پایان نامه بررسی الگوریتم‌ های تکثیر پویای داده در شبکه های گرید و ارائه یک الگوریتم جدید براساس پارامتر های اندازه فایل ، پهنای باند موجود و فاصله جغرافیایی

  • Code: # 31037

  • تعداد صفحات: 81
  • فرمت فایل: word
  • سال: 1393
  • مقطع: کارشناسی ارشد
  • دسته بندی: مهندسی کامپیوتر
قیمت: ۳۶,۰۰۰ تومان
۶۶,۰۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست
  • خلاصه پایان نامه بررسی الگوریتم‌ های تکثیر پویای داده در شبکه های گرید و ارائه یک الگوریتم جدید براساس پارامتر های اندازه فایل ، پهنای باند موجود و فاصله جغرافیایی

    پایان‌نامه دوره کارشناسی ارشد مهندسی کامپیوتر

    گرایش نرم‌افزار

    چکیده

    ضرورت استفاده روزافزون از داده­ های توزیع‌ شده در شبکه‌ های کامپیوتری بر همگان مشخص است. تعداد بسیار زیادی از منابع محاسباتی و ذخیره‌سازی در کنار یکدیگر قرار می‌گیرند و گرید را تشکیل می‌دهند. در سال‌های اخیر تکنولوژی گرید رشد چشمگیری داشته به‌طوری‌که در اکثر تحقیقات و آزمایش‌های علمی مورد استفاده قرار گرفته است. چالش‌های بزرگی که در گرید داده وجود دارد، نیاز به دسترس پذیری بالا، کارآیی و مصرف پهنای باند پایین می‌باشد. تکثیر داده‌ها روشی است که با استفاده از آن می‌توان مسائلی از قبیل دسترسی به داده‌ها به صورت کارا و یا قابلیت دسترس پذیری بالا را حل کرد. در یک محیطی که از تکثیر استفاده می‌شود با افزایش تعداد نسخه‌های تکرار شده از فایل‌ها با بهتر شدن محلی بودن داده‌ها، کارآیی سیستم بهبود خواهد یافت.

    در این پایان نامه، روش‌های مختلف تکثیر داده پویا در شبکه‌های گرید داده بررسی شده و یک الگوریتم‌ تکثیر داده پویا در گرید پیشنهاد می‌شود که با بهره‌گیری از عوامل مؤثر بر تکثیر داده‌ها، موجب کاهش زمان اجرای کارها و کاهش مصرف پهنای باند و هزینه نگهداری نسخه‌ها، می­شود. این الگوریتم در شبیه‌ساز اپتورسیم پیاده‌سازی شده است و نتایج حاصل از شبیه‌سازی نشان می‌دهد که پارامترهایی مانند میانگین زمان اجرای کارها، تعداد نسخه‌های تکثیری و بهره‌وری بهبود داشته‌اند.

     

    کلمات کلیدی: گرید داده، تکثیر داده، جایگزینی، الگوی دسترسی، فاصله جغرافیایی، هزینه دسترسی

    فصل اول

    مقدمه

     

    مقدمه

    در طول زمان انواع مختلفی از سیستم­های توزیع شده[1] طراحی و پیاده­سازی شده است، یکی از انواع سیستم­های توزیع­شده سیستم­های گرید[2] است. ویژگی این فناوری این است که تمرکز آن بر روی به اشتراک گذاری منابع با مقیاس بزرگ است. تکثیر داده سرویسی از گرید داده است که برای سهولت و تسریع در دسترسی به داده­ها به وجود آمده است. 

     

    2-1. بیان مسئله

    امروزه در رشته‌های مختلف، مجموعه داده‌های بزرگ در حال تبدیل به بخش مهمی از منابع مشترک هستند. در زمینه‌های گوناگون از جمله انرژی­های فیزیکی، بیوانفورماتیک، مشاهدات زمین، تغییرات جهانی آب و هوایی، پردازش تصویر و داده‌کاوی حجم عظیمی از داده‌های مورد نظر، با مقیاس ترابایت و در برخی موارد با بتابایت اندازه‌گیری می‌شوند. چنین حجم عظیمی از اطلاعات توسط محققان و دانشمندان به‌وسیله دستگاه‌های محاسباتی پیچیده قابل‌ دسترسی است. این محققان و دستگاه‌های محاسباتی و ذخیره‌ساز در سراسر جهان توزیع ‌شده‌اند.

