کاهش افزونگی داده ها برای سیستم های ذخیرهسازی ابری با قابلیت اعتماد بالا
محل انتشار: اولین همایش ملی فن آوری در مهندسی کاربردی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 886
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCTAE01_061
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
امروزه، نیاز به ذخیره سازی داده ها از سوی کاربران بدلیل درخواست ظرفیت و قابلیت اطمینان بیشتر برای دستیابی به اطلاعات از هر نقطه، درحال رشد می باشد. سیستم های ذخیره سازی ابری این درخواست را با ارایه راه حل های ذخیره سازی قابل اطمینان و شفاف برآورده می کند. برای اطمینان از قابلیت اعتماد داده ها، طرح افزونگی یک راه حل پایه است که قابلیت اعتماد بالا را در ذخیره سازی داده ها اما سربار بالایی در سیستم شامل هزینه ذخیره سازی و مصرف انرژی ایجاد می کند. مساله کلیدی دیگر اختصاص افزونگی داده ها روی مجموعه گره های داده شده است که به مساله تخصیص حافظه با هدف قابلیت اعتماد بالا با استفاده از کمینه کردن افزونگی اشاره دارد.برای این منظور با استفاده از الگوریتم بهینه سازی ازدحام ذرات کوانتومی یک طرح تخصیص حافظه عملی و کارآمد پیشنهاد می شود که قادر است افزونگی داده ها را کاهش دهد که دارای چندین مزیت از جمله افزایش سرعت در محاسبات می باشد. همچنین بهبود در ذخیره سازی افزونگی داده های آزمایشی با تطبیق با مجموعه ردیابی های موجود در جهان واقعی مورد ارزیابی قرار می گیرد. نتایج نشان می دهد روش پیشنهادی این پژوهش توانسته نسبت به پژوهش های دیگر پژوهشگران به میزان هفت درصد در ارزیابی داده ها کارایی بهتری از خود نشان دهد.
کلیدواژه ها:
نویسندگان
سمانه قدسی
کارشناسی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد رشت
علیرضا پوربهرام
کارشناسی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد رشت
الهام پاک نهاد
کارشناسی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد رشت
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :