مکانیسم ذخیره منابع پویا بطور بیش از حد در محاسبات مه
صفحات انگلیسی:9
صفحات فارسی : 12 فونت 12 تعداد کلمات فارسی:7051
چکیده –
محاسبات مه (FC – به طور مشابه محاسبات لبه ای) به عنوان الگوی محاسبات جدید می تواند از برنامه های توزیع شده خاص دامنه یا خاص منطقه با کیفیت خدمات ابر مانند (QoS) پشتیبانی کند. بنابراین این الگوی امیدوار کننده می تواند کاربردهای گسترده خود را در سناریوهای مختلف صنعتی و شهرهای هوشمند که در آنها منابع مورد نیاز به اوج ساعت یا غیر اوج ساعت تقسیم می شوند پیدا کند. یک رویکرد تخصیص منابع انعطاف پذیر مبتنی بر مدل قیمت گذاری می تواند برای موفقیت چنین الگویی حیاتی باشد. با توجه به دانش ما ، تاکنون ندیده ایم که یک چنین رویکرد تخصیص منابع مبتنی بر قیمت گذاری برای سناریوهای FC گزارش شده باشد. در این مقاله ، ما یک مدل تخصیص منابع پویا مبتنی بر قیمت گذاری را از طریق مکانیزم رزرو بیش از حد پیشنهاد می کنیم که این امر از طریق سه مرحله تحقق می یابد: 1) با توجه به نیازهای مختلف QoS از وظایف کاربر ، روش های صورتحساب بر اساس تقاضا ، صورتحساب روزانه و صورتحساب حراج طراحی شده اند ، که در آنها اجازه می دهیم منبع به صورت بیش از حد رزرو شود. 2) برای صورتحساب حراج ، ما یک رویکرد حراج شامل قانون قیمت گذاری و قانون تعیین برنده را طراحی می کنیم. بعلاوه، ثابت می کنیم که روش حراج ما عقلانیت فردی ، کارایی محاسباتی و راستی را تضمین می کند. 3) برای نگه داشتن بیش از حد ممکن منابع با درجه بالایی از رضایت QoS از تقاضا و صورتحساب روزانه ، منبع را بر اساس پیش بینی استفاده از منابع با استفاده از شبکه عصبی و بازخورد نقض توافق نامه سطح خدمات بیش از حد مجاز می کنیم. در پایان ، سازوکار را با ردیابی داده های واقعی تأیید می کنیم. نتایج تجربی نشان می دهد که رویکرد حراج ما به ویژگی های مطلوبی دست می یابد و مکانیسم ذخیره بیش از حد منابع پویا ، سود گره هایی را با درجه بالایی از رضایت QoS از تقاضا و صورتحساب روزانه و میزان دقت پیش بینی استفاده زیاد از منابع ، به حداکثر می رساند
A Dynamic Resource Overbooking Mechanism in Fog Computing
Abstract—Fog Computing (FC – similarly edge computing) as new computing paradigm can support distributed domainspecific or area-specific applications with cloud-like quality of service (QoS). This promising paradigm thus can find its wide applications in various industrial scenarios and smart cities in which the resource requirements will be divided into peak-hour or non-peak-hour. To deal with such features of applications, a flexible resource allocation approach based on pricing model can be critical for the success of such paradigm. To the best of our knowledge, we have not seen such pricing based resource allocation approach ever been reported for FC scenarios. In
this paper, we propose a novel pricing based dynamic resource allocation model through overbooking mechanism, and it is realized through three steps: 1) According to different QoS
requirements of user tasks, methods of on-demand billing, daily billing, and auction billing are designed, in which we allow the resource to be overbooked; 2) For auction billing, we design
an auction approach including pricing rule and winner determination rule. We prove that our auction approach guarantees individual rationality, computational efficiency, and truthfulness.
3) To overbook as much resource as possible with a high degree of QoS satisfaction of on-demand and daily billing, we overbook the resource based on a resource utilization prediction using
neural network and service level agreement violation feedback. In the end, we validate the mechanism with real-world data trace. Experimental results show that our auction approach achieves desirable properties, and our dynamic resource overbooking mechanism maximizes the profit of nodes with a high degree of QoS satisfaction of on-demand and daily billing and a high
resource utilization prediction accuracy rate.
