بستر محاسباتی مه (مقاله رایگان pdf)

چکیده

             با معرفی ریزشبکه، مدیریت انرژی برای کنترل تولید برق و مصرف در حوزه‌های مسکونی، صنعتی و تجاری، به عنوان مثال در ریزشبکه مسکونی و خانه‌ها ضروری است. مدیریت انرژی ممکن است برای رسیدن به انرژی خالص صفر برای حوزه‌های مسکونی به ما کمک کند. بهبود در فن‌آوری، هزینه و اندازه ویژگی موجب می‌شود دستگاه‌ها در همه جا به یکدیگر متصل شوند و تعامل برقرار کنند، که اینترنت اشیاء نامیده می‌شود. افزایش پیچیدگی و داده‌ها، با توجه به تعداد فزاینده‌ی دستگاه‌هایی مانند سنسورها و دیسک، نیاز به منابع محاسباتی قدرتمند دارند که ممکن است توسط محاسبات ابری ارائه شده باشد. با این حال، مقیاس‌پذیری به موضوعی بالقوه در محاسبات ابری تبدیل شده است. در این مقاله، محاسبات مه به‌عنوان یک پلت‌فرم جدید برای مدیریت انرژی معرفی شده است. مقیاس‌پذیری، سازگاری و ویژگی‌های نرم‌افزاری/سخت‌افزاری منبع باز در پلت‌فرم پیشنهادی موجب می‌شود تا کاربر مدیریت انرژی کنترل به عنوان را انجام دهد، درحالی‌که هزینه اجرا و زمان ارائه به بازار به حداقل رسیده است. برای نشان دادن مدیریت انرژی به‌عنوان یک سرویس بر روی پلت‌فرم محاسباتی مه در حوزه‌های مختلف، دو نمونه‌ی مدیریت انرژی خانه و مدیریت انرژی در سطح ریزشبکه اجرا و آزمایش شده است. 

فناوری های سنتی (مقاله رایگان pdf)

 محاسبات ابری یک موضوع بسیار مهم و محبوب در صنعت IT (فن‌آوری اطلاعات) است، اما خطرات مرتبط با این فن‌آوری هنوز هم به‌طور کامل حل نشده است. در این مقاله، یک رویکرد خوب برای تامین امنیت ناشی از خطرات محاسبات ابری ارائه شده است. تمرکز این رویکرد بر شناسایی خطرات موثر بر رایانش ابری و ایجاد یک چارچوب است که می‌توانند در انطباق پردازش و استراتژی کاهش خطرات به مدیران IT کمک کند. فشارهای اقتصادی ناشی از کسب‌و‌کار، نیاز به مدلی برای تحویل انعطاف‌پذیر، کاهش چشمگیر سرمایه‌گذاری و کاهش هزینه عملیاتی را افزایش می‌دهد. محاسبات ابری برای بهره بردن از این فشارهای اقتصادی با هزینه اقتصادی کم و مدل انعطاف‌پذیر و با رعایت امنیت و حریم خصوصی به کار برده می‌شود. چارچوب ارائه شده توسط این مقاله به متخصصان کمک می‌کند تا درک روشن‌تری از خطرات مبادلات مرتبط با محیط‌ های محاسبات ابری به‌دست آورند.

سرویس مانیتورینگ (مقاله رایگان pdf)