    حجم عظیم اطلاعات و محاسبات مشکلات جدیدی را در مورد دسترسی به داده‌ها، پردازش و توزیع آن‌ها به وجود می‌آورد و با حجم زیادی داده، مکان‌های جغرافیایی مختلف و محاسبات پیچیده درگیر می‌شود که رویارویی با چالش زیرساخت‌های مدیریتی را دشوار می‌کند. گرید داده یک‌ راه حل مناسب برای تمام مشکلات ذکر شده است گرید یک معماری برای مدیریت توزیع ‌شده و تجزیه‌وتحلیل مجموعه داده‌های علمی است.

    تعداد زیادی از منابع محاسباتی و ذخیره‌سازی در کنار یکدیگر قرار می‌گیرند و گرید را تشکیل می‌دهند. موضوع و مسئله اصلی که سبب شکل گرفتن تکنولوژی گرید شد به اشتراک‌گذاری منابع به ‌صورت هماهنگ و حل مسائل و مشکلات در سازمان‌های مجازی پویا و چند نهادی بود. منظور و مقصود از به اشتراک‌گذاری، تنها مبادله فایل‌های ساده نبود بلکه هدف دسترسی مستقیم به کامپیوترها، نرم‌افزارها، داده‌ها و دیگر منابع موجود است. گرید دسترسی آسان به همه این منابع را فراهم می‌کند.

     

    3-1. اهمیت گرید داده

     انگیزه اصلی برای طراحی گرید داده این بود که نیاز کاربران با حجم زیاد داده را پاسخ دهد، کاربران و منابع توزیع‌ شده را تحت پوشش قرار دهد و تحلیل‌های با حجم بالای محاسبات را پاسخگو باشد[1].

    دسترسی مؤثر به چنین حجم عظیم داده که به‌طور وسیع توزیع‌ شده است، به دلیل تأخیرات شبکه و مشکلات پهنای باند کند است. با رشد اندازه یک گرید، پیچیدگی این سیستم افزایش می‌یابد. چالش‌ بزرگی که در گرید داده به وجود می‌آید، نیاز به دسترسی‌پذیری بالا، کارایی و صرفه‌جویی در ترافیک شبکه می‌باشد.

    گرید داده برای برآوردن نیازهای مجموعه داده‌های بزرگ، توزیع جغرافیایی کاربران و منابع و تجزیه‌وتحلیل محاسبات طراحی شده است. این معماری همچنین برای مجموعه عملیات در نواحی وسیع و محیط‌های ناهمگن توسعه داده ‌شده است. در گرید داده‌، کاربردهای فنی و علمی اغلب به دسترسی حجم زیادی اطلاعات نیاز دارد. مدیریت چنین حجم وسیعی داده توزیع‌ شده در روش  متمرکز به دلیل اینکه حجم بالایی از بار به سرور مرکزی تحمیل می‌شود کارایی لازم را ندارد. علاوه بر اینکه ذخیره‌سازی در سرور مرکزی صورت می‌گیرد، مشکلاتی از قبیل خرابی در یک نقطه و تنگنا را نیز دارد. بنابراین، این حجم زیاد اطلاعات باید در مکان‌های مختلف از سیستم توزیعی تکرار و توزیع شوند تا از این ‌گونه  مسائل و مشکلات جلوگیری گردد. گرید، داده را از نزدیک‌ترین سایت بازیابی می‌کند و آن‌ها را برای سایت‌های درخواست‌کننده تکثیر می‌نماید.

     به کمک گرید داده می­توان حجم زیاد داده را در نقاط مختلف در سرتاسر گرید ذخیره و سپس بازیابی نمود. در این حالت کارایی گرید به پهنای باند موجود و تأخیر زمانی شبکه بستگی دارد، به‌طوری‌که پهنای باند کم، بین محل ذخیره داده و محل پردازش باعث ناکارآمدی گرید می­گردد.

