این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۸، شماره ۲، صفحات ۸۰-۱۰۱
عنوان فارسی رویکرد تخصیص منبع کارا برای پردازش داده های حوزه سلامت در محیط رایانش ابری
چکیده فارسی مقاله امروزه، پردازش داده‌های مراقبت‌های بهداشتی رسانه‌های بزرگ در ابر به راه حلی مؤثر برای برآورده کردن تقاضاهای کیفیت سرویس کاربران پزشکی تبدیل شده است. اما فراهم ساختن مراقبت های بهداشتی برای جامعه فعالیتی پیچیده است که شدیداً متکی بر پردازش اطلاعات است و پردازش داده های حوزه سلامت می تواند برای سازمان ها بسیار هزینه بر باشد. بر همین اساس امروزه، پردازش داده های حوزه سلامت رسانه‌های بزرگ در ابر به راه حلی مؤثر جهت مرتفع سازی تقاضاهای کیفیت سرویس کاربران حوزه بهداشت و سلامت تبدیل شده است. بر همین اساس در این مقاله، یک راهکار فازی برای تعیین ابر بهینه با استفاده از تکنیک پیش بینی منابع ارائه می شود. همچنین به منظور ایجاد توازن در حین پردازش وظایف از تکنیک مهاجرت ماشین مجازی مبتنی بر انتخابگر فازی جهت انتقال ماشین مجازی از یک سرور با بار زیاد به یک سرور کم بار استفاده می شود. ساختار معماری پیشنهادی شامل دو بخش محلی و سراسری است که برای تحویل درخواست به قسمت سراسری باید ابتدا قسمت محلی بررسی گردد، در صورت نداشتن شرایط، درخواست به قسمت سراسری تحویل داده می شود. در واقع معماری پیشنهادی به صورت سلسه مراتبی عمل می کند و در ابتدا لیست درخواست های رسیده ایجاد می گردد سپس با استفاده از راهکار پیشنهادی، میزان منابع موجود تخمین زده می شود و بر اساس آن، تخصیص منبع جهت پردازش انجام می گیرد. جهت ارزیابی از شبیه ساز Cloudsim استفاده شده است و با توجه به پارامترهای مختلف، راهکار پیشنهادی با الگوریتم های FAHP و ICA-K-Means مورد مقایسه قرار گرفته است. نتایج حاصل از شبیه‌سازی نشان می دهد که راهکار پیشنهادی در مقایسه با الگوریتم FAHP به میزان 10درصد و نسبت به ICA-K-Means به میزان 12درصد کاهش هزینه بوجود آمده است. همچنین تعداد درخواست های رد شده نیز به همین صورت و به نسبت الگوریتم FAHP به میزان 8 درصد و نهایتا در مقایسه با ICA-K-Means به میزان 7درصد افزایش بهره وری منابع بوجود آمده است.
کلیدواژه‌های فارسی مقاله تخصیص منابع، رایانش ابری، کنفدراسیون ابر، کیفیت خدمات، انتخابگر فازی، داده‌های حوزه سلامت،
عنوان انگلیسی An Efficient Resource Allocation for Processing Healthcare Data in the Cloud Computing Environment
چکیده انگلیسی مقاله Nowadays, processing large-media healthcare data in the cloud has become an effective way of satisfying the medical users' QoS (quality of service) demands. Providing healthcare for the community is a complex activity that relies heavily on information processing. Such processing can be very costly for organizations. However, processing healthcare data in cloud has become an effective solution to meet QoS demands of health users. In this paper, a fuzzy-based solution is presented for determining the optimal cloud using resource prediction technique. Besides, to make balance during the processing of tasks, based on fuzzy selector the virtual machine (VM) migration technique is used to migrate a VM from an overload server to an underload one. The proposed framework consists of two parts, local and global. To deliver the application to the global part, the local part must first be checked. If it is not suitable, the request will be delivered to the global part; indeed, the proposed framework works in a hierarchical manner. At first, a list of received requests is created and then using the proposed solution, the amount of available resources is estimated based on which the requested resources are allocated for processing. We used the Cloudsim toolkit to evaluate the proposed solution under various parameters and results have been compared with those of FAHP and ICA-K-Means algorithms. Compared to FAHP, the simulation results show that the proposed solution benefits from a 10% cost reduction and and a 12% reduction in cost compared to ICA-K-Means. Moreover, compared to FAHP and ICA-K-Means, the proposed method enjoys a reduction in number of rejected requests and an increase of 8% and 7% performance compared to the FAHP and ICA-K-Means, respectively.
کلیدواژه‌های انگلیسی مقاله تخصیص منابع, رایانش ابری, کنفدراسیون ابر, کیفیت خدمات, انتخابگر فازی, داده‌های حوزه سلامت
نویسندگان مقاله مصطفی قبائی ارانی |
دانشکده فنی مهندسی، دانشگاه آزاد اسلامی، واحد قم، قم، ایران

فاطمه مهدی بابایی |
دانشکده فنی مهندسی، دانشگاه آزاد اسلامی، واحد محلات

نشانی اینترنتی https://scj.kashanu.ac.ir/article_111446_a561cb8231892cfa1fa0d59096e28d4c.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات