(77 امتیاز از 16 رای)
Loading...
دانلود ترجمه مقاله زمان بندی انرژی آگاه ماشین های مجازی در محاسبات ابری
ترجمه مقاله Energy efficient scheduling of virtual machines in cloud with deadline constraint
در این پست ترجمه مقاله زمان بندی انرژی آگاه ماشین های مجازی در محاسبات ابری را برای شما عزیزان آماده کردیم که علاوه بر چکیده و مقدمه می توانید جزئیات دقیق این مقاله را با دانلود مقاله اصلی بدست آورید امیدواریم مورد رضایت شما دوستان قرار گرفته باشد.
چکیده زمان بندی انرژی آگاه ماشین های مجازی در محاسبات ابری :
محاسبات ابری (Cloud computing) یک مدل محاسباتی براساس مقیاس است که در آن به ماشین های فیزیکی بیشتری نیاز بوده و توان مصرفی در آن بسیار زیادی می باشد که همین موضوع سود ارائه دهندگان خدمات محاسبات ابری را کاهش می دهد و همچنین به محیط زیست نیز آسیب می رساند. مجازی سازی در محاسبات ابری امروزه به طور گسترده ای مورد استفاده قرار می گیرد. با این حال، روش های موجود به منظور زمان بندی کارآمد انرژی ماشین های مجازی (VMs) در محاسبات ابری قادر به عملکرد خوبی نیستند، از این رو در صورتی که ماشین های فیزیکی (PMs) ناهمگن باشند و توان کلی آنها در نظر گرفته شود، و اغلب از تکنولوژی های سخت افزاری صرفه جویی در مصرف انرژی، همچون ولتاژ دینامیکی و مقیاس سازی فرکانسی (DVFS) بهره نمی برند.
قابل ذکر است عنوان دقیق فارسی این مقاله “زمان بندی کارآمد انرژی ماشین های مجازی در محاسبات ابری با محدودیت زمانی” می باشد. توضیحات بیشتر ترجمه مقاله زمان بندی انرژی آگاه ماشین های مجازی در محاسبات ابری و دانلود رایگان مقاله اصلی در ادامه مطلب.
مقدمه زمان بندی انرژی آگاه ماشین های مجازی در محاسبات ابری :
محاسبات ابری به منظور ذخیره سازی، مدیریت و آنالیز داده های حجیم توسعه پیدا کرده است. اهداف اولیه محاسبات ابری عبارتند از کارایی بالا، مقیاس پذیری، ظرفیت، هزینه زیرساخت و غیره، که شامل انرژی نمی گردد. با رشد تعداد و اندازه مراکز اطلاعاتی، مصرف انرژی به یک چالش هم برای شرکت ها و هم برای دولت ها تبدیل شد.
چکیده انگلیسی زمان بندی انرژی آگاه ماشین های مجازی در محاسبات ابری:
Cloud computing is a scale-based computing model, and requires more physical machines and consumes an extremely large amount of electricity, which will reduce the profit of the service providers and harm the environment. Virtualization is widely used in cloud computing nowadays. However, existing energy efficient scheduling methods of virtual machines (VMs) in cloud cannot work well if the physical machines(PMs) are heterogeneous and their total power is considered, and typically do not use the energy saving technologies of hardware, such as dynamic voltage and frequency scaling (DVFS).
This paper proposes an energy efficient scheduling algorithm, EEVS, of VMs in cloud considering the deadline constraint, and EEVS can support DVFS well. A novel conclusion is conducted that there exists optimal frequency for aPMto process certain VM, based on which the notion of optimal performance–power ratio is defined to weight the homogeneous PMs. The PM with higher optimal performance–power ratio will be assigned to VMs first to save energy. The process of EEVS is divided into some equivalent schedule
periods, in each of which VMs are allocated to proper PMs and each active core operates on the optimal frequency. After each period, the cloud should be reconfigured to consolidate the computation resources to further reduce the energy consumption. The deadline constraint should be satisfied during the scheduling The simulation results show that our proposed scheduling algorithm achieves over 20% reduction of energy and 8% increase of processing capacity in the best cases.
منبع : sciencedirect.com
شبیه سازی شبکه های کامپیوتری و مخابراتی
مشاهده ویدئو در این باره
سلام ترجمه مقاله در مورد شبکه های عصبی نیاز دارم فرقی نمی کنه با چه نرم افزاری باشه موجود دارین ؟