کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6873203 1440631 2018 35 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Cost optimization for deadline-aware scheduling of big-data processing jobs on clouds
ترجمه فارسی عنوان
بهینه سازی هزینه برای برنامه ریزی دقیق از پردازش داده های بزرگ اطلاعات در ابرها
کلمات کلیدی
اطلاعات بزرگ، برنامه ریزی، صرفه جویی در هزینه، پردازش ابری،
ترجمه چکیده
محاسبات ابر به طور گسترده ای به عنوان یک راه حل مناسب برای پردازش داده های بزرگ مورد توجه بوده است. امروزه ارائه دهندگان خدمات ابری معمولا کاربران ماشین های مجازی را با ترکیبی از تنظیمات و قیمت های مختلف ارائه می دهند. همانطور که این طرح سرویس جدید ظاهر می شود، مشکل انتخاب کمترین هزینه با محدودیت مهلت، برای کاربران بسیار پیچیده است. پیچیدگی تعیین کمترین هزینه ممکن است از علل مختلف حاصل شود: خصوصیات برنامه های کاربردی کاربر و تنظیمات ارائه دهندگان در تنظیمات و قیمت ماشین مجازی. در این مقاله، الگوریتم های گوناگونی را پیشنهاد می کنیم تا به کاربران کمک کنیم برنامه های کاربردی پردازش داده های پردازش داده های بزرگ خود را بر روی ابرها برنامه ریزی کنند تا هزینه ها به حداقل برسد و محدودیت مهلت می تواند رضایت بخش باشد. الگوریتم های پیشنهادی با استفاده از آزمایش های شبیه سازی گسترده با تنظیمات مختلف آزمایش مورد ارزیابی قرار گرفتند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Cloud computing has been widely regarded as a capable solution for big data processing. Nowadays cloud service providers usually offer users virtual machines with various combinations of configurations and prices. As this new service scheme emerges, the problem of choosing the cost-minimized combination under a deadline constraint is becoming more complex for users. The complexity of determining the cost-minimized combination may be resulted from different causes: the characteristics of user applications, and providers' setting on the configurations and pricing of virtual machine. In this paper, we proposed a variety of algorithms to help the users to schedule their big data processing workflow applications on clouds so that the cost can be minimized and the deadline constraints can be satisfied. The proposed algorithms were evaluated by extensive simulation experiments with diverse experimental settings.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 82, May 2018, Pages 244-255
نویسندگان
, , , , ,