Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Fractional-Order PID Controller Optimized by SCA for Solar System Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

78. Optimum Resource Allocation Techniques for Enhancing Quality of Service Parameters in Cloud Environment

verfasst von : M. Kandan, R. Manimegalai

Erschienen in: Proceedings of International Conference on Artificial Intelligence, Smart Grid and Smart City Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Cloud computing offers multitenancy with countless services and follows pay-and-use strategy. In this paper Quality of Service (QoS) parameters such as energy consumption and response time are considered for resource allocation. Customer satisfaction can be fulfilled by improving the QoS. Multi-Agent-based Dynamic Resource Allocation (MADRA) strategy, a multistage framework using QoS-based Resource Allocation (QRA) algorithm, and Artificial Immune System-Directed Acyclic Graph (AIS-DAG) model are proposed for optimum resource allocation. The performance of proposed approaches using the CloudSim toolkit is analyzed and compared. The experimental results show that proposed approach has high potential for the improvement in QoS and scalability by concentrating on resource and request validation.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Blockchain-based e-Voting as a Service
Nächstes Kapitel MIPGIOT: Monitoring and Improving the Productivity in Garment Unit Using IOT
Literatur
1.
Armbrust M, Fox A, Griffith R, Joseph AD, Katz R, Konwinski A, Lee G, Patterson D, Rabkin A, Stoica I, Zaharia M (2010) A view of cloud computing. Commun ACM 53(4):50–58CrossRef
2.
Huang CJ, Guan CT, Chen HM, Wang YW, Chang SC, Li CY, Weng CH (2013) An adaptive resource management scheme in cloud computing. Eng Appl Artif Intell 26(1):382–389CrossRef
3.
Rodero-Merino L, Vaquero L, Gil V, Galan F, Fontan J, Montero R, Llorente I (2010) From infrastructure delivery to service management in clouds. Futur Gener Comput Syst 26(8):1226–1240CrossRef
4.
Kandan M, Manimegalai R (2015) Strategies for resource allocation in cloud computing: a review. Int J Appl Eng Res 10:76), 1–76),10
5.
Tsai JT, Fang JC, Chou JH (2013) Optimized task scheduling and resource allocation on cloud computing environment using improved differential evolution algorithm. Comput Oper Res 40(12):3045–3055CrossRef
6.
Sun P, Dai Y, Qiu X (2017) Optimal scheduling and management on correlating reliability, performance, and energy consumption for multiagent cloud systems. IEEE Trans Reliab 66(2):547–558CrossRef
7.
Kandan M, Manimegalai R (2015) A framework for effective resource allocation in a distributed cloud environment. Int J Appl Eng Res 10(87):493–498
8.
Abolfazli S, Sanaei Z, Gani A, Xia F, Yang LT (2014) Rich mobile applications: genesis, taxonomy, and open issues. J Netw Comput Appl 40:345–362CrossRef
9.
Meikang Q, Yang LT, Shao Z, Sha EHM (2010) Dynamic and leakage energy minimization with soft real-time loop scheduling and voltage assignment. IEEE Trans Very Large Scale Integr Syst 18(3):501–504CrossRef
10.
Vakilinia S, Heidarpour B, Cheriet M (2016) Energy efficient resource allocation in cloud computing environments. IEEE Access 4:8544–8557CrossRef
11.
Mohammad S, Saeed J, Saeid A, Nicola C (2015) FUGE: a joint meta-heuristic approach to cloud job scheduling algorithm using fuzzy theory and a genetic method. Cluster Comput Springer 18(2):829–844CrossRef
12.
Shu W, Wang W, Wang Y (2014) A novel energy-efficient resource allocation algorithm based on immune clonal optimization for green cloud computing. EURASIP J Wirel Commun Netw 2014:2–9CrossRef
13.
Cheng D, Rao J, Jiang C, Zhou X (2016) Elastic power-aware resource provisioning of heterogeneous workloads in self-sustainable datacenters. IEEE Trans Comput 65(2):508–521MathSciNetCrossRef
14.
Kandan M, Manimegalai R (2015) Multi agent based dynamic resource allocation in cloud environment for improving quality of service. Aust J Basic Appl Sci 9(27):340–347
15.
Kandan M, Manimegalai R (2017) QRA: a multi-stage framework for improving QoS in resource allocation. J Adv Res Dyn Contr Syst 9(5):131–141
16.
Kliazovich D, Johnatan EP, Andrei T, Pascal B, Samee UK, Zomaya AY (2015) CA-DAG: modeling communication-aware applications for scheduling in cloud computing. J Grid Comput 14(1):23–39CrossRef
17.
Kandan M, Manimegalai R (2016) AIS-DAG: artificial immune system for directed acyclic graphs model based fair resource allocation for heterogeneous cloud computing. Asian J Inf Technol 15(19):3673–3686
Metadaten
Titel
Optimum Resource Allocation Techniques for Enhancing Quality of Service Parameters in Cloud Environment
verfasst von
M. Kandan
R. Manimegalai
Copyright-Jahr
2020
Buch
Proceedings of International Conference on Artificial Intelligence, Smart Grid and Smart City Applications

Print ISBN: 978-3-030-24050-9

Electronic ISBN: 978-3-030-24051-6

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-24051-6_78