دانلود مقاله محاسبات ابری موبایل Mobile Cloud Computing - بررسی ناهمگنی (Heterogeneity)، دسته بندی و چالش ها

زبان: انگلیسی

سال انتشار: 2014

قالب: پی دی اف (PDF)

تعداد صفحات : 24

یکی از زمینه هایی که در سالهای اخیر توجه زیادی را به خود جلب کرده است محاسبات ابری (Cloud Computing) می باشد. با افزایش میزان استفاده از تلفن های هوشمند (Smartphone) و تبلت ها، موضوعی که میتواند پرداختن به آن مفید باشد، به کار گیری محاسبات ابری موبایل (Mobile Cloud Computing) است که منظور از آن استفاده از دستگاههای موبایل برای ایجاد سیستم های ابری (برای محاسبات، ذخیره سازی، ...) می باشد. در این مقاله ابتدا در مورد محاسبات ابری و محاسبات ابری موبایل بحث شده است و سپس نگارنده به بررسی انواع روشهای ایجاد محاسبات ابری موبایل اعم از نرم افزاری و سخت افزاری پرداخته است. سپس چالشهای فراروی هر کدام را بررسی نموده و بعد از آن نیز بحث مهم ناهمگونی در سیستم های محاسبات ابری موبایل را به طور کامل تشریح و اثرات و چالش های پیش رو را شرح داده است. برای هر چالش نیز راهکاری ارائه شده است. در پایان نیز مسائل باز که هنوز جای کار زیادی دارند معرفی شده است.

مطالعه این مقاله میتواند راهنمای خوبی برای کسانی باشد که قصد انجام تحقیق در زمینه محاسبات ابری موبایل را دارند. شایان ذکر است این مقاله در سال 2014 در ژورنال Communication tutorials and surveys که توسط انتشارات IEEE منتشر میشود چاپ شده است.

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار واتس آپ:

[phone]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

دانلود پایان نامه انگلیسی کارشناسی ارشد کامپیوتر – یک روش زمانبندی در رایانش ابری موبایل برای بهینه سازی مصرف انرژی

 نوع مطلب: پایان نامه کارشناسی ارشد

عنوان: یک روش زمانبندی با بهینه سازی مصرف انرژی و با محدودیت زمانی برای ابر موبایلی محلی

زبان: انگلیسی

قالب: پی دی اف (PDF)

تعداد صفحات: 64

سال انتشار: 2014                                                       

محل انتشار: دانشگاه نوادا، لاس وگاس آمریکا

امروزه دستگاههای موبایل مانند تلفن های هوشمند و تبلت ها به میزان زیادی فراگیر شده اند. یکی از مشکلات استفاده از این دستگاهها محدودیت های پایه ای آنها مانند قدرت محاسباتی کم، حافظه اندک و میزان باتری محدود است. برای حل این مشکل رایانش ابری موبایل (Mobile Cloud Computing) یا محاسبات ابری سیار پیشنهاد شده است. در این مدل محاسباتی، دستگاههای موبایل برای انجام کارهای خود به یک سرور راه دور متصل میشوند و آن سرور کارها را انجام میدهد و نتایج را در موبایل نمایش میدهد (Offloading). در واقع میزان کمی از کار روی خود دستگاه انجام میگیرد. این روش میتواند کمبود محدودیت ها را جبران کند ولی به خاطر زیاد بودن تاخیر ارتباطی شبکه ممکن است برای کاربردهای بلادرنگ (Real Time) مناسب نباشد.

در این پایان نامه استفاده در مورد سیستم های رایانش ابری موبایل محلی (Local Mobile Cloud Computing) صحبت شده است که از گروهی از دستگاههای موبایل که در نزدیکی یکدیگر قرار دارند استفاده میشود. تفاوت این روش با روشهای دیگر این است که دستگاههای موبایل در نزدیکی یکدیگر قرار دارند و تاخیر ارتباطی کمتر است. همچنین نیاز به زیرساخت های ارتباطی از پیش ساخته شده مانند اتصال اینترنتی و سرورهای ابری نمیباشد. در واقع یک شبکه موردی موبایل (Mobile Ad Hoc Network) یا MANET ساخته میشود. پس میتواند هزینه کمتری داشته باشد.

تمرکز این پایان نامه روی زمانبندی کارها (Task Scheduling) است و یک روش انطباقی (Adaptive) برای این کار معرفی میکند که میتواند در سیستم های مختلفی استفاده شود. نتایج آورده شده نشان میدهد که کارایی این روش در مقایسه با دیگر الگوریتم های موجود بهتر است و زمان تکمیل کارها کمتر و همچنین میزان مصرف انرژی پایین تری دارد.

