مقاله انگلیسی پیشرفت های اخیر در سیستم تخصیص وظیفه ماشین مجازی (VM) برای رایانش ابری
ترجمه نشده

مقاله انگلیسی پیشرفت های اخیر در سیستم تخصیص وظیفه ماشین مجازی (VM) برای رایانش ابری

عنوان فارسی مقاله: پیشرفت های اخیر در سیستم تخصیص وظیفه ماشین مجازی (VM) برای رایانش ابری: مروری از سال 2015 تا 2021
عنوان انگلیسی مقاله: Recent advancement in VM task allocation system for cloud computing: review from 2015 to2021
مجله/کنفرانس: بررسی هوش مصنوعی - Artifcial Intelligence Review
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: هوش مصنوعی، رایانش ابری
کلمات کلیدی فارسی: رایانش ابری، ماشین مجازی (VM)، رویکرد متعادل سازی بار، توزیع داده ها، مجازی سازی
کلمات کلیدی انگلیسی: Cloud computing · VM · Load balancing approach · Data distribution · Virtualization
نوع نگارش مقاله: مقاله مروری (Review Article)
شناسه دیجیتال (DOI): https://doi.org/10.1007/s10462-021-10071-7
دانشگاه: Ibn Tofail University, Kénitra, Morocco
صفحات مقاله انگلیسی: 45
ناشر: اسپرینگر - Springer
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2021
ایمپکت فاکتور: 8.139 در سال 2020
شاخص H_index: 78 در سال 2020
شاخص SJR: 1.195 در سال 2020
شناسه ISSN: 1573-7462
شاخص Quartile (چارک): Q1 در سال 2020
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: E16026
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (انگلیسی)

Abstract

Introduction

Preliminary

Related work

Methodology

Why VM need load balancing

Load‑balancing policies

Simulation environment

Result and discussion

Summary

References

بخشی از مقاله (انگلیسی)

Abstract
Cloud computing is new technology that has considerably changed human life at diferent aspect over the last decade. Especially after the COVID-19 pandemic, almost all life activity shifted into cloud base. Cloud computing is a utility where diferent hardware and software resources are  accessed  on  pay  per  user  ground  base.  Most  of  these  resources  are  available  in  virtualized  form and virtual machine (VM) is one of the main elements of  visualization.VM used in data center for distribution of resource and application according to benefactor demand. Cloud  data center  faces diferent issue in respect of performance and efciency for improvement of these issues diferent approaches are used. Virtual machine play important role for improvement of data center performance therefore different approach are used for improvement of virtual machine efciency (i-e) load balancing of resource and task. For the improvement of this section diferent parameter of VM improve like  makespan, quality of service, energy, data accuracy and network utilization. Improvement of diferent parameter in VM directly improve the performance of cloud computing. Therefore, we conducting this review paper that we can discuss about various improvements that took place in VM from 2015 to 20,201. This review paper also contain information about various parameter of cloud computing and fnal section of paper present the role of machine learning algorithm in VM as well load balancing approach along with the future direction of VM in cloud data center.
Introduction
Cloud computing is new technology that has extensively transformed human life from the last decade by providing diferent services and resource with the help of internet using virtualization system. Cloud resources are variable to every user by rent and release with specifc rule and regulation with the help of internet. Cloud computing is emerging technology used for storing and accessing resource and application over the web based internet (Buyya et al. 2018). Cloud data center consists of physical and virtual infrastructure resources which include server, network system and diferent resources. Cloud data center is so important that diferent user demands can access data with the help of these data center in accurate and fast time. It contains a large amount of data and information which works under certain rules and regulations (Ouhame et al. 2020; Ullah et al. 2020).