دانلود ترجمه مقاله تقویت الگوریتم توازن بار مبتنی بر تغذیه زنبور عسل

1. مقدمه 2. روش های مختلف توازن بار 3. پژوهش های مرتبط 4. کار پیشنهادی 5. تحلیلگر ابر 6. نتایج آزمایشی 7. نتیجه گیری

چکیده – رایانش ابری به دنبال ارائه منابع محاسباتی، بر پایه تقاضای کاربر از طریق اینترنت، بر پایه پرداخت براساس مصرف می باشد. منابع مورد نیاز ممکن است، زیرساخت نرم افزاری، فیزیکی یا سخت افزاری داشته باشند. تمرکز عمده رایانش ابری، متوازن سازی فرآیند تخصیص بار، در میان چندین سرور مجازی است تا بتوان در کنار استفاده بهینه از منابع، به رضایت کاربر دست یافت. چندین الگوریتم ایستا و پویا بیان شده اند که می توانند به صورت کارآمد، توازن بار را در یک محیط ابری، مدیریت کنند. این مقاله درباره عملکرد الگوریتم تغذیه زنبور عسل، بر پایه توان عملیاتی محاسبه شده برای هر ماشین مجازی، اطلاعاتی را در اختیار می گذارد. با توان عملیاتی، هر یک از ماشین های مجازی را محاسبه و ذخیره سازی می کنیم، در حالی که هر VM را در یک محیط ابری ایجاد کرده و سپس الگوریتم تغذیه اصلاح شده زنبور عسل را اجرا می کنیم. هدف، یافتن VM مناسب، با کمک توان عملیاتی و هم چنین تخصیص بار می باشد که قبلا محاسبه شده است. این پدیده منجر به توازن بار کارآمد تر می شود.

Cloud computing strives to provide computational resources according to user’s demand through internet on pay per use. The required resources may be software, physical or hardware infrastructure. The chief focus of cloud computing is load balancing-the process of assigning load over multiple virtual servers to achieve user satisfaction as well as optimal resource utilization. Several static and dynamic algorithms have been formulated that efficiently manage the load balancing in a cloud environment. This paper throws light on the performance of the honeybee foraging algorithm based on throughput calculated for each virtual machine. We calculate and store the throughput of each virtual machine while creating each VM in the cloud environment and then execute the modified Honey bee foraging algorithm; the goal is to find the appropriate VM with the help of the throughput calculated earlier and to allocate the load–this leads to more efficient load balancing.