چکیده
با توجه به روند فزاینده ای که نسبت به رایانش لبه و مه وجود دارد، هدف شبیه ساز REACAP این است که سناریوهای مقیاس بزرگ را در فضای رایانش ابری، مه و لبه شبیه سازی کند تا پشتیبانی از تصمیم گیری و کنترل را برای مدیریت نرم افزار و منبع مرکزی داده ها فراهم آورد. این امر از طریق شبیه سازی نرم افزار و زیر سیستم های نرم افزار، شبیه سازی منابع زیرساختی و سیستمهای مدیریت منابع و آزمایش و اعتبارسنجی نتایج شبیه سازی محقق خواهد شد. شبیه ساز RECAP و مدلهای مرتبط از درک تأثیرگذاری بر منابع، معیارهای بار کاری و میزان خدمات (QoS) و همچنین تبادلات به منظور بهره وری انرژی و هزینه در سناریوهای رایانش ابری ، لبه و مه پشتیبانی کرده و آنها را پیش بینی می کند، ضمن اینکه توافقات سطح سرویس (SLAs) کاربران را حفظ می نماید.
مقدمه
امروزه سیستمهای محاسباتی در مقیاس بزرگ به صورت سیستمهای توزیع شده ساخته می شوند، درجاییکه مؤلفه ها و خدمات به دلایل مقیاس، ناهمگونی، هزینه و بهره وری انرژی از طریق کلاینتها و دستگاه ها از راه دور توزیع می شوند و قابل دسترس هستند. مولفه های برخی سیستم ها، بخصوص سیستمهای حساس به تاخیر یا سیستمهای بسیار قابل دسترس، نیز به منظور افزایش قابلیت اطمینان و کاهش تأخیر در جای نزدیکتری به کاربران نهایی قرار دارند، که به این سبک محاسبه اغلب رایانش لبه یا مه می گویند. با این وجود، در حالیکه سالهای اخیر شاهد پیشرفتهای چشمگیری در تجهیزات سیستم و همچنین اتوماسیون و بهره وری انرژی مرکز داده ها بوده است، منابع محاسباتی و ظرفیت شبکه اغلب با استفاده از مدلهای سرویس best-effort و مکانیسمهای QoS درشت دانه حتی در مراکز داده پیشرفته تامین می شوند. این محدودیتها به عنوان یک مانع بزرگ پیش روی تکامل آتی اینترنت اشیاء (IoT) و جامعه شبکه مند دیده می شوند که پیش بینی می شود به میزان قابل توجهی بار شبکه ها و مراکز داده را افزایش دهند (Ostberg و همکاران، 2017).
این مقاله ISI در سال 2018 در نشریه آی تریپل ای و در کنفرانس شبیه سازی زمستانی، توسط مرکز ایرلندی برای محاسبات ابری و تجارت منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله شبیه سازی سناریو های رایانش ابری در سایت ای ترجمه مراجعه نمایید.
