بترکه چشم حسود    

جستجوی پیشرفته مقالات

     عنوان:

نماد اعتماد الکترونیکی

logo-samandehi

لیست مقالات ترجمه شده

سایر مقالات

امروز
دیروز
هفته جاری
هفته گذشته
ماه جاری
ماه گذشته
بازدید کل
870
8945
56527
6472843
114938
233912
6837315

آی‌پی شما: 3.215.182.36
امروز: یکشنبه، 24 آذر 1398 شمسی ساعت به وقت گرینویچ: 02:09:39

توجه                           توجه

تمامی مقالات ترجمه شده در قالب فایل ورد (Word)  ارائه می‌شوند.



زمانبندی چندمنظوره وظایف در پلتفرم های ابر

لینک دانلود فایل خریداری شده، بلافاصله بعد از پرداخت آنلاین فعال می‌شود.

عنوان محصول:
زمانبندی چندمنظوره وظایف در پلتفرم های ابر



قیمت: 360000 ریال

  دسته‌بندی: مقالات محاسبات ابری

Multi-objective scheduling of many tasks in cloud platforms

 

a b s t r a c t

The scheduling of a many-task workflow in a distributed computing platform is a well known NP-hard problem. The problem is even more complex and challenging when the virtualized clusters are used to execute a large number of tasks in a cloud computing platform. The difficulty lies in satisfying multiple objectives that may be of conflicting nature. For instance, it is difficult to minimize the makespan of many tasks, while reducing the resource cost and preserving the fault tolerance and/or the quality of service (QoS) at the same time. These conflicting requirements and goals are difficult to optimize due to the unknown runtime conditions, such as the availability of the resources and random workload distributions. Instead of taking a very long time to generate an optimal schedule, we propose a new method to generate suboptimal or sufficiently good schedules for smooth multitask workflows on cloud platforms. Our new multi-objective scheduling (MOS) scheme is specially tailored for clouds and based on the ordinal optimization (OO) method that was originally developed by the automation community for the design optimization of very complex dynamic systems. We extend the OO scheme to meet the special demands from cloud platforms that apply to virtual clusters of servers from multiple data centers. We prove the suboptimality through mathematical analysis. The major advantage of our MOS method lies in the significantly reduced scheduling overhead time and yet a close to optimal performance. Extensive experiments were carried out on virtual clusters with 16 to 128 virtual machines. The multitasking workflow is obtained from a real scientific LIGO workload for earth gravitational wave analysis. The experimental results show that our proposed algorithm rapidly and effectively generates a small set of semi-optimal scheduling solutions. On a 128-node virtual cluster, the method results in a thousand times of reduction in the search time for semi-optimal workflow schedules compared with the use of the Monte Carlo and the Blind Pick methods for the same purpose.

 

pdfدانلود رایگان مقاله انگلیسی                     2.22 MB

 

چکیده
زمانبندی جریان کار با تعداد زیادی وظیفه در پلتفرم محاسباتی توزیع شده، یک مسئله NP-hard است که یک مسئله با پیچیدگی و چالش بالا است، زمانیکه کلاسترهای مجازی سازی شده برای اجرای تعداد زیادی از وظایف در پلتفرم محاسبات ابری استفاده می شوند. سختی در برآورده سازی چندین هدف است که ممکن است از ماهیت پیچیده ای برخوردار باشند. بعنوان نمونه، کمینه سازی بازه اجرایی تعداد زیادی وظیفه با کاهش هزینه منبع و حفظ تحمل پذیری خرابی و/یا کیفیت سرویس بطور همزمان سخت است. بهینه سازی این نیازها و هدف ها به دلیل شرایط زمان اجرایی نامشخص مانند دسترس پذیری منابع و توزیع های بارکاری تصادفی سخت است. بجای صرف زمان طولانی برای تولید زمانبندی بهینه، یک روش جدید برای تولید زمانبندی های زیربهینه یا خوب برای جریان های کاری چند وظیفه ای یکنواخت روی پلتفرم های ابر پیشنهاد می کنیم.

 

تعداد صفحات مقاله انگلیسی: 12 صفحه
تعداد صفحات مقاله فارسی: 35 صفحه

 

 

نوع فایل: ورد

اضافه کردن نظر


کد امنیتی
تازه سازی