In a large-scale cloud computing environment the cloud data centers and end users are geographically distributed across the globe. The biggest challenge for cloud data centers is how to handle and service the millions of requests that are arriving very frequently from end users efficiently and correctly. In cloud computing, load balancing is required to distribute the dynamic workload evenly across all the nodes. Load balancing helps to achieve a high user satisfaction and resource utilization ratio by ensuring an efficient and fair allocation of every computing resource. Proper load balancing aids in minimizing resource consumption, implementing fail-over, enabling scalability, avoiding bottlenecks and over-provisioning etc. In this paper, we propose “Central Load Balancer” a load balancing algorithm to balance the load among virtual machines in cloud data center. Results show that our algorithm can achieve better load balancing in a large-scale cloud computing environment as compared to previous load balancing algorithms
عنوان فارسی مقاله: یک رویکرد جدید برای تعادل بار در مرکز داده ابر
چکیده
در محیط محاسبات ابری مقیاس بزرگ مراکز داده ابر و کاربران نهایی از نظر جغرافیایی در سراسر جهان توزیع شدهاند. بزرگترین چالش برای مراکز داده ابر اینست که چگونه میلیونها درخواست را که بطور مداوم از کاربران نهایی میرسند، بطور صحیح و موثر رسیدگی و سرویس داده شوند. در محاسبات ابری تعادل بار برای توزیع مساوی بار کاری پویا بین همه گرهها است. تعادل بار برای رسیدن به بیشترین سطح رضایت کاربر و افزایش نرخ استفاده از منابع با تضمین تخصیص کارا و عادلانه هر منبع محاسباتی کمک میکند. تعادل بار مناسب در کم کردن مصرف منابع، پیادهسازی عدم-خرابی، توانایی مقیاس پذیری، اجتناب از گلوگاهها و ارائه بیش از حد و غیره کمک میکند. در این مقاله ما "متعادل کننده بار مرکزی" را برای تعادل بار بین ماشینهای مجازی در مرکز داده ارائه میکنیم. نتایج نشان میدهند که الگوریتم ما میتواند به تعادل بار خوبی در محیط محاسبات ابری مقیاس بزرگ نسبت به الگوریتمهای تعادل بار قبلی برسد.
1- مقدمه
ابر برنامه های کاربردی و سرویسهایی را تعریف میکند که از مرکز داده به همه جهان ارائه میشوند. این برنامه ها و سرویسها بر روی اینترنت ارائه میگردد. سرویسهایی که توسط محاسبات ابری ارائه میشوند به صورت زیرساخت به عنوان سرویس (IaaS)، بستر به عنوان سرویس(PaaS) و نرمافزار به عنوان سرویس(SaaS) میباشند که بصورت مدل پرداخت به ازای مصرف برای مشتریان قابل دسترس میباشند. مدل توسعه محاسبات ابری اشاره به مکان و مدیریت سرویسهای زیر ساخت ابر دارد. مدل توسعه محاسبات ابری ابر خصوصی، ابر انجمنی، ابر عمومی و ابر هیبریدی میباشند. محاسبات ابری شامل برخی ویژگیهای اصلی همچون قابلیت ارتجاعی سریع، سرویس مبتنی بر تقاضا، استخر منابع، دسترسی به شبکه گسترده و سرویسهای اندازه گیری شده می باشد. محاسبات ابری بر پایه مفهوم مجازی سازی میباشد. مجازی سازی روشی برای ایجاد سرویس های مجازی است که بر روی خوشهای از یک تعداد سرورهای واقعی اجرا میشود. مجازیسازی به تعداد کمی از سرورهای توان بالا اجازه میدهد که تعداد بیشتری از سرورهای توان پایین ایجاد کنند که هزینه کلی را در مکان، توان و زیرساخت کاهش می دهد.اخیرا محاسبات ابری ...
پس از پرداخت آنلاین در پایین همین سایت سریعا فایل رایگان مقاله لاتین و لینک خرید ترجمه کامل مقاله با کیفیتی عالی درفرمتword به صورت آنلاین برای شما ارسال می گردد.
این مقاله برای سه خریدار اول شامل 25 درصد تخفیف می گردد.
متن کامل ترجمه مقاله ISI در elsevier در فایل word به فروش می رسد که ترجمه چکیده آن را به عنوان نمونه می توانید ملاحظه فرمایید.
A novel method for determination of patulin in apple juices by GC–MS
Abstract
A reliable gas chromatography–mass spectrometry with a QuEChERS procedure has been developed and validated for detection and determination of patulin in apple juice. This procedure includes initial extraction step with acetonitrile, partitioning step by addition of magnesium sulphate, sodium carbonate and sodium chloride, and clean-up step using dispersive solid-phase extraction by addition of a mixture of magnesium sulphate and primary secondary amine sorbent. In order to increase GC adoptability of patulin, derivatisation step was performed using N,O-bis-trimethylsilyl trifluoroacetamide. Method recoveries of patulin from apple juice samples ranged from 79.9% to 87.9%. Limit of detection (LOD) and quantification (LOQ) were 0.4 and 1.3 lg/L, respectively. Relative standard deviations were lower than 9.5%. The developed method has been successfully applied to the analysis of patulin in apple juice samples.
یک روش جدید برای تعیین پاتولین در آب سیب بوسیله GC-MS
چکیده
یک روش کروماتوگرافی گازی-طیف سنجی جرمی معتبر با یک روش QuEChERS توسعه یافته و برای تشخیص و تعیین پاتولین در آب سیب مورد تایید واقع شده است. این فرایند شامل مرحله استخراج اولیه با استونیتریل، مرحله تقسیم با افزودن منیزیم سولفات، سدیم کربنات و سدیم کلرید و مرحله شستشو با استفاده از استخراج فاز جامد متفرق کننده بوسیله افزودن یک ترکیبی از منیزیم سولفات و جاذب آمین نوع اول دوم میباشد. به منظور افزایش سازگاری پاتولین با GC، مرحله مشتق سازی با استفاده از N,O-بیس تری متیل سیلیل تری فلورو استامید انجام شده است. این روش پاتولین را از نمونههای آب سیب از گستره 9/79 % تا 9/87 % بازیابی میکند. حد تشخیص (LOD) و حد تعیین (LOQ) بترتیب 4/0 و 3/1 میکروگرم بر لیتر میباشد. انحرافهای استاندارد نسبی کمتر از 5/9 % است. این روش توسعه یافته بطور موفقیت آمیز برای آنالیز پاتولین در نمونههای آب سیب بکار گرفته شده است.
توضیح: مجموع سه فایل: مقاله انگلیسی به همراه فایل متن ترجمه فارسی مقاله و فایل اسلاید ارایه در یک فایل زیپ شده است
عنوان مقاله:
E-Business and E-Government Processes on Social Media
منتشر شده در سال 2013 در مجله Procedia Economics and Finance و در پایگاه الزویر