مراحل انجام تحقیق8
• 1-8 ساختار تحقیق9
• 2 فصل دوم: ادبیات پایه تحقیق
• 2-1مقدمه11
• 2-2مفاهیم پایه تحقیق11
• 2 -2-1 محاسبات­ابری12
• 2 -2-2 انواع ابر12
• 2 -2-2-1مدل­های استقرار13
• 2-2-3 تعریف ماشینم مجازی15
• 2-2-4 مرکز اطلاعات16
• 2-2-5 مدیریت تخصیص منابع16
• 2-2-6 زمان­بندی وظایف18
• 2-2-7 مزایای محاسبات­ابری19
• 2-2-8 معایب محاسبات­ابری21
• 2 -2-9 توافق­نامه سطح خدمات21
• 2 -2-10 زمان­بندی وظایف در محیط ابر هیبریدی23
• 3-2 معرفی برخی از الگوریتم­ها26
• 3-2-1 الگوریتم­های تکاملی26
• 3-2-1-1 روش الگوریتم تکاملی27
• 3-2-1-2 شبیه­ساز تبرید تدریجی28
• 3-2-1-3 تعریف الگوریتم ژنتیک29
• 3-2-1-3-1 مکانیزم الگوریتم ژنتیک30
• 3-2-1-4 الگوریتم بهینه ساز ازدحام ذرات31
• 3-2-1-4-1 مکانیزم الگوریتم pso32
• 3 فصل سوم: پیشینه تحقیق
• 3-1 مقدمه35
• 3-2مرور اِجمالی بر کارهای مرتبط35
• 3-3 جمع­بندی تحقیق52
• 3-4 نتیجه­گیری تحقیق53
• منابع فارسی54
• منابع لاتین55

منابع تحقیق زمان بندی وظایف برای افزایش سودآوری در محیط محاسبات ابری هیبریدی

]1[. شورانگیز محمودزاده،”زمان­بندی پویای وظایف در محیط­های پردازش ابری”، اولین همایش بین­المللی مهندسی برق، علوم کامپیوتر و فناوری اطلاعات، سال 1396.

]2[. نسیم نوری یگانه، رسول روستایی،”زمان­بندی وظایف در رایانش­ابری”، دومین کنفرانس ملی تحقیقات کاربردی در مهندسی برق و کامپیوتر و فناوری اطلاعات، سال 1396.

]3[. زینب عزیزپور، شیوا رزاق زاده، سیدهادی سید حاتمی،”ارائه الگوریتم ترکیبی کرم­شب­تاب و الگوریتم ژنتیک تخصیص منبع و زمان­بندی در محیط رایانش­ابری”،سومین کنفرانس ملی رویکردهای نوین در مهندسی کامپیوتر و برق، سال 1396.

]4[. فاطمه عبداله­ئی، منیژه حسنی چوکامی،”تاثیر زمان­بندی کار و بهبود آن در رایانش­ابری”، دومین کنفرانس ملی رویکردهای نوین در مهندسی کامپیوتر باشگاه پژوهشگران جوان و نخبگان، سال 1396.

]5[ دکتر محمد رضا اکبرزاده توتونچی، “جزوه درسی محاسبات نرم”، دانشگاه آزاد سنندج، سال 1391-1389.

[6] L. Wu, S. K. Garg, S. Versteeg, and R. Buyya, “SLA-based resource provisioning for hosted software-as-a-service applications in cloud computing environments,” IEEE Trans. Services Comput, IEEE, 2014.

[7] Haitao Yuan, Jing Bi, Member, Wei Tan, and Bo Hu Li,”Temporal Task Scheduling With Constrained Service Delay for Profit Maximization in Hybrid Clouds”,IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING, IEEE, 2016.

 [8] R. Buyya, C. S. Yeo, S. Venugopal, J. Broberg, and I. Brandic, “Revenue maximization with optimal capacity control in infrastructure as a service cloud markets,” IEEE Trans. Cloud Comput, IEEE, 2015.