 چکیده

ابزارهای موبایل منابع محدودی دارند، مانند توانایی محاسباتی و عمر باتری. امروزه رایانش ابری موبایل به سرعت در حال محبوب شدن است و میتواند با فرستادن محاسبات سنگین به سرورهای دارای منابع زیاد و دریافت نتایج از این سرورها بر محدودیت های نامبرده پیروز شود. ابرهای موبایل محلی که از دستگاه های موبایل های کنار هم تشکیل میشوند میتوانند به عنوان یک راهکار بهتر برای پشتیبانی از برنامه های کاربردی بلادرنگ پیشنهاد میشوند. به این خاطر که پهنای باند شبکه و منابع محاسباتی میان همه ی ابزارهای موبایل مشترک است، نیاز به یک روش زمانبندی برای اطمینان حاصل کردن از این نکته است که چندین ابزار موبایل میتوانند به صورت موثری کارها را به ابرهای موبایل محلی برون سپاری کنند به گونه ای که محدودیت های زمانی این کارها را برآورده کرده و این کار را با مصرف پایین انرژی انجام دهند. باید تو چالش اساسی برطرف شود: (1) برآورد میزان مصرف انرژی و زمان تکمیل کارهایی که نیاز است زمانبندی شوند، (2) زمانبندی کردن کارها از چند گره مبدا به یک دستگاه مناسب برای انجام محاسبات و دریافت نتایج.

در این پایان نامه، زمانبند کار احتمالی تطبیق پذیر برای ابرهای موبایل محلی پیشنهاد میشود. زمانبند بر اساس پیام های شبکه ای دوره ای برای کشف منابع شبکه ای و محاسباتی استوار است. این روش نخست زمان تکمیل و میزان مصرف انرژی را در هر گره پردازشی احتمالی را تخمین میزند. سپس، کار کنونی را به یک روش احتمالی روی گره پردازشی مناسب زمانبندی میکند و به طور انطباقی محدوده زمانی آن را به منظور بهبود کارایی تحت شرایط غیر قابل پیش بینی شبکه تنظیم میکند. نتایج آزمایشات این روش در مقایسه با دیگر روشهای زمانبندی تایید میکند که روش پیشنهادی ما دارای بیشترین نرخ تکمیل کار و کمترین میزان متوسط مصرف انرژی به ازای هر کار موفق است. افزون بر این، زمانبند پیشنهادی میتواند با انواع مختلفی از کارها و سناریوهای شبکه کار کند.

Abstract

Mobile devices have limited resource, such as computation performance and battery life. Mobile cloud computing is gaining popularity as a solution to overcome these resource limitations by sending heavy computation to resourceful servers and receiving the results from these servers. Local mobile clouds comprised of nearby mobile devices are proposed as a better solution to support real-time applications. Since network bandwidth and computational resource is shared among all the mobile devices, a scheduling scheme is needed to ensure that multiple mobile devices can efficiently offload tasks to local mobile clouds, satisfying the tasks’ time constraint while keeping low-energy consumption. Two critical challenges need to be solved: (1) estimation of the energy consumption and completion time for tasks to be scheduled, (2) schedule the tasks from multiple source nodes to an appropriate device to accomplish the computation and receive the results.

In this thesis, the adaptive probabilistic task scheduler for local mobile clouds is proposed. The scheduler relies on periodic network messages to discover neighboring computation and network resources. It first estimates the completion time and energy consumption at each potential processing node. Next, it schedules the current task to the proper processing node in a probabilistic way and adaptively adjusts its time margin to improve performance under the unpredictable network condition. Comparing with other existing scheduling schemes, the experimental results confirm that the proposed scheduler achieves highest task completion rate and the lowest average energy per successful task. In addition, the proposed scheduler is able to accommodate different types of tasks and network scenarios.

فهرست مطالب:

CHAPTER 1 INTRODUCTION

Overview of mobile cloud computing Motivation Introduction to this thesis

CHAPTER 2 LITERATURE REVIEW

Mobile cloud architectures Task-scheduling in mobile cloud system Context awareness in mobile cloud

CHAPTER 3 PROBLEM STATEMENT

Notations and assumptions Network and task models Problem statement Motivation example in local mobile clouds

CHAPTER 4 THE PROPOSED ADAPTIVE PROBABILISTIC TASK SCHEDULER

Phase I: Resource discovery phase Phase II: Adaptive probabilistic scheduling phase An illustrative example

CHAPTER 5 NUMERICAL RESULT

Simulation setup Effect of varying Topology Control message interval Different size of network The impact of node mobility The impact of different task type Summary

CHAPTER 6 CONCLUSION AND FUTURE WORK

Conclusion Future work

REFERENCE

کلمات کلیدی:

