مدل سازی احتمالی برای رسیدن به توازن بار در ابرهای خبره
چکیده
ابر خبره به عنوان یک کلاس جدید از سیستم های رایانش ابری کاربران خود را قادر می سازد مهارت، دانش و تخصص افراد را بدون هر گونه اطلاعات از محل آنها از طریق زیرساخت های اینترنت و مفاهیم رایانش ابری تقاضا نمایند. ایجاد تعادل بار موثر در محیط پراکنده ناهمگن مانند ابر حائز اهمیت است. از آنجا که تفاوت در قابلیت های منابع انسانی (HRs) و تنوع درخواست کاربران باعث می شود که برخی از منابع انسانی بار بیش از حد داشته باشند و برخی دیگر بلااستفاده بمانند. تخصیص کار به HR بر اساس الزامات اعلام شده از سوی کاربر ممکن است باعث توزیع بار نامتعادل در میان HR نیز گردد. از این رو مدیریت و برنامه ریزی منابع از جمله موارد مهم برای رسیدن به تعادل بار می باشند. استفاده از الگوریتم های استاتیک و دینامیک، کلونی مورچه ها، و روش مبتنی بر درخت جستجو همگی از روش های رسیدن به تعادل بار هستند. این مقاله یک روش جدید به منظور توزیع بار دینامیک بر اساس صف پراکنده آگاه از کیفیت خدمات در محیط ابر ارائه می-کند. در این روش، ما از مورچه های رنگی به عنوان یک رتبه بندی برای ایجاد تمایز میان قابلیت های HR استفاده کردیم. در این مقاله، ما نوعی مسیردهی در میان وظایف و منابع انسانی با استفاده از تخصیص یک برچسب به هر HR صورت دادیم. ما روند متعادل سازی بار و نقشه برداری (مسیردهی) را بر اساس توزیع نمایی و پواسون مدل سازی کردیم. این مدل به ما اجازه می دهد هر وظیفه را به HR تخصیص دهیم که قادر به اجرای آن با حداکثر قدرت با استفاده از صف پراکنده آگاه از کیفیت خدمات میباشد. نتایج شبیه سازی نشان می دهد که ابر خبره می تواند زمان اجرا و تاخیر را کاهش دهد و استفاده از منابع انسانی بهبود بخشد. هزینه استفاده از منابع به عنوان عاملی موثر در تعادل بار نیز مشاهده شده است.
1. مقدمه
منابع انسانی (HRs) اجزای مهم جوامع و سازمان ها هستند به طوری که موفقیت هر سازمان به منابع انسانی آن بستگی دارد. سازمان ها با استفاده از دانش، تجربه، قدرت و مهارت های انسانی به اهداف خود نائل میگردند. از آنجا که منابع انسانی از لحاظ جغرافیایی پراکنده میشوند، ایجاد زیرساخت هایی برای اشتراک گذاشتن دانش، مهارت و تجربه انسانی لازم است. این پایگاه جدید ابر خبره نامیده می شود [1].
Abstract
Expert Cloud as a new class of Cloud computing systems enables its users to request the skill, knowledge and expertise of people without any information of their location by employing Internet infrastructures and Cloud computing concepts. Effective load balancing in a heterogeneous distributed environment such as Cloud is important. Since the differences in the human resource (HRs) capabilities and the variety of users' requests causes that some HRs are overloaded and some others are idle. The task allocation to the HR based on the announced requirements by the user may cause the imbalanced load distribution among HRs as well. Hence resource management and scheduling are among the important cases to achieve load balancing. Using static and dynamic algorithms, the ant colony, and the method based on searching tree all are among the methods to achieve load balancing. This paper presents a new method in order to distribute the dynamic load based on distributed queues aware of service quality in the Cloud environment. In this method, we utilize the colorful ants as a ranking for making distinction among the HRs capabilities. In this paper, we perform the mapping among the tasks and HRs using allocating a label to each HR. We model the load balancing and mapping process based on Poisson and exponential distribution. This model allows us to allocate each task to the HR which is able to execute it with maximum power using the distributed queues aware of the service quality. Simulation results show that the expert Cloud can reduce the execution and tardiness time and improve HR utilization. The cost of using resources as an effective factor in load balancing is also observed.
1. Introduction
Human resources (HRs) are the important components of the Societies and organizations so that the Success of each organization depends on its HRs. The organizations achieve their goals by means of Knowledge, experience, strength and skills of human beings. Since the HRs are geographically distributed, it is necessary to establish an infrastructure to share the Knowledge, skills and experience of human beings. This new platform is named Expert Cloud [1].
چکیده
1. مقدمه
2. کار مرتبط
3. روش پیشنهادی: مفاهیم و عملگرها
3-1. رتبه بندی HR توسط مورچه های رنگی
3-2 تقسیم وظایف و رتبه بندی سایت بر اساس تقاضا
3-3. برچسب زدن گره برگ
3-4. برچسب زدن سوپر گره های همتا
3-5 استراتژی توازن بار پیشنهادی
3-6 مهاجرت وظایف
4. نتایج شبیه سازی و تجزیه و تحلیل
5. نتیجه گیری
Abstract
1. Introduction
2. Related work
3. Proposed method: concepts and operators
3.1. The HR ranking by colorful ants
3.2. Task division and site ranking based on request
3.3. Leaf nodes labeling
3.4. super-peer nodes labeling
3.5. Proposed load balancing strategy
3.6. The tasks migration
4. Simulation results and analysis
5. Conclusion
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه