[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
اطلاعیه ها
 اطلاعیه های آموزشی
..
فراخوان ها
فراخوان های همکاری با صنعت و سازمان ها
..
دفاعیه‌ها

دفاعیه های دکتری

۱۴۰۲/۸/۱۷ - زهرا رشیدی
۱۴۰۲/۶/۲۷ - حجت‌اله اسماعیلی


دفاعیه های 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.
..
:: حسین ابراهیم پور ::
 | تاریخ ارسال: 1401/4/4 | 

ارائه­ دهنده:
حسین ابراهیم پور

 

 استاد راهنما:
دکتر
مهرداد آشتیانی

هیات داوری: 
دکتر محسن شریفی؛
دکتر مهدی کارگهی


زمان:
 ۱۴۰۱/۰۴/۲۱

ساعت ۱۶:۰۰
 

دانشجو حسین ابراهیم پور دانشجوی کارشناسی ارشد آقای دکتر مهرداد آشتیانی روز سه شنبه مورخ  ۲۱  تیر ماه ساعت ۱۶:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "ارائه یک رویکرد اکتشافی آگاه به بسته‌های نرم‌افزاری برای زمان‌بندی توابع به منظور برقراری مصالحه بین شروع سرد و هزینه در محیط‌های محاسباتی تابع به عنوان خدمتدفاع خواهند نمود

چکیده پایان نامه:
با مهاجرت معماری نرم‌افزارهای تجاری به کانتینرها و میکروسرویس، ارائه‌کنندگان سامانه‌های ابری از سال ۲۰۱۴ با شروع از آمازون[۱]، مدل‌های محاسباتی جدیدی را در بستر محاسبات ابری به نام «تابع به عنوان خدمت» به خدمات خود اضافه کردند. در این بستر‌ها توسعه‌دهندگان به جای توسعه نرم‌افزار‌های درشت دانه، به توسعه مجموعه‌ای از توابع ریزدانه با مدت زمان اجرای کمتر می‌پردازند و همچنین مدیریت منابع سیستم و خدمت‌دهنده‌ها به ارائه‌کنندگان خدمات ابری سپرده شده است. پس از آمازون سامانه‌های تابع به عنوان خدمت مختلف زیادی مانند Azure Functions، OpenFaaS، OpenWhisk و غیره به وجود آمدند که هر کدام از آن‌ها ویژگی‌ها و محدودیت‌های خاص خود را دارند اما همگی در برخی از چالش‌ها مشترک‌اند.
اگرچه این مدل محاسباتی از مزایای بسیار زیادی چون کاهش هزینه‌ها برخوردار است، اما در این مسیر با چالش‌هایی در سطح سیستم، نظیر موازنه کردن هزینه و کارایی، مدل‌های برنامه‌نویسی و تطابق ابزارهای موجود با این مدل جدید محاسباتی، چالش‌های زمان‌بندی مانند پیش‌بینی زمان اجرا و حل مشکل شروع سرد، ذخیره داده‌ها در حافظه نهان و مسائل امنیتی و حریم شخصی نیز مواجه است. ما در این پایان‌نامه به طور خاص به حل مشکل زمان‌بندی و شروع سرد این سامانه‌ها و بهینه‌سازی آن‌ها می‌پردازیم.
مصالحه زمانی ایجاد می‌شود که روشن نگه‌داشتن محیط‌های اجرایی گرم می‌تواند زمان شروع سرد را کاهش دهد اما از طرف دیگر هزینه را افزایش می‌دهد. در این پایان‌نامه با استفاده از یک روش ابتکاری و با ساخت گراف وابستگی صدازده‌شدن توابع، فرکانس صدا زده‌شدن آن‌ها و سایر پارامتر‌های محیطی سعی می‌کنیم که این مصالحه را با استفاده از چهار نوع تصمیم مختلف در زمان اجرا بهینه‌سازی کنیم. روش ارائه شده در این پایان‌نامه بهبودی ۳۲ درصدی نسبت به روش روشن نگه‌داشتن به مدت زمان ثابت (روش آمازون) دارد. این مقایسه از دید سنجه تجمعی که ترکیبی از زمان پاسخ، زمان برگشت، هزینه و بهره‌وری است انجام گرفته، و اندازه‌گیری آن توسط شبیه‌سازی انجام شده که به طور سفارشی برای این مساله و با استفاده از یک زبان برنامه‌نویسی تابعی توسعه داده‌شده است.

واژه‌های کلیدی: زمان‌بندی، محاسبات ابری، تابع به عنوان خدمت، محاسبات بدون سرویس دهنده

 
[۱] Amazon



دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 

 
دفعات مشاهده: 984 بار   |   دفعات چاپ: 116 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

مطالب مشابه


data
Persian site map - English site map - Created in 0.11 seconds with 55 queries by YEKTAWEB 4623