این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۶، شماره ۱، صفحات ۶۶-۷۷
عنوان فارسی پیش‌بینی تعداد مناسب ماشین های مجازی بر اساس سری زمانی و روش‌های هوشمند مبتنی بر خوشه‌ بندی ماشین های مجازی
چکیده فارسی مقاله یکی از مهمترین چالش‏های رایانش ابری، مدیریت منابع و بهینه‏سازی تخصیص منابع در مراکز داده‏ی ابری در لایه‏ی زیر ساخت است. در این مقاله به بررسی موضوع تخمین تعداد مناسب ماشین‏های مجازی در مراکز داده‏ای ابری پرداخته شده است. از جمله ایرادات رویکردهای پیشین، در نظر گرفتن مستقل ماشین‏های مجازی و بی‏توجهی به رفتارهای مشابه ماشین‏ها است. بهره‏جویی از الگوریتم‏های یادگیری ماشین و سری زمانی و راهکار خوشه‏بندی رفتاری و خودکار ماشین‏های مجازی به عنوان عناصر زمینه‏ساز تأمین بهینه‏ی منابع درنظر گرفته شده است. پیش‏بینی سری زمانی و استفاده از گذشته، برای تخمین آینده به هدف جلوگیری از نقض توافق سطح خدمات از یک سو و جلوگیری از صرف هزینه‏های تامین، نگهداری و مجازی‏سازی ماشین‏های مجازی که در آینده مورد استفاده قرار نخواهند گرفت از سوی دیگر موجب افزایش کیفیت خدمات ابری شده است. هر میزانی که پیش‏بینی انجام شده دقیق‏تر باشد، یعنی منابع ماشین‏های مجازی آماده شده، با نیاز واقعی مشتریان در آینده سازگارتر باشد، فراهم‏کنندگان خدمات ابری کمتر متضرر می‏شوند. نوآوری انجام شده اعمال خوشه‏بندی رفتاری و خودکار ماشین‏های مجازی است که موجب کاهش تعداد سری‏های زمانی شبیه، که در نهایت منجر به دریافت یک نوع ماشین مجازی می‏شود، دقت در پیش‏بینی سری زمانی ماشین‏های مجازی، کاهش بار پردازشی و سهولت در اعمال راهبردهای مدیریتی شده است. به کارگیری روش پیشنهادی، موجب افزایش دقت پیش‏بینی‏کننده‏ها و کاهش خطا به میزان 1.93  برابر شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of Approperiate Number of Virtual Machines based on Time Series and Artifical Methoads via Virtual machines Clustering
چکیده انگلیسی مقاله .
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله الناز اسداللهی |


سید امیر اصغری |
دانشگاه خوارزمی

نشانی اینترنتی http://scj.kashanu.ac.ir/browse.php?a_code=A-11-152-4&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1052/article-1052-584369.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات