دانلود با لینک مستقیم و پر سرعت .
در این مطلب یک مقاله جدید و ISI در زمینه رایانش ابری موبایل برای شما آماده کرده ایم. ترجمه این مقاله به صورت کاملا تخصصی انجام شده و در قالب word آماده است. در این مقاله یک روش مبتنی بر پیش بینی (Prediction Based) پیشنهاد شده است که به کمک مهاجرت ماشین های مجازی (Virtual Machine Migration)، توازن بار (Load Balancing) را در رایانش ابری(Cloud Computing) انجام میدهد.
دانلود مقاله انگلیسی به صورت رایگان از آدرس زیر:
دانلود رایگان مقاله انگلیسی
لینک کمکی برای دانلود
مقاله فارسی:
نوع مطلب: مقاله آی اس آی و اشپرینگر ترجمه شده با بهترین کیفیت و کاملا تخصصی
عنوان مقاله: رویکرد توازن بار مبتنی بر پیش بینی به صورت کنش گرایانه، از طریق مهاجرت ماشین های مجازی
سال انتشار: 2016
زبان مقاله: فارسی
قالب مقاله: ورد (Word)
تعداد صفحات: 27 صفحه (همراه با مراجع)
محل انتشار: ژورنال بسیار معتبر مهندسی با کامپیوترها (Engineering with Computers). این ژورنال متعلق به انتشارات Springer است و مقالات آن توسط موسسات علمی معروف مانند ISI، Scopus، ProQuest و ACM ایندکس میشود.
اطلاعات مقاله انگلیسی:
عنوان مقاله Prediction‑based proactive load balancing approach through VM migration
نوع مطلب: مقاله ژورنال ISI و Springer
سال انتشار: 2016
زبان مقاله: انگلیسی
قالب مقاله: پی دی اف (PDF)
تعداد صفحات: 12 صفحه دو ستونی
محل انتشار: ژورنال بسیار معتبر مهندسی با کامپیوترها (Engineering with Computers). این ژورنال متعلق به انتشارات Springer است و مقالات آن توسط موسسات علمی معروف مانند ISI، Scopus، ProQuest و ACM ایندکس میشود.
ضریب تاثیر (Impact Factor) این ژورنال: 1.460
چکیده فارسی:
رشد همه روزه حساسیت و پویایی رایانش ابری، نیاز به موازنه بار کنش گرایانه را به وجود آورده است. رویکرد موازنه بار کنش گرایانه تاثیر بسزایی در بهبود مقیاس پذیری سرویس های ابری امروزی دارد. به منظور مدیریت بار به طریق کنش گرایانه روی سیستم ابری در طول اجرای برنامه، بار باید با استفاده از رویکردهای یادگیری ماشین پیش بینی شود و با استفاده از رویکردهای مهاجرت ماشین مجازی مدیریت شود. بنابراین این مقاله یک تلاش را فرموله می کند. تمرکز این تلاش روی مساله تحقیقیِ طراحی یک رویکرد موازنه بار مبتنی بر پیش بینی برای تسهیل کردن موازنه بار کنش گرایانه به کمک پیش بینی چندین پارامتر بهره وری منابع در رایانش ابری، است. این مقاله شامل دو بخش است. نخست رویکردهای مختلف یادگیری ماشین تست شده و برای پیش بینی بهره وری زیاد و کم میزبان مقایسه شده اند. دوم ، مدل پیش بینی باری که بیشترین دقت را در بین مدل ها داشته ، برای پیاده سازی مهاجرت کنش گرایانه VM با استفاده از چندین پارامتر بهره وری منبع، به کار گرفته شده است. بعلاوه پارامترهای ارزیابی کارایی تکنیک پیشنهادی با استفاده از ابزارهای Weka و CloudSim ارزیابی شده است. نتایج شبیه سازی به روشنی نشان می دهد که رویکرد پیشنهادی برای مدیریت مهاجرت VM و کم کردن نقض SLA ، مهاجرت VM ، میانگین و انحراف معیار زمان اجرا موثر است.
