PERFORMANCE FACTORS OF CLOUD COMPUTING DATA CENTERS USING [(M/G/1) : (∞/GDMODEL)] QUEUING SYSTEMS

ABSTRACT

The ever-increasing status of the cloud computing hypothesis and the budding concept of federated cloud computing have enthused research efforts towards intellectual cloud service selection aimed at developing techniques for enabling the cloud users to gain maximum benefit from cloud computing by selecting services which provide optimal performance at lowest possible cost. Cloud computing is a novel paradigm for the provision of computing infrastructure, which aims to shift the location of the computing infrastructure to the network in order to reduce the maintenance costs of hardware and software resources. Cloud computing systems vitally provide access to large pools of resources. Resources provided by cloud computing systems hide a great deal of services from the user through virtualization. In this paper, the cloud data center is modelled as queuing system with a single task arrivals and a task request buffer of infinite capacity.

INTRODUCTION

Cloud computing is the Internet-based expansion and use of computer knowledge. It has become an IT buzzword for the past a few years. Cloud computing has been often used with synonymous terms such as software as a service (SaaS), grid computing, cluster computing, autonomic computing, and utility computing . SaaS, Software as a Service, is a software delivery model in which software and related data are centrally hosted on the cloud. SaaS is typically accessed by users using a thin client via a web browser .Grid computing and cluster computing are two types of underlying computer technologies for the development of cloud computing. Autonomic computing is a computing system services that is capable of self- management, and utility computing is the packaging of computing resources such as computational and storage devices . Cloud centers differ from conventional queuing systems in a number of important aspects.
A Cloud center can have outsized number of capability (server) nodes, typically of the order of hundreds or thousands ; conventional queuing analysis rarely considers systems of this size. Task service times must be modeled by a general, rather than the more convenient exponential, probability distribution. The coefficient of variation of task service time may be high over the value of one. Due to the dynamic nature of cloud environments, diversity of users requests and time dependency of load, cloud centers must provide expected quality of service at widely varying loads.

چکیده

وضعیت به طور فزاینده ای از فرضیه محاسبات ابری و مفهوم جوانه زنی محاسبات ابر فدرال، تلاش های تحقیقاتی را نسبت به انتخاب سرویس ابری فکری با هدف توسعه تکنیک هایی برای فعال کردن کاربران ابر برای به دست آوردن حداکثر سود از محاسبات ابری با انتخاب سرویس هایی که عملکرد مطلوب را فراهم می کنند، با حداقل هزینه ممکن محاسبات ابر یک پارامتر جدید برای ارائه زیرساخت های محاسباتی است که هدف آن انتقال موقعیت زیرساخت محاسبات به شبکه به منظور کاهش هزینه های تعمیر و نگهداری منابع سخت افزاری و نرم افزاری است. سیستم های محاسباتی ابر از لحاظ حیاتی دسترسی به مجموعه های بزرگ منابع را فراهم می کنند. منابع ارائه شده توسط سیستم های محاسبات ابری، خدمات بسیار زیادی را از طریق کاربر از طریق مجازی سازی پنهان می کنند. در این مقاله، مرکز داده های ابر به عنوان سیستم صف بندی با تک تک کارها و یک بافر درخواست کار با ظرفیت نامحدود طراحی شده است.

مقدمه

محاسبات ابر، گسترش اینترنت مبتنی بر اینترنت و استفاده از دانش کامپیوتر است. این چند سال گذشته یک اصطلاح فناوری اطلاعات شده است. محاسبات ابر اغلب با اصطلاحات مترادف مانند نرم افزار به عنوان یک سرویس (SaaS)، محاسبات شبکه، محاسبات خوشه ای، محاسبات اتوکد و محاسبات ابزار استفاده می شود. SaaS، نرم افزار به عنوان یک سرویس، یک مدل تحویل نرم افزاری است که در آن نرم افزار و داده های مربوطه به طور مرکزی در ابر میزبانی می شوند. SaaS به طور معمول توسط کاربران با استفاده از یک مشتری نازک از طریق یک مرورگر وب قابل دسترسی است. محاسبات گرید و محاسبات خوشه، دو نوع تکنولوژی های رایانهای پایه برای توسعه محاسبات ابری هستند. محاسبات مستقل یک سیستم سیستم محاسباتی است که قادر به خود مدیریت است و محاسبات ابزار بسته بندی منابع محاسباتی مانند دستگاه های محاسباتی و ذخیره سازی است. مراکز ابر از برخی از جنبه های مهم سیستم های رسمی معمولی متفاوت هستند. یک مرکز ابر می تواند تعداد زیادی از گره های قابلیت (سرور) را که معمولا به صدها یا هزاران نفر است، بیافزایند. تجزیه و تحلیل معمول صف بندی به ندرت سیستم های این اندازه را در نظر می گیرد. زمان سرویس کاری باید توسط یک توزیع احتمالی به طور عمومی، به جای توزیع احتمالی مناسب تر، مدل سازی شود. ضریب تغییر زمان سرویس کاری ممکن است بیش از مقدار یک باشد. با توجه به ماهیت پویا محیط های ابر، تنوع درخواست کاربران و وابستگی بار بار، مراکز ابری باید کیفیت مورد انتظار را در بارهای بسیار متنوع ارائه دهند.

Year: 2013

Publisher : ELSEVIER

By : N.Ani Brown Mary1 and K.Saravanan