چکیده

          محاسبات ابری تلفن‌همراه، ترکیبی از محاسبات تلفن‌همراه و محاسبات ابری است و محیط محاسبات ابری را از طریق دستگاه‌های مختلف تلفن‌همراه فراهم می‌کند. اخیرا به‌علت گسترش سریع بازار تلفن‌های هوشمند و محیط ارتباطات بی‌سیم، دستگاه‌های تلفن‌همراه به‌عنوان منبعی برای پردازش توزیع شده در مقیاس بزرگتر در نظر گرفته می‌شود. اما دستگاه‌های تلفن‌همراه مشکلاتی مانند اتصال بی‌سیم ناپایدار، محدودیت ظرفیت قدرت، پهنای باند ارتباطی پایین و تغییرات مکرر مکان دارند. به‌عنوان ارائه‌دهندگان منبع، دستگاه‌های تلفن‌همراه می‌توانند به صورت غیرقابل پیش‌بینی به یکدیگر ملحق شوند و محیط محاسبات توزیع شده را ترک کنند. این مسئله، عملیات درحال اجرا را مورد وقفه قرار می‌دهد و تاخیر یا عدم تکمیل عملیات ممکن است یک سیستم را با شکست مواجه کند. به‌دلیل قابلیت اطمینان پایین و تکمیل عمل بدون تضمین، استفاده از یک دستگاه تلفن‌همراه به‌عنوان یک منبع دشوار است. این بدان معناست که دستگاه‌های تلفن‌همراه فرّار است. بنابراین، ما باید نوسانات را در نظر بگیریم، یکی از ویژگی‌های پویای دستگاه‌های تلفن‌همراه این است که برای منابع پایدار تدارک دیده شده‌اند. دراین مقاله، ما یک روش نظارت بر اساس مدل زنجیره‌ی مارکوف، که منابع را تجزیه‌و‌تحلیل و پیش‌بینی می‌کند ارائه می‌کنیم. با روش نظارتی پیشنهادی و پیش‌بینی حالت، یک سیستم ابری در برابر خطای ایجاد شده به‌وسیله‌ی نوسانات دستگاه‌های تلفن‌همراه پایدارتر است. روش پیشنهادی نوسانات دستگاه تلفن‌همراه را از طریق مدل‌سازی الگوهای حالات گذشته کاهش می‌یابد و یک پیش‌بینی از حالت آینده‌ی دستگاه تلفن‌همراه ارائه می‌دهد.

نرم ‌افزارهای پیشرفته (مقاله رایگان pdf)

چکیده

       ما ابزارهای یادگیری ماشین مبتنی‌بر ابر را برای افزایش برنامه‌های کاربردی داده‌های بزرگ پیشنهاد می‌کنیم، که در آن ایده‌ی اصلی پیش‌بینی حجم کار "بعدی" در برابر هدف زیرساخت ابر از طریق یک رویکرد مبتنی بر گروه‌های نوآورانه است که اثر بخشی طبقه‌بندی‌های مختلف شناخته شده به ‌منظور افزایش طیف دقت طبقه ‌بندی نهایی ترکیب می‌کند، که درحال‌ حاضر بسیار به زمینه‌ای خاص از داده‌های بزرگ مربوط است. به ‌اصطلاح مشکل طبقه‌ بندی حجم کار در جهت بهبود بهره‌ وری و قابلیت اطمینان برنامه‌های کاربردی داده‌ی بزرگ مبتنی بر ابر نقش حیاتی ایفا می‌کند. اجرای عاقلانه‌ی روش ما نهادهای ابر را مستقر می‌کند که روش طبقه‌بندی در بالای ماشین‌های مجازی، که یک نمایش مناسب برای داده‌های بزرگ مبتنی بر ابراست. ارزیابی مقدماتی و تجزیه و تحلیل، به‌ وضوح منافع حاصل از طبقه ‌بندی چارچوب را تایید می‌کند.

روش های تشخیص نفوذ (مقاله رایگان pdf)

چکیده

          رایانش ابری خدمات مورد تقاضای مقیاس پذیر و مجازی را برای کاربران نهایی با انعطاف پذیری بیشتر و سرمایه گذاری زیرساختی کمتر فراهم می کند. این خدمات با استفاده از اینترنتی که از پروتکل های شبکه ای شناخته شده، استانداردها و قالب بندی هایی با نظارت مدیریت های مختلف است. اشکالات و آسیب پذیری های موجود در تکنولوژی های پایه و پروتکل های برجا مانده سبب بازگشایی دروازه هایی برای اختلال می شود. این مقاله پیمایشی را بر تداخل های مختلف  که بر دسترسی، محرمیت و انسجام منابع و خدمات ابری اثر گذار است انجام می دهد. پیشنهادات سیستم های شناسایی تداخل های مشترک (IDS) را در محیط ابری آزمون می کند و انواع و فنون مختلف IDS و سیستم های ممانعت از تداخل ها (IPS) را مورد بحث قرار می دهد و بر توزیع IDS/IPS در ساختار ابری توصیه هایی برای دستیابی به امنیت مطلوب در شبکه های نسل بعدی دارد. 

