所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

实现优化成本,负载和网格计算服务监控

文卡特桑K.G.S.1基于“增大化现实”技术的杂志。2,美国Vijayalakshmi3,诉Vinotha4
  1. 研究学者,C.S.E.系,Bharath University, Chennai, India.
  2. 研究学者,C.S.E.系,Bharath University, Chennai, India.
  3. 计算机科学部门& Engg。,Bharath University, Chennai, Tamil Nadu, India.
  4. 计算机科学部门& Engg。,Bharath University, Chennai, Tamil Nadu, India.
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

文摘

管理资源和潇洒地估值计算系统可能是一项艰巨的任务。资源共享要求仔细的负载均衡和有时努力达到一个双赢的状态之间的资源供应商和用户。为了实现这个目标,我们认为联合治疗负荷量和估值。我们有一种倾向,不要以为静态估值负荷量,或者反过来。相反,我们有一种倾向,研究价值之间的联系,计算节点被指控,因此它收到的负载和收入。我们发现存在关联程度最优价值最大化收入。我们有一种倾向,然后考虑多用户环境,探索然而用户的负载平衡与现有的数百个处理器。最后,我们有一种倾向,获得结业证书最佳价值最大化收入的多用户环境。我们有一种倾向,通过模拟评价纸做的算法的性能。

关键字

经纪人、InterCloud Cloudsim工具包

我的介绍。

在本文中,我们考虑一个网格计算系统中计算节点异构和动态价格不同。我们不认为他们是充分合作和无私。此外,我们考虑一个多用户环境中,当前的负载需要与现有的负载均衡的节点上。最后,我们考虑不同的目标用户和提供者,用户想最小化成本和响应时间而提供者希望收入最大化。本文首先研究负载平衡和定价是如何相互影响的负载节点及其收费价格是动态的。我们发现供应商的收入最大化当节点被指控在一个特定的最优价格。代理实现用于找出最好的服务提供者通过考虑用户给定用户的收入。这个可以确定最优价格给潜在的输出负载平衡的方法。然后负载平衡对这些新的最优价格为当前的工作。因此,定价和负载平衡是“相互了解”[2]。
个别成员的社区贡献计算周期,存储,服务,和沟通信息测量池的资源市场上整个社区;资源进一步的顾客资源可能属于完全不同的身体域。在这种情况下很难情节国际资源分配政策和没有中央权威执行国际政策和计划[1]。代理协调生产者和消费者之间在许多身体水平。以市场为导向的经济体已经证明了他们的利益在不同表明,管理和管理资源分配在社会系统,看起来便宜适应蓬勃发展的思想的经济模型在大规模计算资源分配系统和评估市场资源分配公式。

二世。文献调查

在本文中,我们会讨论一个经济模型在大规模分布式系统资源共享。我们倾向于表明,给定一组特定的模型参数的满意度达到最佳;这个值代表效用之间的适当平衡,因此值得购买资源。我们的结果确保经纪人发挥必要作用,可能会影响绝对市场[5]。
个别成员的社区贡献计算周期,存储,服务,和沟通信息测量池的资源市场上整个社区;资源进一步的顾客资源可能属于完全不同的身体域。在这种情况下很难情节国际资源分配政策和没有中央权威的国际政策和计划执行。代理协调生产者和消费者之间在许多身体水平。以市场为导向的经济体已经证明了他们的利益在不同表明,管理和管理资源分配在社会系统,看起来便宜适应蓬勃发展的思想的经济模型在大规模计算资源分配系统和评估市场注定资源分配公式的公式使用代理算法:该算法执行的代理。买方要求,是有弹性的。目标效用是由t和令人满意的大小。基数指定资源的数量供应商回来的代理[7]。
云计算提供基础设施、平台和软件作为服务(应用程序),广场衡量创造在市场上以一种极为现收现付模式基于订阅的服务顾客。这些服务在商业广场衡量各自命名为基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)。与全新的创意进行web服务开发者不需要巨额资本支出在硬件部署他们的服务或人工费用工作,在现有的系统不支持的动态协调机制和政策之间的载荷分布完全不同的基于云计算的信息中心,看到托管应用程序服务的最佳位置获得负担得起的QoS级别[4]。此外,云计算供应商方测量无法预测用户的服务的地理分布,因此负载协调应该发生机械,和分销服务应该在负载变化而修改。计划InterCloud设置支持缩放应用程序跨多个营销云。我们有效的方法进行严格的集合的性能分析研究受害CloudSim工具包。云计算的结果表明,联合模型有很大可能是因为它提供了至关重要的性能收益如下问候间隔和价值保存动态工作情况。这里使用的测量技术,广场是云编曲(CC):云编曲服务收费管理领域特定企业云一般联盟及其成员由市场化商业化和谈判协议。它提供了所有的设置应用程序在一个极其联合会云[9]。
云代理(CB):云代理代表用户执行确定合适的云服务供应商通过云与云的交流与协商协调员分配的资源满足用户的QoS的欲望。
而混合执行设置也不会满足时间限制,目前用户应该参加相关的价格信息存储、信息传输、节点分配时间在云上。在这篇文章中,我们倾向于描述一个模型驱动的资源分配框架来支持每个时间和价值敏感执行dataintensive死在一个极其混合云应用设置。专用集群渗透一些今天的组织,提供每个大规模信息存储和计算。云计算的关键选项接受现收现付模式和物理性质。用户会立即规模资源向上或向下符合需求或所需的区间[3]。这种能力扩展资源消费量虽然不是获得的价格,即。,having to get and maintain a bigger set of resources than what's required most of the time, that is commonly the case for ancient in-house clusters. In general, cloud physical property is exploited in conjunction with native work out resources to make a hybrid cloud to assist meet time and/or value constraints. This paper explores resource allocation within the aforesaid hybrid cloud setting. We tend to describe a model-driven resource allocation framework to alter time and value sensitive execution for data-intensive applications dead in an exceedingly hybrid cloud setting. What is more, we tend to think about the analysis of knowledge that's split between a neighbourhood cluster and a cloud storage. There square measure 2 algorithms that square measure been employed in this method. HEAD NODE ALGORITM : This defines however the pinnacle node handles the resource allocation requests. First, a cluster’s master node requests for jobs from the pinnacle node. the pinnacle node accepts the request and prepares a gaggle of jobs whereas considering neighbourhood. After the roles square measure ready, the pinnacle node determines the new variety of cloud instances in keeping with the performance of the requesting cluster thus far. Computing variety of Instances: The calculation of the quantity of instances is given in this formula. The model is dead with the cluster parameters and structures containing the cloud evaluation contract, that is then compared with a user’s value constraints. The evaluation contract organization represents the agreement between user and therefore the cloud service supplier. It provides the specification of the resources and therefore the value data of running AN instance and transferring information, i.e., the constants in our model [10].
在过去的几年,能力在资源已经出现最重要的困难分析的共同话题。然而,共性的complexness架构(如异质性),因此每个流程的目标范式——连同HPC,网格和云——旨在实现(例如灵活性)保持不变。这通常是与效率协调资源以一种极为分布式计算的方式通过桥接本地和远程参与者之间的差距。最初,这通常是紧密相连的编程思想,是所有所需的最重要的问题提出一个合作资源管理系统,尤其是在大规模设置在网格和云。云有能力提供可伸缩的弹性和刚性好的服务,这是一个所有最重要的仔细研究分析领域的大规模计算系统。在这样的环境中,巨大的计算资源,住在一个遥远的位置,供应variedpriced通用的服务需求,在硬件、软件和开发者的平台。弹性水平要求的可访问性可能杠杆对改进服务质量。在这工作,我们倾向于把阅读和大纲InterCloud entomb-collaborative和国际合作企业的时间内伸缩资源形成哪些服务和资源交换发生在不同的云然而另外在不同基础设施在提高服务质量和提供一个完整的满意度很大不同客户的大量需求。这样e-infrastructures应该拥抱却不局限于集群、网格、高性能和人数计算[6]。一般来说,InterCloud方法扩大云功能的服务,目的是实现资源的更广泛的分布,但是保留国际资源利用之间的平衡不同的资源池。 This includes varied algorithms enforced within the simulation machine can permit the extraction of the first data-set that it'll be that base of experimentation.1: Integrated Cloud Interface: The pseudo code tells the practicality of the Cloud Interface. The last line is chargeable for assembling information from the broker (who acts on behalf of a user) and redirects a message with a standard configuration setting to every of the 3 simulators. Finally, the results come back in AN asynchronous sequence back to the interface that compares best execution times (for more evaluation) and send results (first return 1st send) back to the user through the broker. 2: The HPC, HTC computer hardware (Alea): This pseudo-code illustrates the practicality of the system once employment submission arrives within the Aleaschedular. This includes the mental representation of the Aleamachine. The last line gets the configuration information from the Cloud Interface and starts the simulation. Finally, the results square measure remit to the Cloud Interface for interpretation.3. The Cloud computer hardware (CloudSim): The cloud simulation is enforced among the CloudSim machine that contains 2 native programming algorithms (FCFS in area and time shared fashion). Additionally the Cloudsim implements 2 simulation programming cases for performing arts experiments in programming of VMs to Hosts and cloudlets to VMs. This pseudo-code illustrates the practicality of the machine [8].

