مقاله ترجمه شده درباره استراتژی های توسعه برای مراکز داده محاسبات ابر بسیار بزرگ – سال 2015
مشخصات مقاله:
عنوان فارسی مقاله:
بهینه سازی استراتژی های توسعه برای مراکز داده محاسبات ابر بسیار بزرگ
عنوان انگلیسی مقاله:
Optimizing expansion strategies for ultrascale cloud computing data centers
کلمات کلیدی مقاله:
مراکز داده بسیار بزرگ، پردازش ابری، مدل سازی توسعه، مدل سازی بارهای ترافیکی، مشکلات بهینه سازی، برنامه ریزی خطی عدد صحیح مختلط
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
رایانش ابری
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. معرفی
2. نمونه سیستم
2.1. مدل بهینه سازی استراتژی توسعه
2.2. ناهمگونی منابع و مدل ترافیک
2.3. تورم
2.4. انرژی تجدید پذیر
3. نتایج شبیه سازی
3.1. شبیه سازی راه اندازی محیط برای مدل بهینه سازی استراتژی توسعه
3.2. نتایج شبیه سازی برای مدل بهینه سازی استراتژی توسعه
3.3. شبیه سازی راه اندازی محیط زیست برای ناهمگونی از منابع و مدل ترافیک
3.4. نتایج شبیه سازی برای عدم تجانس منابع و مدل ترافیک
4. بررسی ادبیات
5. نتیجه گیری و کارهای آینده
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
With the increasing popularity gained by cloud computing systems over the past few years, cloud providers have built several ultrascale data centers at a variety of geographical locations, each including hundreds of thousands of computing servers. Since cloud providers are facing rapidly increasing traffic loads, they must have proper expansion strategies for their ultrascale data centers. The decision of expanding the capacities of existing data centers or building new ones over a certain period requires considering many factors, such as high power consumption, availability of resources, prices (of power, land, etc.), carbon tax, free cooling options, and availability of local renewable power generation. While a rich volume of recent research works focused on reducing the operational cost (OPEX) of the data centers, there exists no prior work, to the best of our knowledge, on investigating the tradeoff between minimizing the OPEX of the data centers and maximizing their revenue from the services they offer while respecting the service level agreement (SLA) with their customers. In this study, we model this optimization problem using mixed integer-linear programming. Our proposed model is unique compared to the published works in many aspects such as its ability to handle realistic scenarios in which both data centers’ resources (servers) and user generated traffic are heterogeneous. To evaluate the proposed model and the impact of different parameters on it’s performance, several simulation experiments are conducted.
چکیده
ارائه دهندگان ابر، در طول چند سال گذشته ، با افزایش محبوبیتی که به واسطه سیستم محاسبات ابری به دست آورده اند ، چندین مرکز بسیار بزرگ داده در مکانهای گوناگون جغرافیایی ساخته ، که هر یک شامل صدها هزار سرورهای محاسباتی است. از آنجا که ارائه دهندگان ابر، به سرعت، با افزایش بار ترافیکی ، رو به رو هستند ، باید استراتژی های توسعه مناسب ، برای مراکز بسیار بزرگ داده خود داشته باشند . تصمیم به گسترش ظرفیت های مراکز داده های موجود و یا ایجاد امکانات جدید در طی یک دوره خاص نیاز به در نظر گرفتن عوامل بسیاری، از جمله مصرف برق بالا، در دسترس بودن منابع، هزینه های (برق ، زمین ، و غیره)، مالیات بر کربن، گزینه های خنک کننده رایگان ، و در دسترس بودن مولد برق دائمی منطقه ای است. با وجود بهره گرفتن از بهترین دانشمان و با آنکه حجم بالایی از تحقیقات اخیر بر کاهش هزینه های عملیاتی (OPEX) مراکز داده ها ، تمرکز دارد ، در بررسی ایجاد توازن در به حداقل رساندن OPEX از مراکز داده و به حداکثر رساندن درآمد حاصل از ارائه خدمات و با حفظ احترام به توافقنامه سطح خدمات (SLA) با مشتریان خود ، هنوز هیچ کار قبلی صورت نگرفته است . در این مطالعه ، ما با استفاده از برنامه نویسی خطی صحیح مختلط ، از این مشکل بهینه سازی ، نمونه خواهیم ساخت . مدل پیشنهادی ما در مقایسه با آثار منتشر شده در بسیاری از جنبه ها ، مانند توانایی اجرای سناریوهای واقعی که در آن هم منابع (سرورهای) مراکز داده و هم کاربری که ایجاد ترافیک میکند ، ناهمگن هستند ، منحصر به فرد است . به منظور ارزیابی مدل پیشنهادی و تاثیر پارامترهای مختلف بر عملکرد آن، چندین آزمایش شبیه سازی به عمل آمده است .