کشاورزی دقیق (مقاله رایگان pdf)

چکیده

         تحولات تکنولوژیکی و تجاری اخیر، محاسبات ابری رابه  یک تکنولوژی و پلت فرم مقرون به صرفه، مقیاس پذیر و بسیار قابل دسترس تبدیل کرده است. در عین حال افزایش دقت در کشاورزی و بهبود عملیات کشاورزی با تصمیم گیری بهتر داده ها، نشان دهنده توانایی های این تکنولوژی است. با این وجود، توسعه بیشتردقت کشاورزی نیاز به تکنولوژی و ابزارهای بهتر برای پردازش داده ها به صورت موثر با هزینه معقول و انتقال داده ها به تصمیم گیری ها و اقدامات بهتر در یک زمینه دارد. ما یک چارچوب برای سیستم های تصمیم گیری مبتنی بر ابر و سیستم های اتوماسیون که می توانند داده ها را از منابع مختلف به دست آورند تنظیم کرده ایم ، سنتز تصمیم های خاص برنامه ، و دستگاه های کنترل میدان از ابر را توسعه دادیم. یکی از ویژگی های متمایز چارچوب ما، معماری نرم افزار قابل گسترش آن است: ماژول های تصمیم گیری  می توانند برای یک عملیات خاص اضافه شوند و یا پیکربندی شوند. این پلتفرم دارای ظاهرا یک  دستگاه-آگنوستیک است که می تواند داده های ورودی را در قالب ها و معانی مختلف پردازش کند. در نهایت، این پلت فرم شامل کنترل نرم افزاری است . یک پارادایم طراحی جدید نرم افزاری است که ما پیشنهاد کردیم تا کنترل های همه جانبه و ایمن دستگاه های زمینه را از یک پلت فرم محاسبات ابری ، کنترل کنیم. یک نسخه اولیه از این سیستم با حمایت USDA توسعه و آزمایش شده است.

خدمات زیرساخت ابری (مقاله رایگان pdf)

چکیده

          رایانش ابری، به عنوان موج جدیدی از فناوری های ICT (فناوری اطلاعات و ارتباطات) بوده، که رویکرد مشترکی را در ارتباط با تامین شرایط محاسبات درخواستی، ذخیره سازی، و منابع شبکه معرفی کرده، که معمولا تحت عنوان خدمات زیرساختی نامیده می شوند. اکثر خدمات ابری تجاری قابل دسترس کنونی، ایجاد و سازماندهی شده تا به بازتاب روابط بین ارائه دهنده خدمات و مشتریان، توسط مدل اطمینان و امنیت ساده،بپردازد.مدل های طراحی شده جدید،باید به ارائه بستر خدمات ابری ناهمگن از طرف چند ارائه کننده خدمات، به مشتریان سازمانی پرداخته که نماینده گروه های کاربری چندگانه هستند.این مدل ها باید توسط عملکرد خدمات امنیتی پایدار، در بستر ابری ارائه دهند گان خدمات چندگانه در محیط مجازی اجرا گردند. این مدل ها باید به ادغام مکانیسم کنترل دسترسی پیچیده و رابطه اعتماد در میان فعالان خدمات ابری بپردازند. . در این مقاله، به تحلیل مجموعه ای از رویدادهای ارائه خدمات ابری پرداخته، و به ارائه مدل کنترل دسترسی، برای خدمات ابری چند مستاجری، با استفاده از مدل کنترل دسترسی ویژگی- محورمی‌پردازیم. همچنین این مدل را در حوزه سناریوهای بین ابری، توسط رویکرد تبادل نشانه ها، تعمیم می دهیم. به منظور تسهیل ارزیابی و پیاده سازی روش ویژگی-محور مدل پیشنهادی، مکانیسم کارآمدی را در این شیوه برای تبدیل عبارات منطقی پیچیده، به یک نمودار تصمیم گیری فشرده، بکار می گیریم. نمونه اولیه مورد نظر ما،برای سیستم کنترل دسترسی ویژگی-محور چند مستاجری در مورد خدمات بین ابری، ایجاد،و آزمایش شده و در پروژه جیسرز  ادغام شد. ارزیابی ها نشان می دهد که روش ما دارای عملکرد مناسبی از نظر تعداد منابع ابری و تعداد مشتریان (کلاینت ها) است.