三世。现有的系统

管理资源和定价是一项非常具有挑战性的任务。没有赢,赢得资源提供者之间的情况在现有的纸用户不提供适当的服务提供者。用户的成本考虑,他们使用负载平衡技术有效地执行工作。我们需要注意的是,用户可以选择替代算法如果他们认为只是一个目标或工作遵循heavy-tail分布和到达率是中度或重度。没有负载平衡特性。来确定,只有聚合信息处理速度和计算节点的价格需要[11]。我们开发了定价算法对场景加载同时或在不同的时间到达。次然后提出最优定价方法的成本等于没有限制。这是因为,限制过于宽松,不影响价格。这也证实了高成本在高负载heavy-tail分布是由于最优价格较高(大部分的到达率)。 There was no quality of service provided to the user. The work was done on the virtual environments only [23].

第四,提出了系统

我们利用网格服务器资源的有效使用,而使用服务器。网格服务器工作的并行处理机制,以便它可以确保资源的有效利用。网格服务器还存储用户信息的数据库。代理用户和资源提供者之间起着至关重要的作用[25]。用户将需要处理的数据到代理。访问数据的用户代理之前会检查用户的身份验证。一旦用户进入它需要提供它的登录id和密码提供身份验证。验证代理后反过来将与服务提供商为用户提供所需的服务[13]。代理首先考虑成本资格的用户,然后选择服务提供者根据他们的效率。获得效率从用户关于成本后,代理将选择所需的服务提供者,然后他将分开它们之间的工作。 Here one job is split between two service providers so as to know the maximum efficiency of each service providers. For example if there is three jobs say job1, job2 and job3 [28]. The first service provider is given both the job1 and the job2. The second service provider is given with the job2 and the job3 and the third service provider is given with the job3 and job1 in turn. The after they execute all the work that is given the best service provider is found out and given to the user for their fullest satisfaction [12]. we identify the best resource and all the jobs are executed simultaneously between the different service provider and we use round robin technique to dispatch the every jobs to the service provider, by calculating cost effectiveness and Quality.

诉的分类框架

模块部署与本文有:

1。网格服务器部署
2。代理部署
3所示。用户请求
4所示。谈判成本代理
5。工作分解和并行处理
6。识别最好的资源
一个。网格服务器部署
我们利用网格服务器资源的有效使用,而使用服务器。网格服务器工作的并行处理机制,以便它可以确保资源的有效利用。网格服务器还存储用户信息的数据库。还会验证用户每次用户登录到相应的帐户。还准备服务器将维护数据库将数据存储在数据库中。这些数据将由网格的用户请求网络[25]。
B。代理部署
服务代理的目的是在发送和接收消息的基本功能。每个消息的对话的一部分。每个对话都是一个可靠的、持续的通信通道。每个消息和谈话都有一个特定类型的服务代理执行[14]帮助开发人员编写可靠的应用程序。
C。用户请求
在这个模块中,我们将创建一个用户应用程序的用户可以访问的数据服务器。在这里首先用户想要创建一个账户,然后只允许他们访问网络[29]。一旦用户创建了一个帐户,他们被允许登录到他们的帐户来访问应用程序。根据用户的请求,服务器将响应用户。所有的用户详细信息将存储在服务器的数据库。在本文中,我们将设计用户界面框架通过网络与服务器通信的编码使用像Java和。net编程语言。
D。谈判成本代理
由代理在此模块处理每个请求,他将充当服务提供者和用户之间的中间代理的,主要用途是分配工作给用户之前他们分配工作的用户检查成本、依托的成本效益分配给用户[15]。
E。工作分解和并行处理
在这个模块中,我们解释了如何工作是分区,如果用户请求如何平行执行。在这个我们使用三个服务提供者和job1和job2分配给一个服务提供者job2 job3第二服务提供者和job3 job1第三服务提供者。到分裂的工作我们很容易地执行用户请求和服务器的工作负载降低[21]。
F。识别最好的资源
在这个模块我们要确定最佳的资源和所有的工作同时执行不同的服务提供者之间,我们使用轮询调度技术来分派每个服务提供者的工作。计算成本效益和服务质量最好的资源就是识别和分配给用户[22]。