     

    4-1. راه ­حل­های ممکن

    همان‌طور که می­دانیم زمان دسترسی به داده، به پهنای باند ارتباطی در گرید داده بستگی دارد. در یک محیط ارتباطی، اصلی­ترین فاکتور برای تضمین دسترسی سریع به داده­ها، عدم تأخیر بالا است. برای کاهش زمان دسترسی از راهکارهای مختلفی استفاده می‌شود، ازجمله این راهکارها می­توان به استفاده از برنامه­ریزی کار اشاره کرد. یک برنامه‌ریز خوب می‌تواند تا جایی که ممکن است هزینه­های انتقال داده را برای دسترسی سریع­تر با اجرای کار در محل مناسب کاهش دهد. راه‌حل دیگر استفاده از مکانیسم تکثیر[3] است که با ایجاد کپی­هایی[4] از یک نسخه باعث افزایش سرعت دسترسی به آن می‌شود، در واقع برای افزایش کارایی می‌توان چندین نسخه از فایل‌ها را در سراسر گرید ذخیره کرد[2].

     

    5-1. راه­حل پیشنهادی

    در واقع با رشد اندازه گرید پیچیدگی ساختار هم افزایش می‌یابد. دسترسی بالا به داده‌ها یک چالش عمده در گرید است. برنامه‌های محاسباتی کاربران مقدار بسیار زیادی داده دارند. نگهداری محلی یک کپی از داده بسیار گران ‌قیمت و غیرعملی است. مقابله با تأخیرات شبکه و محدودیت ظرفیت ذخیره‌سازی[5] در سایت‌های مختلف برای تأمین دسترسی بالا یک چالش دشوار است. برای پاسخ به چالش دسترسی، تکثیر داده از روش‌های عمده به شمار می‌رود که دسترسی‌پذیری بالا، مصرف پهنای باند، افزایش تحمل خطا و بهبود مقیاس‌پذیری و زمان پاسخ را ترویج می‌دهد [9-3]. هنگامی‌که داده‌ها تکثیر می‌شوند، یک کپی از فایل‌های داده در مکان‌های مختلف از گرید داده قرار می‌گیرد، تکثیر می‌تواند موجب صرفه‌جویی مقدار زیادی پهنای باند در مقایسه با این شرط که داده فقط در یک سایت موجود باشد، ‌شود. از این‌ رو برای تأمین دسترسی همیشگی و سریع به داده‌ها تکثیر داده معاوضه بسیار خوبی بین حافظه در دسترس و پهنای باند موجود می‌باشد [10].

    تکثیر داده روشی معمول برای اصلاح کارایی در دسترسی داده‌ها در سیستم‌های توزیعی است. ایجاد نسخه تکراری نه‌تنها مصرف پهنای باند را کاهش می‌دهد، بلکه تأخیر دسترسی را نیز کاهش می‌‌دهد. به‌بیان‌دیگر، افزایش کارایی خواندن داده از گره‌های[6] متناسب، هدف اصلی الگوریتم‌های تکثیر داده است.

    علاوه بر این می‌توان دسترسی به داده‌ها، قابلیت اطمینان، مقیاس‌پذیری سیستم، تعادل بار با انجام تکثیر و صف آن‌ها را در میان سایت‌های مختلف را افزایش داد [11].

    فواید اصلی تکثیر عبارت‌اند از: [12]

    1. دسترس‌پذیری بهتر: هنگام خطای یک گره، سیستم می‌تواند از گره دیگری به داده دسترسی داشته باشد که دسترس‌پذیری را نیز بهتر می‌کند.

    2. کارایی بهتر: به خاطر اینکه داده میان چندین گره تکرار شده است، کاربر می‌تواند داده را از نزدیک‌ترین گره یا گرهی که بار کاری کمتری دارد، به دست آورد.

    تکنیک‌های تکثیر داده می‌توانند به دو بخش اصلی، تکثیر استاتیک[7] و تکثیر دینامیک[8] طبقه‌بندی شوند. در تکثیر استاتیک تعداد کپی‌ها و گره میزبان به ‌صورت استاتیک در ابتدا انتخاب می‌شوند و کپی بیشتری بعد از آن ایجاد نمی‌شود. از سوی دیگر استراتژی پویا، می‌تواند با توجه به ظرفیت ذخیره‌سازی و پهنای باند، کپی را در گره جدیدی ایجاد کند یا خودش را با تغییرات منطبق ‌سازد و با توجه به درخواست­ها، کپی‌هایی که دیگر مورد نیاز نیست را حذف نماید. در تکثیر داده ایستا یک نسخه تکراری تا زمانی که توسط کاربر پاک یا طول عمرش منقضی شود موجود هست. نقص تکثیر ایستا زمانی است که الگوی دسترسی گره‌ها مرتب تغییر می‌کند و الگوریتم‌های ایستا توانایی سازگاری با شرایط جدید را ندارند. پس از اینکه یک کپی در یک سایت ایجاد شد تا زمانی که توسط کاربر حذف شود در آن مکان قرار می‌گیرد. در روش‌های استاتیک تعیین محل کپی در زمان طراحی صورت می‌گیرد و این مکان غیرقابل تغییر می‌باشد [13].

     اشکال روش‌های تکثیر استاتیک این است که آن‌ها نمی‌توانند خودشان را با رفتار کاربران وفق دهند، در واقع آن‌ها برای حجم زیادی داده و تعداد زیادی کاربر مناسب نیستند.

    اما در تکثیر پویا، ایجاد نسخه‌های تکرار، حذف و مدیریت آن‌ها خودکار است و قابلیت سازگاری با تغییر شرایط رفتار کاربر را دارد [14]. استراتژی‌های پویا بهتر از استاتیک هستند چون آن‌ها می‌توانند به ‌صورت هوشمند در مورد مکان قرار گرفتن اطلاعات در گرید تصمیم‌گیری کنند. البته اشکالاتی هم وجود دارد؛ یک مرکز تصمیم‌گیری متمرکز مورد نیاز است که اطلاعات را در زمان اجرا از تمام گره‌های موجود در گرید جمع‌آوری کند، اگر گره‌ها در گرید داده وارد شوند و استفاده نشوند بار واحد تصمیم‌گیری مرکزی افزایش می‌یابد.

    البته استراتژی‌ های تکثیر استاتیک مزیت‌هایی نظیر سرعت بالاتر از روش‌های پویا و زمان‌بندی کار را دارند. شبکه‌های گرید سیستم‌های دینامیک هستند و درخواست‌های کاربران در طول زمان متغیر می‌باشد تکثیر پویا برای این سیستم‌ها مناسب‌تر است.

    سؤالات پایان­نامه

    برخی سؤالاتی که در رابطه با تکثیر پویای داده­ها در فصول بعدی به آن­ها پاسخ داده خواهد شددر این قسمت بیان می­شود.

       سه سؤال اساسی که در استراتژی تکثیر پویا مطرح می­شود:

    چه زمانی باید کپی انجام شود؟

    چه فایل‌هایی باید تکرار شوند؟

    کپی‌ها کجا باید قرار بگیرند؟

    در این تحقیق باید به این سؤال پاسخ داده شود که چگونه می‌توان با تکثیر داده پویای مناسب، کارایی شبکه گرید داده را افزایش داد؟

     

    7-1. اهداف پایان­نامه

    در این پایان‌نامه یک الگوریتم­ تکثیر داده پویا ارائه شده است که با در نظر گرفتن پارامترهایی که در تکثیر داده مهم هستند باعث کاهش مصرف پهنای باند، دسترسی بهینه به داده‌ها و در کل بالا رفتن کارایی در محیط‌های توزیع‌ شده می­گردد. در این روش عواملی که بر کارایی گرید داده، کاهش زمان پاسخ، کاهش اشغال پهنای باند و هزینه نگهداری نسخه‌ها وجود دارد شناسایی می‌شود. در الگوریتم ارائه شده عوامل مناسب با یکدیگر ترکیب شده و ارزش و هزینه نسخه‌ها را برای ما تخمین می‌زند.

     

    8-1. ساختار پایان­نامه

    این پایان­نامه در شش فصل تدوین شده است.

    فصل اول: به بیان کلیات پایان­نامه می­پردازد. در این فصل اهداف و سؤالات تحقیق نیز بیان شد.

    فصل دوم: به بررسی کارهای انجام شده در زمینه­ی تکثیر پویای داده می­پردازد. در این فصل برخی روش­ها و الگوریتم­های ارائه شده در این زمینه مورد بحث و بررسی قرار می­گیرد.

