فایل ورد کامل CCA: الگوریتم زمانبندی گردش کار محدود به مهلت برای منابع چند هسته ای روی ابر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل CCA: الگوریتم زمانبندی گردش کار محدود به مهلت برای منابع چند هسته ای روی ابر،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۷ صفحه

۷ نتیجه گیری و آثار آینده
مقاله کنونی یک الگوریتم زمانبندی گردش کار جدید را روی ابر IaaS نشان میدهد که از منابع پردازش چند هسته ای موجود استفاده میکند. هدف اصلی روش ارائه شده، کاهش هزینه های پولی است در حالیکه از مهلت تعریف شده ی کاربر عبور نمیکند. تفاوت اصلی بین الگوریتم ارائه شده و مطالعات مشابه قبلی، اثر کنونی است که از یک رویکرد امتیاز بندی منعطف برای ترکیب خوشه های در دسترس در گردش کار استفاده میکند. این امتیاز بندی، معیارهای مختلفی را در زمان ترکیب خوشه ها مد نظر قرار میدهد، مثل هزینه اجاره، makespan و بهره برداری از منبع. تابع امتیاز بندی به گونه ای تنظیم میشود که ترکیبات خوشه ای، هزینه های گردش کار را کاهش دهند در حالیکه از مهلت تعریف شده ی کاربر عبور نمیکنند. در مواردی که makespan گردش کار، مهلت را تامین نمیکند، روش کنونی سعی دارد makespan را با اجاره ی منابع پردازش با تعداد هسته های بالاتر کاهش دهد و به این صورت شکافهای زمانی آزاد بزرگتری را در نقشه ی برنامه ی زمانی تقبل نماید. لذا، این الگوریتم، هزینه های پولی را بالا میبرد تا اینکه مهلت از دست برود. پس از تامین مهلت، روش کنونی در صدد پایین آورد هزینه های اجرا با پر کردن شکاف های زمانی آزاد با شکاف های حاصل از خوشه های دیگر با ترکیب آنهاست. روش ارائه شده با مقایسه ی هزینه های پولی اجرا و گردش کارها با روش HCOC ارزیابی شد. نتایج آزمایشی بیانگر یان است، روش ارائه شده ی کنونی تقریبا کلیه موارد از الگوریتم HCOC بهتر عمل میکند. در آینده، الگوریتم مطالعه ی فعلی، به گونه ای توسعه خواهد یافت که با گردش کارهای متمرکز بر محاسبه با ارتباطات داده ای کوچک بین وظیف هم به خوبی عمل کند. الگوریتم ارائه شده هم روی پایگاه ابری IaaS واقعی ارتقا خواهد یافت که میتواند تخمینهای محاسبه ی وظیفه ی نادرست و ارتباطات داده ای را بین وظایف تحمل نماید.

عنوان انگلیسی:CCA: a deadline-constrained workflow scheduling algorithm for multicore resources on the cloud~~en~~

۷ Conclusion and future works

The present paper proposes a new workflow scheduling algorithm on the IaaS cloud which makes use of available multicore processing resources. The main goal of the proposed method is to reduce monetary costs while not passing the user-defined deadline. The main difference between the proposed algorithm and previous similar studies is that the present work utilizes a flexible scoring approach to combine the available clusters in the workflow. This scoring considers different criteria when combining clusters, such as leasing cost, makespan, and resource utilization. The scoring function is adjusted in such a way that the cluster combinations reduce workflow costs while not passing the user-defined deadline. In cases where the workflow makespan does not meet the deadline, the current method attempts to reduce the makespan by leasing processing resources with a higher number of cores and so undertakes larger free time gaps in the schedule map. Therefore, the algorithm raises the monetary costs until the deadline is reached. After meeting the deadline, the present method strives to lower execution costs by filling the free time gaps with tasks from other clusters by combining them. The proposed method was evaluated by comparing the monetary costs of running the workflows with the HCOC method. The experimental results indicate that the currently proposed method outperforms the HCOC algorithm in almost all cases. In the future, the present study’s algorithm shall be extended so that it also performs well with computation-intensive workflows with small data communications between tasks. The proposed algorithm will also be enhanced on the real IaaS cloud platform, which can tolerate inaccurate task computation estimations and data communications between the tasks.

$$en!!