مقیاس بندی خودکار منبع ابری: رویکردهای نوین در گزینش VM مازاد
نویسنده:
چکیده:
ارائه دهندگان سرویس کاربرد (ASP) با هدف کاهش هزینه های مالی به اجاره ماشین مجازی (VM) ارائه شده در محیط ابری روی می آورند. مهمترین مشخصه رایانش ابری که می تواند به ASP در کاهش هزینه کمک کند، خاصیت مقیاس پذیری منابع ابری است. از این رو ASP با تدارک مکانیزمی جهت مقیاس بندی خودکار منابع اجاره شده، سعی می کند از تامین بیش از نیاز و تامین کمتر از نیاز جلوگیری کند. محققان به ارائه مکانیزم ها و بررسی پارامترهای موثر در تصمیم گیری این مکانیزم می پردازند. اما به جز نحوه دستیابی به یک تصمیم مقیاس بندی، چگونگی اجرا کردن تصمیم از اهمیت بالایی برخوردار است. از دید نویسندگان این مقاله، اینکه در هنگام اجرای تصمیم مقیاس بندی پایین کدام ماشین اجاره شده برای آزادسازی انتخاب شود یک چالش اساسی است که می تواند در عملکرد مکانیزم تاثیرگذار باشد. در این مقاله با شبیه سازی چرخه کامل مدیریت خودکار منابع در شبیه ساز کلادسیم ، رویکردهای نوینی برای گزینش VM مازاد ارائه می شوند. تفاوت چشمگیر در نتایج و عملکرد مکانیزم مقیاس بندی در اثر اعمال هر کدام از رویکردهای پیشنهادی، بر اثربخشی و اهمیت سیاست گذاری در گزینش VM مازاد دلالت می کنند. همچنین نتایج نشان داد که رویکردهای آگاه به بار می توانند به بهبود کیفیت سرویس (18 %) از لحاظ کمی و کیفی و رویکرد آگاه به هزینه به کاهش هزینه (20 %) کمک کنند.
زبان:
فارسی
انتشار در:
در صفحه:
39
لینک کوتاه:
magiran.com/p1659017
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!