    فصل سوم: الگوریتم واکشی داده­ها که روش پایه برای الگوریتم پیشنهادی است دراین فصل به­طور کامل شرح داده می­شود.

    فصل چهارم: به معرفی روش پیشنهادی این تحقیق می­پردازد.

    فصل پنجم: در این فصل شبیه­سازی روش پیشنهادی انجام می­شود نتایج حاصل از آن با برخی از روش­های تکثیر موجود مورد مقایسه قرار گرفته است.

    فصل ششم: به جمع­بندی و نتیجه­گیری مطالب این پایان­نامه اختصاص داده شده است و همچنین در این فصل اشاره­ای به کارهای آتی نیز شده است. 

     

    فصل دوم

    مروری بر سوابق پیشین

    مقدمه

    برخی از مطالعات اخیر مشکل استراتژی‌های تکثیر پویا در گرید[9] داده‌ها را مورد بحث و بررسی قرار داده اند که در این بخش برخی از آن‌ها بررسی خواهد شد.

    ابتدا برخی از روش‌هایی که با استفاده از تاریخچه دسترسی به سایت‌های گرید است و الگوریتم تکرار داده­ها به ‌صورت خودکار شرح داده می­شود و پس از آن برخی از الگوریتم‌های مبتنی بر واکشی اولیه موجود بررسی خواهد شد.

     

    2-2. تکنیک­های تکثیر داده‌

  • فهرست پایان نامه بررسی الگوریتم‌ های تکثیر پویای داده در شبکه های گرید و ارائه یک الگوریتم جدید براساس پارامتر های اندازه فایل ، پهنای باند موجود و فاصله جغرافیایی

    فهرست:

    فصل1. مقدمه. 2

    1-1. مقدمه. 3

    2-1. بیان مسئله. 3

    3-1. اهمیت گرید داده 4

    4-1. راه­حل­های ممکن.. 5

    5-1. راه­حل پیشنهادی.. 5

    6-1. سؤالات پایان­نامه. 8

    6-1. اهداف پایان­نامه. 8

    7-1. ساختار پایان­نامه. 9

    فصل2. مروری بر سوابق پیشین.. 10

    2-1. مقدمه. 11

    2-2. تکنیکهای تکثیر داده‌ 11

    2-3. چارچوبی برای تکثیر داده‌ها 12

    فصل3. الگوریتم تکثیر پویا در گرید داده با استفاده از واکشی اولیه داده‌ها 29

    3-1. مقدمه. 30

    3-2. معماری PDDRA.. 30

    3-3. مراحل انجام الگوریتم PDDRA.. 32

    3-3-1. فاز 1: ذخیره‌سازی الگوی دسترسی فایل.. 33

    3-4. فاز 2 الگوریتم واکشی اولیه. 38

    3-4-1. مسئولیت مدیر به‌روزرسانی کپی.. 40

    3-4-2. ساختار سرور محلی و سایت‌های گرید. 41

    3-5. فاز 3: جایگزینی.. 46

    3-5-1. الگوریتم جایگزینی PDDRA.. 48

    3-6. نتیجه گیری.. 49

    فصل4. الگوریتم پیشنهادی.. 50

    4-1. مقدمه. 51

    4-2 الگوریتم پیشنهادی تکثیر داده 51

    4-3. توصیف الگوریتم. 53

    4-3-1. فاز اول: درخواست فایل و انجام عمل تکثیر. 53

    4-3-2 فاز دوم: جایگزینی.. 54

    فصل5. شبیه‌سازی الگوریتم. 56

    5-1 مقدمه. 57

    5-2. شبیه‌سازی الگوریتم. 57

    5-2-1 الگوهای دسترسی.. 59

    5-2-2. فایل‌های پیکربندی تنظیمات اپتورسیم. 61

    5-3. نتایج شبیه‌سازی.. 62

    5-3-1. پیاده‌سازی سیستم فازی.. 63

    5-4. ارزیابی عملکرد. 63

    6-4. بهره‌وری از شبکه. 66

    فصل6. نتیجه گیری و پیشنهادات... 67

    6-1. مقدمه. 68

    6-2. راه­حل پیشنهادی.. 68

    6-3. نتیجه‌گیری.. 68

    5-2. کارهای آتی.. 69

    مراجع.. 70

     

     

    منبع:

     [1] GhilavizadehZ., Mirabedini S. J.,Harounabadi A.,“A New Fuzzy Optimal Data Replication Method for Data Grid”, Management Science Letters Journal,(2013) 927–936.