VI。结果分析

在本节中,我们倾向于简明地讨论但是我们最好的评价理论将工作在一个分布式的方式在每个老板都是自治的。副老板决定了它最好的价格和收入开发总体信息(Si; 1和Si; 2)提供的代理。业主区域单元共时和在每个迭代中,每个老板计算最好的价格和调整。注意,每个老板假定所有相反的节点区域的价格单位安装[32]。因此,业主将各自计算出他们最好的成本和在同一时间。副主人可能会收到放大或减少(或零)分数的到达率和收入。算法从起初精英节点开始,在迭代内的节点设置[33]。在每次迭代中,每个所有者发送其新值,返回(新)到达率分数,因此所需的聚合信息更新为连续迭代计算出最好的价格。注意,在这种情况下,代理不关注评估选择[34]。
这种情况在电话制造商将被视为一个非合作博弈(所有者)。运动的状态可以是一个战略概要文件的属性,没有所有者将其预期收入增加动态价值相反的业主成本。在不同的单词的策略配置文件可以是一个相同的平衡如果没有业主将通过单方面偏离其价值利润不同的可能。一个至关重要的问题是,这是否算法程序将收敛到纳什均衡在此算法程序,每个老板反复调整值到新的最佳值,直到没有所有者将得到额外的收入通过单方面改变它的值(例如,达到纳什均衡)[31]。即预期收入组节点用于负载平衡保持相似,因为上一次迭代。唯一已知的结果有关的收敛到纳什均衡区域单元分布式负载平衡算法和线性严格增加链接的价格。很2的收敛性证明球员与通用价值函数仍然是副开放侧[30]。的作者,无可争辩的开发仿真实验,他们的分布式负载平衡算法收敛到纳什均衡的分布式系统和程序网格。这种分布式自主评价算法的程序将被用于云环境的地方可能存在有多个供应商。因此,可能有多个代理,如情况划定InterCloud [20]。 In such a localized design, these brokers May move with one another and use the distributed evaluation algorithm to autonomously verify costs through iterations. We tend to note that for it to be used with virtualized environments, that is common for cloud computing, The configurations of virtual machines (VMs) got to be considered in terms of allocation of their capability for user tasks. Specifically, node capability must be priced based on a further issue of VM configurations. A future analysis of the planned best evaluation work in a realistic cloud setting, like InterCloud or Hybrid Cloud, would be helpful to analyse the application potential of this add such environments [36].

七世。结论和未来的工作

在本文中,我们解决一个重要问题,集成了负载平衡与定价资源所有者和用户之间提供了一个双赢的局面。我们发现存在一个最优的价格,每个老板的收入最大化[24]。来确定,只有聚合信息处理速度和计算节点的价格是必需的。我们开发了定价算法对场景加载到在同一时间或不同时间实例可能来自多个用户。我们开发了为全球方法与算法优化整个系统的性能和agreedy方法的目标与目的优化性能对当前负载(从用户)。通过模拟研究,我们证明了提出的算法可以实现接近MinRT的响应时间和成本可以接受用户和提供者。因此,他们表现最好的考虑时间和成本的两个目标。我们需要注意的是,用户可以选择替代算法如果他们认为只是一个目标或工作遵循heavy-tail分布和到达率是中度或重度。我们还要注意,用户可以选择基于他想付多少[35]更好的性能。我们的最优价格理论可以帮助一个所有者决定其最优价格和收入,这有助于它决定是否处理目前的工作及其资源如何定价。 In the future, we plan to test the proposed algorithms on actual platforms with realistic applications or workloads. Such an investigation together with virtual machines would help understand the potential of this work for cloud environments.

八世。承认

作者要感谢副总理Dean-Engineering,董事、秘书,记者,煤斗的计算机科学与工程,博士伙夫Kaliyamurthie,钦奈Bharath大学为他们的动机和不断的鼓励。作者特别感谢答:Kumaravel博士他的指导和评论的手稿和他在完成工作和有价值的输入和富有成果的讨论计算机科学与工程系的教员。同时,他把特权扩展感谢他的父母和家庭成员呈现他们在整个研究工作的支持。

数据乍一看

图1
图1

引用





































全球技术峰会