حافظه مشترک توزیع شده (مقاله رایگان pdf)

چکیده

        مهاجرت زنده ماشین مجازی یک ابزار حیاتی برای مدیریت پویای منابع در مراکز داده فعلی است. تکنیک های بسیاری برای رسیدن به این هدف با حداقل وقفه در امر سرویس دهی توسعه یافته اند. در این مقاله یک پیش نویس از مهاجرت زنده VM با استفاده از مدل محاسباتی حافظه مشترک توزیع شده (DSM) ارائه میشود. که به وسیله دو گره محاسباتی یکسان برای ایجاد معماری خدمات محیطی یعنی زیرساخت های مجازی سازی، سرور ذخیره سازی مشترک و DSM و خوشه (HPC) با کارایی محاسباتی بالا راه اندازی میگردد. چارچوب سفارشی DSM براساس یک به روز رسانی حافظه Grappa با زمان تاخیر کم می باشد. خوشه HPC با کتابخانه های OPENMPI و MPI از موازی سازی و موازی سازی خودکار حجم کار با استفاده از گره های محاسباتی پردازنده ها پشتیبانی میکند.DSM به پردازنده های خوشه اجازه می دهد تا به صفحات مشابه حافظه دسترسی داشته و در نتیجه به روز رسانی داده حافظه بر اساس به روز رسانی های ویژگی های محلیت کمتر باشد، که باعث کاهش حجم داده منتقل شده در شبکه می گردد. این مدل  بهبود خوبی در معیارهای مهاجرت زنده VM بدست آورده است. زمان خرابی در زمان بیکاری ویندوز VM 50% و در زمان بیکاری لینوکس اوبونتو 66.6% کاهش یافته است. به طور کلی، این مدل نه تنها باعث کاهش مدت زمان خرابی و مقدار کل داده های ارسال شده میشود، بلکه معیارهای دیگری مانند مجموع زمان مهاجرت و کارایی نرم افزار را کاهش نمیدهد.

محاسبات سبز (مقاله رایگان pdf)

چکیده

        ما به مسئله تخصیص منابع در محیط ابر در مقیاس بزرگ می پردازیم، که بهینه سازی پیکربندی ابر به‌صورت پویا برای اهداف محاسبات سبز تحت محدودیت های پردازنده و حافظه را رسمی می کنیم. ما پروتکل عمومی gossip را برای تخصیص منابع پیشنهاد می کنیم، که می تواند برای اهداف خاص معرفی شود. ما نمونه ای از این پروتکل عمومی را باهدف به حداقل رساندن مصرف انرژی از طریق تحکیم  سرور توسعه می دهیم، درحالی‌که رضایت مندی تغییر الگوی بارگیری برآورده شود. این پروتکل، GRMP-Q نامیده شد، که یک راه حل ابتکاری  کارآمد فراهم می کند که در اغلب موارد به خوبی عمل می کند— در موارد خاص، بهینه است. تحت سربار ، پروتکل یک تخصیص عادلانه از منابع پردازنده به خدمات گیرنده  را می دهد. نتایج شبیه سازی نشان می دهد که معیارهای کلیدی عملکرد، با افزایش اندازه سیستم تغییر نمی کند، فرآیند تخصیص منابع مقیاس پذیر برای بالاتر از 100000 سرور. به‌طورکلی، اثربخشی پروتکل در دستیابی به اهداف خود، با افزایش ظرفیت حافظه در سرورها، افزایش می یابد.

محاسبات ژنومیک (مقاله رایگان pdf)

چکیده

       در سال های اخیر محاسبات علمی با استفاده گسترده از محاسبات ابری به دلیل انعطاف پذیری آن در مدیریت منابع محاسباتی تکامل یافته است. در این مقاله، ما روی پردازش داده های ژنومی که به سرعت در حال پیشرفت در تحقیق و فعالیت های پزشکی است، تمرکز می کنیم. از ویژگی های اصلی این مجموعه داده، نه تنها تعداد فایل های ژنوم موجود در حال تبدیل شدن بسیار بزرگ است، بلکه هر یک از مجموعه داده ها به تنهایی به طور قابل توجهی بزرگ بوده، و بیش از ده گیگابایت می باشد. از این رو، پردازش بخش بزرگی از داده های ژنومی مبتنی بر ابر، تاثیر قابل توجهی در منابع شبکه دارند، زیرا هر پردازش نیاز به انتقال دهها گیگابایت به گره های محاسبه دارد. برای بررسی این موضوع، در این مقاله ما یک چارچوب تعیین منابع پیشنهاد می کنیم که عوامل تصمیم گیری با اطلاعات مورد نیاز برای انتخاب مناسب ترین گره های محاسبه را فراهم می کند. ما تابع تعیین منابع را به صورت توزیع شده اجرا کرده، و به طور گسترده آن را در یک بستر آزمایشی آزمایشگاه متشکل از حدود 70 گره تست کردیم. ما دریافتیم اورهد راه حل پیشنهادی در مقایسه با مقدار داده منتقل شده، ناچیز است.