[9] D. Bruneo, “A stochastic model to investigate data center performance and QoS in IaaS cloud computing systems,” IEEE Trans. Parallel Distrib, IEEE, 2014.

[10] K. Hwang, X. Bai, Y. Shi, M. Li, W. G. Chen, and Y. Wu, “Is the same instance type created equal? Exploiting heterogeneity of public clouds,” IEEE Trans. Parallel Distrib, IEEE, 2015.

[11] X. Zuo, G. Zhang, and W. Tan, “Self-adaptive learning PSO-based deadline constrained task scheduling for hybrid IaaS cloud,” IEEE Trans. Autom. Sci. Eng., IEEE , 2014.

[12] J. Mei, K. Li, A. Ouyang, and K. Li, “A profit maximization scheme with guaranteed quality of service in cloud computing,” IEEE Trans. Comput, IEEE, 2015.

[13] J. Luo, L. Rao, and X. Liu, “Temporal load balancing with service delay guarantees for data center energy cost optimization,” IEEE Trans. Parallel Distrib, IEEE, 2014.

[14] Hui Jiang, Jianjun Yi, Shaoli Chen, Xiaomin Zhu,” A multi-objective algorithm for task scheduling and resource allocation in cloud-based disassembly”, Journal of Manufacturing Systems, ELSIVIER, 2016.

 [15] H. Zhao, M. Pan, X. Liu, X. Li, and Y. Fang, “Exploring fine-grained resource rental planning in cloud computing,” IEEE Trans. Cloud Comput., IEEE, 2015.

 [16] Huda Hallawi1, Jörn Mehnen, Hongmei He,” Multi-Capacity Combinatorial Ordering GA in Application to Cloud Resources Allocation and Efficient Virtual Machines Consolidation”, Future Generation Computer Systems, ELSIVIER, 2016.

[17] Sura Khalil Abd, S.A.R Al-Haddad, Fazirulhisyam Hashim, Azizol B HJ Abdullah, and Salman Yussof,” An Effective Approach for Managing Power Consumption in Cloud Computing Infrastructure”, Journal of Computational Science,  2016.

[18] Feroz Zahid, Ernst Gunnar Gran, Bartosz Bogda´nski, Bjorn Dag, Johnsen, Tor Skeie, “Efficient network isolation and load balancing in multi-tenant HPC clusters”, Preprint submitted to Journal of Future Generation Computer Systems, SPRINGER, 2016.

 [19] Giang Son Tran, Thi Phuong Nghiem,” Cooperative IaaS Resource Management: Policy and Simulation Framework ”, Knowledge and Systems Engineering (KSE), 2015 Seventh International Conference on , IEEE, 2015.

 [20] Massimo Ficcoa, Christian Espositob, Francesco Palmierib, Aniello Castiglioneb,” A Coral-Reefs and Game Theory-based Approach for Optimizing Elastic Cloud Resource Allocation Preprint submitted to Future Generation Computer Systems, ELSEVIER, 2016.

[21] Pandaba Pradhan1 Prafulla Ku. Behera B N B Ray,” Modified Round Robin Algorithm for Resource Allocation in Cloud Computing”, International Conference on Computational Modeling and Security, ELSEVIER, 2016.

[22] M. Menzel, R. Ranjan, L. Wang, S. U. Khan, and J. Chen, “CloudGenius: A hybrid decision support method for automating the migration of web application clusters to public clouds,” IEEE Trans. Comput., IEEE, 2015.

توجه:

تحقیق زمان بندی وظایف برای افزایش سودآوری در محیط محاسبات ابری هیبریدی شامل یک فایل ورد 60 صفحه ای می باشد.

لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش تحقیق

به منظور سفارش تحقیق مرتبط با رشته تخصصی خود بر روی کلید زیر کلیک نمایید.

سفارش تحقیق