کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4957255 1444985 2017 51 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dynamic placement of resources in cloud computing and network applications
ترجمه فارسی عنوان
قرار دادن دینامیک منابع در محاسبات ابر و برنامه های شبکه
کلمات کلیدی
قرار دادن منابع، تصادفی، توزیع شده ابر، الگوریتم های گراف،
ترجمه چکیده
چالش مطرح شده توسط این تنظیم این است که با خواسته های تصادفی چند بعدی که در طول زمان متفاوت است، مقابله کنند. تحت چنین تنظیماتی باید یک توافق بین بهینه سازی جای گذاری منابع به منظور پاسخگویی به تقاضای آن و به حداقل رساندن تعداد منابع افزوده شده و حذف شده به جایگاه ارائه دهد. تجزیه و تحلیل و شبیه سازی ما نشان می دهد که بهینه سازی تخصیص منابع ممکن است هزینه های تغییر محل منابع را به وجود آورد، حتی اگر تقاضا دارای نوسانات کوچکی باشد. بنابراین ما یک چارچوب الگوریتمی را پیشنهاد می کنیم که این مشکل را برطرف می کند و مکان های پویا بسیار کارآمد را با هزینه های تغییر مکان محدود می سازد. راه حل ما تحت یک مدل هزینه بسیار گسترده است و به همین دلیل اجازه می دهد تا بسیاری از سیستم ها را جایگزین کنیم. راه حل های ما بر اساس تکنیک های تحلیلی جدید با استفاده از متدولوژی های نظریه گراف است که می تواند به سایر مشکلات بهینه سازی / ترکیبی مورد استفاده قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
The challenge posed by this setting is to deal with arbitrary multi-dimensional stochastic demands which vary over time. Under such settings one should provide a tradeoff between optimizing the resource placement as to meet its demand, and minimizing the number of added and removed resources to the placement. Our analysis and simulations reveal that optimizing the resource placement may inflict huge resource repositioning costs, even if the demand has small fluctuations. We therefore propose an algorithmic framework that overcomes this difficulty and yields very efficient dynamic placements with bounded repositioning costs. Our solution is developed under a very wide cost model, and thus allows accommodation of many systems. Our solutions are based on new analytic techniques utilizing graph theory methodologies that can be applied to other optimization/combinatorial problems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Performance Evaluation - Volume 115, October 2017, Pages 1-37
نویسندگان
, , ,