    [2] ChangR. S., ChenP. H., Complete and fragmented selection and retrieval indata grids, Future Generation Computer Systems, 23 (2007) 536–546.

    [3] FosterI., The grid: A new infrastructure for 21st century science, (2002).

    [4] RanganathanK., FosterI., Design and evaluation of dynamic replicationstrategies for a high performance data grid, in: International Conference onComputing in High Energy and Nuclear Physics, vol. 2001,  (2001).

    [5] Lamehamedi H., Szymanski B.,Shentu Z.,Deelman E.,Data replication strategies in grid environments,5th International Conference
    on Algorithms and Architecture for Parallel Processing,(2002) 0378.

    [6] RanganathanK., IamnitchiA., FosterI., Improving data availability throughdynamic model-driven replication in large peer-to-peer communities, Proceedings of the 2nd IEEE/ACM International Symposium on Cluster Computing and the Grid, (2002) 376.

    [7] RahmanR.M., BarkerK., AlhajjR., Replica placement in data grid: Consideringutility and risk, Information Technology: Coding and Computing, 1 (2005)354 - 359.

    [8] S. Vazhkudai, S. Tuecke, I. Foster, Replica selection in the globus data grid, First IEEE International Symposium on Cluster Computing and the Grid, (2001) 106.

    [9] StockingerH., SamarA., HoltmanK., AllcockB., FosterI., TierneyB., File andobject replication in data grids, Cluster Computing, 5 (3) (2002) 305–314.

    [10] YuanY., WuY., Yang, F. Yu, Dynamic data replication based on localoptimization principle in data grid, Sixth International Conference on Grid and Cooperative Computing, (2007) 815 - 822.

    [11] Foster I., Ranganathan K., Design and evaluation of dynamic replicationstrategies a high performance Data Grid, in: Proceedings of InternationalConference on Computing in High Energy and Nuclear Physics, (2001) 20.

    [12] MeroufelB., Belalem  G.,Dynamic Replication Based on Availability and opularity in the Presence of Failures,  Journal of Information Processing Systems(JIPS), (2012) 263-278.

    [13] CibejU., SlivnikB., RobicB., The complexity of static data replication in datagrids, Parallel Computing 31 (8) (2005) 900–912.

    [14]Dong,X. LiJ., WuZ., ZhangD., XuJ., On Dynamic Replication Strategies in Data Service Grids, 11thIEEE International Symposium on Object Oriented Real-Time Distributed Computing (ISORC), Orlando, (2008) 155–161.

     [15] Amjad T., Sher M.,Daud A., A survey of dynamic replication strategies forimproving data availability in data grids, Future Generation Computer Systems, (2012) 337–349.

     [16] BsoulM., A Framework for Replication in Data Grid, International Conference on Networking, Sensing and Control Delft, (2011) 978-981.

    [17]Sashi, K., AntonyS.T., Dynamic Replica Management for Data Grid, IACSIT International Journal of Engineering and Technology, (2010) 2- 4.

    [18] Park S. M., Kim J. H., KoW. B., Yoon W. S., Dynamic Data Replication Strategy Based on Internet Hierarchy BHR, in Lecture notes in Computer Science Publisher, (2004) 838-846.

    [19] LoukopoulosT., AhmadI., Static and Adaptive Distributed Data Replication Using Genetic Algorithms, Journal of Parallel Distributed Computing, (2004)1270 -1285.

    [20] Zhongping Z., Zhang C., Mengfei Z., Wang Z., Dynamic Data Grid Replication Algorithm Based on Weight and Cost of Replica, Telkomnika Indonesian Journal of Electrical Engineering, (2014) 2860-2867.

    [21] ChangR. S., ChangH. P., WangY. T., A dynamic weighted data replicationstratrgy in data grids, The Journal of Supercomputing , 45 (3) (2008) 277-295.

    [22] GuQ., ChenB., ZhangY., Dynamic Replica Placement and Location Strategies for Data Grid, International Conference on Computer Science and Software Engineering, Wuhan-Hubei, (2008) 35-40.

