به کارگیری یک مدل پیشگویانه بارکاری برای تخصیص هوشمندانه حافظه در خوشه¬های HPC با کارایی انرژی بالا
واتساپ:09141077352 همراه: 09141077352 ثابت: 35250068-041 سفارش سمینار و مقاله سفارش ترجمه تخصصی
 

دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


جدیدترین لغات واژه‌نامه

آمار بازدیدکنندگان

بازدید امروز :44
بازدید روز گذشته :70
بازدید این هفته :374
بازدید این ماه :1117
مجموع آمار بازدید ها :800742

عنوان محصول: به کارگیری یک مدل پیشگویانه بارکاری برای تخصیص هوشمندانه حافظه در خوشه¬های HPC با کارایی انرژی بالا

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: دوشنبه 24 مرداد 1396
به کارگیری یک مدل پیشگویانه بارکاری برای تخصیص هوشمندانه حافظه در خوشه¬های  HPC با کارایی انرژی بالا به کارگیری یک مدل پیشگویانه بارکاری برای تخصیص هوشمندانه حافظه در خوشه¬های  HPC با کارایی انرژی بالا
توضیحات مختصر: در این مقاله یک مکانیزم فعالانه برای یادگیری یک استراتژی کارا به منظور خوشه بندی انطباقی منابع پیشنهاد شده است. در این مقاله در مقابل استراتژی های کنشی، که خوشه ها را برای انطباق با جریان های گذشته وفق داده و مجددا مقیاس بندی می کنند، استراتژی های پیشگویانه مطرح شدند. بارکاری ورودی برای خوشه بند...
به کارگیری یک مدل پیشگویانه بارکاری برای تخصیص هوشمندانه حافظه در خوشه¬های  HPC با کارایی انرژی بالا به کارگیری یک مدل پیشگویانه بارکاری برای تخصیص هوشمندانه حافظه در خوشه¬های HPC با کارایی انرژی بالا


قیمت قیمت : 35000 تومان
تخفیف تخفیف: 2000 تومان
تخفیف تخفیف ویژه : 10 درصد
قیمت نهایی قیمت نهایی: 29500 تومان
508 بازدید
کد مقاله: TTC- 3272
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Journal: Elsevier 2016,

Leveraging a predictive model of the workload for intelligent slot allocation schemes in energy-efficient HPC clusters
Abstract
A proactive mechanism to learn an efficient strategy for adaptive resource clusters is proposed. In contrast to reactive techniques, that rescale the cluster to fit the past load, a predictive strategy is adopted. The cluster incoming workload is forecasted and an optimization problem is defined whose solution is the optimal action according to a utility function. Genetic-based machine learning techniques are used, including multi-objective evolutionary algorithms under the distal supervised learning setup. Experimental evaluations show that the proactive system presented in this work improves either the energetic efficiency or the number of reconfigurations of previous approaches without a loss in the quality of service. Depending on the predictability of the workload, in real world cluster scenarios additional energy savings of up to approximately 40% were measured over the best previous approach, with a 2× factor increment in the number of reconfigurations.
Keywords: Energy-efficient cluster computing, Multi-criteria decision making, Evolutionary algorithms, Distal learning

چکیده
در این مقاله یک مکانیزم فعالانه برای یادگیری یک استراتژی کارا به منظور خوشه بندی انطباقی منابع پیشنهاد شده است. در این مقاله در مقابل استراتژی های کنشی، که خوشه ها را برای انطباق با جریان های گذشته وفق داده و مجددا مقیاس بندی می کنند، استراتژی های پیشگویانه مطرح شدند. بارکاری ورودی برای خوشه بندی و پیشگویی آن یک مسئله بهینه سازی است که نیازمند تعریف راه حل های بهینه براساس یک تابع مطلوبیت است. تکنیک های یادگیری ماشین مبتنی بر ژنتیک را می توان برای این مسئله استفاده نمود که شامل مواردی از قبیل الگوریتم های تکاملی چند هدفه است که تحت نظارت تنظیمات یادگیری است. ارزیابی آزمایشات نشان می دهند که یک سیستم پویا در این مقاله توسعه یافته است که دارای کارایی بسیار زیادی نسبت به روش های قبلی است که علاوه بر این کیفیت سرویس را نیز حفظ می کند. براساس مقدار پیش بینی بارکاری در سناریوهای خوشه بندی واقعی، نتایج نشان می دهند که روش پیشنهادی نسبت به روش های قبلی نزدیک به 40 درصد مصرف انرژی کمتری دارد که این مقدار کاهش با 2x فاکتور رشد در تعداد پیکربندی های مجدد همراه است.
کلمات کلیدی: محاسبات خوشه ای موثر در انرژی، تصمیم گیری چندمعیاره، الگوریتم های تکاملی، یادگیری از راه دور

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:11 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:23 صفحه

  • آدرس: تبریز، آبرسان، مهرگان چهارم
  • تلفن  تماس: 09016347107
  • تلفن  ثابت : 35250068-041
  •  Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @zoodyab :آدرس تلگرام
مرکز  تخصصی  تلاش ترجمه از  سال  1385 شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.

تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.