تخصیص منابع در رایانش ابری، تخصیص منابع در محاسبات ابری، اختصاص منابع در رایانش ابری، اختصاص منابع در محاسبات ابری، زماننبدی وظایف در رایانش ابری، زمانبندی وظایف در محاسبات ابری، زمانبندی کارها در رایانش ابری، زمانبندی کارها در محاسبات ابری، روشهای تخصیص منابع در رایانش ابری، روشهای اختصاص منابع در محاسبات ابری، الگوریتم های اختصاص منابع در رایانش ابری، توازن بار در رایانش ابری، پایان نامه کامپیوتر، پایان نامه رایانش ابری، پایان نامه محاسبات ابری، پایان نامه رایانش ابری موبایل، پایان نامه محاسبات ابری موبایل، پایان نامه رایانش ابری سیار، پایان نامه رایانش ابری موبایل، زمانبندی در رایانش ابری موبایل، زمانبندی در رایانش ابری سیار، زمانبندی در محاسبات ابری موبایل، زمانبندی در رایانش ابری سیار، مقاله 2015 کامپیوتر، مقاله 2015 رشته کامپیوتر، مقاله انگلیسی 2015، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، مقاله رایانش ابری، مقاله محاسبات ابری، مقاله انگلیسی ترجمه شده، مقاله ترجمه شده، مقاله 2015 ترجمه شده، مقاله و ترجمه، ترجمه مقاله رایانش ابری، ترجمه مقاله isi، خرید ترجمه مقاله، خرید مقاله، دانلود مقاله کامپیوتر، دانلود رابگان مقاله رایانش ابری، مقاله جدید کامپیوتر، زمانبندی رایانش ابری، زمانبندی ماشین های مجازی، رایانش ابری موبایل، رایانش ابری سیار، محاسبات ابری موبایل، محاسبات ابری سیار، چالش های رایانش ابری سیار، چالش های رایانش ابری موبایل، مدل های برنامه نویسی رایانش ابری موبایل، مدل های برنامه نویسی محاسبات ابری سیار، خدمات پلتفرم، خدمات پلت فرم، سرویس های پلت فرم، زمانبندی ماشین های فیزیکی در رایانش ابری، کلود، زمانبندی برای کاهش مصرف انرژی، شبیه سازی رایانش ابری، مقاله 2015 ترجمه شده، مقاله انگلیسی ترجمه شده، زماننبدی تطبیقی، زمانبندی انطباقی، مقاله کامپیوتر ترجمه شده، مقاله رایانش ابری ترجمه شده، مقاله ترجمه شده جدید رایانش ابری، مقاله ترجمه شده جدید محاسبات ابری، مقاله با ترجمه، مقاله ISI با ترجمه، زمانبندی vm، زمانبندی ماشین مجازی، مجازی سازی، 2015 Article, ISI Article, Virtualization, Power saving scheduling in cloud computing, context-rich services, presence service, mobile cloud computing, adaptive scheduling

(قیمت ترجمه این پایان نامه با بهترین کیفیت، کاملا تخصصی و تایپ شده: حدود 550 هزار تومان، زمان تحویل حدود 20 روز)

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار واتس آپ:

[phone]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

دانلود مقاله A Study on Critical Analysis of Computational Offloading Frameworks for Mobile Cloud Computing انتشار 2015

Journal of Network and Computer Applications

Volume 47, January 2015, Pages 47–60

Muhammad Shiraz*, Mehdi Sookhak, Abdullah Gani, Syed Adeel Ali Shah

Abstract
Despite of substantial technological advancements in the recent years, Smart Mobile Devices (SMDs) are still low potential computing
devices. Therefore, Mobile Cloud Computing (MCC) deploys computational offloading for augmenting SMDs. The contemporary Computational
Offloading Frameworks (COFs) implement resources intensive procedures for computational offloading, which involve the overhead of
transmitting application binary code and deployment of distributed platform at runtime. As a result, energy consumption cost and turnaround
time of the mobile application and overhead of data transmission is increased. Nevertheless, the resources limited nature of SMDs requires
lightweight technique for leveraging the application processing services of computational clouds. This paper critically analyzes the resource
intensive nature of the latest existing computational offloading techniques for MCC and highlights technical issues in the establishment of
distributed application processing platform at runtime. A prototype application is evaluated with different computation intensities in the real
MCC environment. Analysis of the results shows that additional computing resources are utilized in the deployment of distributed application
processing platform at runtime such as: 31.6 % additional energy is consumed, 39% additional time is taken and 13241.2 KB data is transmitted
in offloading different computational intensive components of the prototype mobile application. Finally, we highlight technical issues in the
existing computational offloading techniques for MCC, which draw attention for the future research in computational offloading for MCC and
assist in developing lightweight procedures for computational offloading in MCC.

Keywords: Mobile Cloud Computing, Distributed Systems, Computational offloading, Resource Intensive,
Lightweight