    [23] LStoica, R. Morris, D. Karger, M. F. Kaashoek, and H Balakrishnan, Chord: A Scalable Peer to Peer Lookup Service for Internet Applications, Proceedings of ACM SIGCOMM, (2001) 160-177.

    [24] TangM., LeeB.S., YaoC.K., TangX.Y, Dynamic replication algorithm for themulti-tier data grid, Future Generation Computer Systems, 21 (5) (2005)775-790.

    [25] ShorfuzzamanM., GrahamP., EskiciogluR., Popularity-driven dynamicreplica placement in hierarchical data grids, in: Proceedings of NinthInternational Conference on Parallel and Distributed Computing, Applicationsand Technologies, (2008) 524-531.

    [26] Slota R., Skital L., Nikolow D., Kitowski J., Algorithms for automatic datareplication in grid environment, in: Roman Wyrzykowski, Jack Dongarra,Norbert Meyer, Jerzy Wasniewski (Eds.), Parallel Processing and AppliedMathematics: 6th International Conference, PPAM 2005, Poznan, Poland,September 11–14, 2005, Revised Selected Papers, in: Lecture Notes inComputer Science,vol. 3911, Springer, 2006, pp. 707–714.

    [27] AbdurrabA.R., XieT., Fire: a file reunion data replication strategy for datagrids, in: 10th IEEE/ACM International Conference on Cluster, Cloud and GridComputing, (2010) 215-223.

    [28] Chang R. S., Chang H. P., Wang W. T., A dynamic weighted data replication strategy in data grids, IEEE/ACS International Conference on Computer Systems and Applications,  (2008) 414-421.

    [29]Ghilavizadeh Z., MirabediniS. J., Harounabadi A., A New Fuzzy Optimal Data Replication Method for Data Grid, Management Science Letters Journal, (2013) 927-936.

    [30] SashiK., SanthanamT., Replica Replacement Algorithm for Data Grid Environment, ARPN Journal of Engineering and Applied Sciences, (2013) 86-90.

     [31] Lei M.,VrbskyS. V., A Data Replication Strategy to Increase Data Availability in Data Grids, http://ww1.ucmss.com/books/LFS/CSREA2006/GCA7303.

     [32] ChangR.S., HuangN.Y., ChangJ.S., A predictive algorithm for replicationoptimization in data grids, Proceedings of ICS, (2006) 199-204.

    [33] KroegarT.M., Long DarrellD.E., The case for efficient file access patternmodeling, in: Proceedings of the 7th Workshop on Hot Topics in OperatingSystems,Rio Risco,(1999) 1419.

    [34] TianT., LuoJ., WuZ., SongA., A pre-fetching-based replication algorithmin data grid, in: 3th International Conference on Pervasive Computing andApplications, (2008) 526-531.

     [35] FosterI., RanganathanK., Design and evaluation of dynamic replication strategies a high performance Data Grid, in: Proceedings of International Conference on Computing in High Energy and Nuclear Physics, (2001) 17.

    [36] KhanliL.M., IsazadehA., ShishavancT.N., PHFS: a dynamic replication methodto decrease access latency in multi tier data grid, Future Generation ComputerSystems, 27 (2010) 233-244.

    [37]بیگ رضایی مهسا،سجودی امید، طرقی حقیقت ابوالفضل, تکثیرپویا درگرید داده با استفاده از الگوریتمی مبتنی بر پیشگویی همایش رهیافتی نوین در فناوری اطلاعات و ارتباطات،1392.

     [38] Saadat.N, Rahmani A. M., A new pre-fetching based dynamic datareplication lgorithm indata grids,Future Generation Computer Systems, (2012) 666-681.

     

     

    [39] BellW.H., CameronD.G., CapozzaL., MillarA.P., StockingerK., ZiniF.,Simulation of Dynamic Grid Replication Strategies in OptorSim, International Journal of High performance Computing Applications, (2002) 46-57.

     [40] CameronD.G., MillarA.P., NicholsonC., OptorSim: A simulation tool for scheduling and replica optimization in data grids, Proceedings of Computing in High Energy and Nuclear Physics (CHEP) (2004)

  • ثبت سفارش
    عنوان محصول
    قیمت