دانلود رایگان مقاله انگلیسی
دانلود مقاله دات کام 
توضیحات محصول
مکانیسم ذخیره منابع پویا بطور بیش از حد در محاسبات مه
صفحات انگلیسی:9
صفحات فارسی : 12 فونت 12 تعداد کلمات فارسی:7051
چکیده –
محاسبات مه (FC – به طور مشابه محاسبات لبه ای) به عنوان الگوی محاسبات جدید می تواند از برنامه های توزیع شده خاص دامنه یا خاص منطقه با کیفیت خدمات ابر مانند (QoS) پشتیبانی کند. بنابراین این الگوی امیدوار کننده می تواند کاربردهای گسترده خود را در سناریوهای مختلف صنعتی و شهرهای هوشمند که در آنها منابع مورد نیاز به اوج ساعت یا غیر اوج ساعت تقسیم می شوند پیدا کند. یک رویکرد تخصیص منابع انعطاف پذیر مبتنی بر مدل قیمت گذاری می تواند برای موفقیت چنین الگویی حیاتی باشد. با توجه به دانش ما ، تاکنون ندیده ایم که یک چنین رویکرد تخصیص منابع مبتنی بر قیمت گذاری برای سناریوهای FC گزارش شده باشد. در این مقاله ، ما یک مدل تخصیص منابع پویا مبتنی بر قیمت گذاری را از طریق مکانیزم رزرو بیش از حد پیشنهاد می کنیم که این امر از طریق سه مرحله تحقق می یابد: 1) با توجه به نیازهای مختلف QoS از وظایف کاربر ، روش های صورتحساب بر اساس تقاضا ، صورتحساب روزانه و صورتحساب حراج طراحی شده اند ، که در آنها اجازه می دهیم منبع به صورت بیش از حد رزرو شود. 2) برای صورتحساب حراج ، ما یک رویکرد حراج شامل قانون قیمت گذاری و قانون تعیین برنده را طراحی می کنیم. بعلاوه، ثابت می کنیم که روش حراج ما عقلانیت فردی ، کارایی محاسباتی و راستی را تضمین می کند. 3) برای نگه داشتن بیش از حد ممکن منابع با درجه بالایی از رضایت QoS از تقاضا و صورتحساب روزانه ، منبع را بر اساس پیش بینی استفاده از منابع با استفاده از شبکه عصبی و بازخورد نقض توافق نامه سطح خدمات بیش از حد مجاز می کنیم. در پایان ، سازوکار را با ردیابی داده های واقعی تأیید می کنیم. نتایج تجربی نشان می دهد که رویکرد حراج ما به ویژگی های مطلوبی دست می یابد و مکانیسم ذخیره بیش از حد منابع پویا ، سود گره هایی را با درجه بالایی از رضایت QoS از تقاضا و صورتحساب روزانه و میزان دقت پیش بینی استفاده زیاد از منابع ، به حداکثر می رساند
A Dynamic Resource Overbooking Mechanism in Fog Computing
Abstract—Fog Computing (FC – similarly edge computing) as new computing paradigm can support distributed domainspecific or area-specific applications with cloud-like quality of service (QoS). This promising paradigm thus can find its wide applications in various industrial scenarios and smart cities in which the resource requirements will be divided into peak-hour or non-peak-hour. To deal with such features of applications, a flexible resource allocation approach based on pricing model can be critical for the success of such paradigm. To the best of our knowledge, we have not seen such pricing based resource allocation approach ever been reported for FC scenarios. In
this paper, we propose a novel pricing based dynamic resource allocation model through overbooking mechanism, and it is realized through three steps: 1) According to different QoS
requirements of user tasks, methods of on-demand billing, daily billing, and auction billing are designed, in which we allow the resource to be overbooked; 2) For auction billing, we design
an auction approach including pricing rule and winner determination rule. We prove that our auction approach guarantees individual rationality, computational efficiency, and truthfulness.
3) To overbook as much resource as possible with a high degree of QoS satisfaction of on-demand and daily billing, we overbook the resource based on a resource utilization prediction using
neural network and service level agreement violation feedback. In the end, we validate the mechanism with real-world data trace. Experimental results show that our auction approach achieves desirable properties, and our dynamic resource overbooking mechanism maximizes the profit of nodes with a high degree of QoS satisfaction of on-demand and daily billing and a high
resource utilization prediction accuracy rate.
دانلود رایگان مقاله انگلیسی