کلمات کلیدی : رایانش ابری ، مهاجرت VM ، تحمل شکست ، یادگیری ماشین
چکیده انگلیسی:
Abstract
The ever-growing intricacy and dynamicity of Cloud Computing Systems has created a need for Proactive Load Balancing which is an effective approach to improve the scalability of today’s Cloud services. In order to manage the load proactively on the Cloud system during application execution, load should be predicted through machine learning approaches and handled through VM migration approaches. Thus, this paper formulates an effort to focus on the research problem of designing a prediction-based approach for facilitating proactive load balancing through the prediction of multiple resource utilization parameters in Cloud. The involvement of this paper is twofold. Firstly, various machine learning approaches have been tested and compared for predicting host overutilization as well as underutilization. Secondly, the load prediction model having maximum accuracy from the tested models has been utilized for implementing the proactive VM migration using multiple resource utilization parameters. Further, the proposed technique has been validated through performance evaluation parameters using CloudSim and Weka toolkits. The simulation results clearly demonstrate that the proposed approach is effective for handling VM migration, reducing SLA Violations, VM migrations, execution mean and standard deviation time.
Keywords: Cloud Computing; VM migration; Fault tolerance; Machine learning
کلمات کلیدی:
مقاله 2016 رایانش ابری با ترجمه، مقاله 2016 محاسبات ابری با ترجمه، مقاله 2017 با ترجمه، ترجمه تخصصی مقاله 2016، مقاله ISI محاسبات ابری با ترجمه، مقاله فارسی رایانش ابری، رایانش ابری موبایل، محاسبات ابری موبایل، توازن بار در محاسبات ابری، اشتراک بار ابری، مقاله در زمینه تخصیص منابع، مقاله درباره اختصاص منابع، مقاله فارسی زمانبندی محاسبات ابری، مقاله 2015 کامپیوتر، مقاله 2015 رشته کامپیوتر، مقاله انگلیسی 2015، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، محاسبات ابری موبایل، رایانش ابری موبایل، مقاله رایانش ابری، مقاله محاسبات ابری، مقاله جدید کامپیوتر، زمانبندی رایانش ابری، کلود، زمانبندی برای کاهش مصرف انرژی، شبیه سازی رایانش ابری، مقاله 2015 ترجمه شده، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، مقاله رایانش ابری ترجمه شده، مقاله ترجمه شده جدید رایانش ابری، مقاله ترجمه شده جدید محاسبات ابری، مقاله با ترجمه، مقاله ISI با ترجمه، اختصاص ماشین های مجازی، الگوریتم های زمانبندی ابری، زمانبندی vm، زمانبندی ماشین مجازی، شناسایی میزبان پربار ، شناسایی میزبان کم بار ، چالش های رایانش ابری، ارتباط رایانش ابری و داده های بزرگ، دانلود پایان نامه کامپیوتر، دانلود پایان نامه انگلیسی کامپیوتر، تز دکتری کامپیوتر، تز ارشد کامپیوتر، تز کارشناسی ارشد کامپیوتر، دانلود پایان نامه رشته کامپیوتر، دانلود پایان نامه کارشناسی ارشد کامپیوتر، دانلود پایان نامه دکتری کامپیوتر، دانلود پایان نامه دکترای کامپیوتر، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر،دانلود پایان نامه کامپیوتر، دانلود پایان نامه انگلیسی کامپیوتر، تز دکتری کامپیوتر، تز ارشد کامپیوتر، تز کارشناسی ارشد کامپیوتر، دانلود پایان نامه رشته کامپیوتر، دانلود پایان نامه کارشناسی ارشد کامپیوتر، دانلود پایان نامه دکتری کامپیوتر، دانلود پایان نامه دکترای کامپیوتر، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، مقاله داده کاوی، مقاله داده های بزرگ، مقاله 2015 ، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، ، مقاله ترجمه شده جدید، مقاله با ترجمه، مقاله ISI با ترجمه،, مقاله 2015 ، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، مقاله ترجمه شده جدید، مقاله با ترجمه، مقاله ISI با ترجمه، 2015 Cloud Computing, Load Balancing, Cloud VM Migration, Proactive, Prediction based.
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه تخصصی با آدرس ایمیل:
IRTopArticle@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
شناسه ما در تلگرام:
@TopArticle
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.