>
Fa   |   Ar   |   En
   زمان بندی بارهای غیرخطی در محیط رایانش مه با استفاده از تئوری بار بخش پذیر  
   
نویسنده کاظمی مجتبی ,قنبری شمس اله ,کاظمی منوچهر ,عثمان محمد
منبع محاسبات و سامانه هاي توزيع شده - 1401 - دوره : 5 - شماره : 2 - صفحه:126 -139
چکیده    محدودیت سرعت پردازنده ها، مانعی برای پردازش بارهایی که دارای داده های انبوه هستند، می باشد. تنها راه افزایش سرعت پردازش و کاهشزمان پردازش نهایی ، استفاده از سیستم های موازی و یا گسترده می باشد. در این صورت زمان بندی مطرح می شود. نوع جدیدی از زمان بندی ازسال 1988 براساس تئوری بار تقسیم پذیر ارائه گردیده و پژوهش هایی در این زمینه، در محیط های مختلف رایانشی به جز رایانش مه، برایبارهای خطی انجام شده است. این مقاله یک زمان بندی بهینه برای بارهای غیرحطی با استفاده از تئوری بار تقسیم پذیر را در محیط مه با ارائهمعادلات و حل آنها و الگوریتم مربوطه پیشنهاد می دهد. آزمایشات تجربی نشان داده است که این روش نسبت به روشهای رایج مانند تقسیم مساوی،زمان پردازش نهایی را حدود هشتاد و پنج برابر کاهش می دهد.
کلیدواژه رایانش مه، تئوری بار بخش پذیر، سیستم های محاسباتی توزیع شده، بارهای داده محور
آدرس دانشگاه آزاد اسلامی واحد قم, دانشکده مهندسی, ایران, دانشگاه آزاد اسلامی واحد آشتیان, دانشکده مهندسی, ایران, دانشگاه آزاد اسلامی واحد آشتیان, دانشکده علوم, ایران, دانشگاه پوترا مالزی (upm ), دانشکده تکنولوژی ارتباطات و شبکه, مالزی
پست الکترونیکی mothman@upm.edu.my
 
   load scheduling using divisible load theory with non-linear loads  
   
Authors kazemi mojtaba ,ghanbari shamsollah ,kazemi manochehr ,othman mohamed
Abstract    limiting the speed of processors is an obstacle to processing data-intensive loads. the only way to increase the processing speed and reduce the finish time is to use parallel or distributed systems. in this paper, scheduling is discussed. a new type of scheduling has been presented since 1988 based on divisible load theory and research in this field has been carried out in different computing environments except fog computing for non-linear loads. this article proposes optimal scheduling for non-linear loads using divisible load theory (dlt) in the fog environment by presenting equations and solving them and the corresponding algorithm. experimental tests have shown that this method reduces the finish time about eighty-five times compared to common methods such as equal division.
Keywords cloud computing ,cloud storage ,main-memory database ,hot/cold data ,cold data management
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved