[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: احسان گلشنی گلباغی - 1398/11/20 ::
 | تاریخ ارسال: ۱۳۹۸/۱۱/۱۸ | 

ارائه­ دهنده:

احسان گلشنی گلباغی

  استاد راهنما:

دکتر مهرداد آشتیانی

   استاد ممتحن خارجی :  دکتر علیرضا شاملی سندی

استاد ممتحن داخلی: دکتر محسن شریفی

  زمان :  یکشنبه  20 بهمن ماه 1398

ساعت 10:00
 
مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304


آقای احسان گلشنی گلباغی دانشجوی کارشناسی ارشد جناب آقای دکتر مهرداد آشتیانی یکشنبه  20 بهمن ماه ساعت  10:00 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود  تحت عنوان "ارائه یک سازوکار فعالانه مقیاس­پذیری خودکار در محیط­های ابری" دفاع خواهند نمود.

چکیده پایان نامه:
یک سیستم مقیاس‌پذیری خودکار می‌تواند خدمات و برنامه‌های ابری را از طریق تنظیمات مختلفی در سطح نرم‌افزار و نیز با تخصیص و آزادسازی منابع سخت‌افزاری برای وفق دادن سیستم با محیط عملیاتی در حال تغییر، در زمان اجرا پیکربندی دوباره کند. چنین رفتاری، پایه‌ای برای دستیابی به کشش و وفق پذیری در پارادایم محاسبات ابری ارائه می‌دهد. با در نظر گرفتن ماهیت پویا و نامعلوم زیرساخت ابری مشترک، سیستم مقیاس‌پذیری خودکار به‌عنوان یکی از پیچیده‌ترین و هوشمندترین ساخته‌های انسان طراحی شده است که هدف آن دستیابی به مقیاس‌پذیری خودآگاه[1]، خودسازگار[2] و قابل‌اعتماد[3] در زمان اجرا است. برای اینکه بتوانیم راه‌حلی کارآمد برای این مسئله پیدا کنیم، نیاز داریم بتوانیم مقدار بارکاری و متریک‌های سیستمی را برای زمآن‌های آینده، با دقت پیش‌بینی کنیم. تاکنون راه‌حل‌های مختلفی برای حل این مسئله به کار گرفته‌شده‌اند، برای مثال از یادگیری ماشین و روش‌های آماری سری زمانی و روش‌های گروهی راه‌حل‌های زیادی مطرح شده است. در این نوشته، راهکارهای مختلف بکار گرفته‌شده برای حل مسئله مقیاس‌پذیری خودکار در سیستم‌های رایانش ابری را بررسی می‌کنیم و بر اساس درک نقاط ضعف و قوت کارهای انجام‌شده، با تمرکز بر سازوکاری فعالانه، ایده‌هایی را برای حل این چالش مطرح می‌کنیم. در این پژوهش، مسئله را به­صورت یک مدل توالی می­بینیم و برای اولین بار از شبکه­های عصبی کانولوشن برای پیش­بینی بارکاری یک برنامه ابری استفاده خواهیم کرد. همچنین با استفاده از شبکه­های عصبی، نگاشتی از بارکاری پیش­بینی شده و مقدار زمان­واقعی منابع مصرفی به مقدار منابع مصرفی در آینده به­دست می­آوریم. در بخش آخر نیز یک سازوکار تصمیم­گیری ارائه می­دهیم که معیار­های مختلف و گاهاً متضاد تصمیم­گیری را درنظر بگیرد و نوعی سازش بین آن­ها ایجاد کند. در بخش ارزیابی مقدار خطای پیش­بینی، مقدار تخطی از توافق سطح خدمات و همچنین مقدار بی­استفاده ماندن منابع را بررسی کردیم. ارزیابی­های انجام­شده نشان می­دهند روش­های ارائه­شده کارایی و دقت قابل­قبولی دارند و روش پیشنهاد­شده برای پیش­بینی بارکاری نسبت به کار­های پیشین انجام­شده بهبود 4 درصدی داشته است.
واژه‌های کلیدی: رایانش ابری، مقیاس‌پذیری خودکار، تخصیص منابع، مقیاس‌پذیری

 
 
 
 

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

دفعات مشاهده: 87 بار   |   دفعات چاپ: 7 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.14 seconds with 52 queries by YEKTAWEB 4054