مقاله انگلیسی رایگان در مورد EnTruVe: انرژی و تخصیص ماشین مجازی اعتماد-آگاهی – الزویر ۲۰۲۲

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله EnTruVe: انرژی و تخصیص ماشین مجازی اعتماد-آگاهی در رایانش مه خودرو برای برنامه های catering در ۵G
عنوان انگلیسی مقاله EnTruVe: ENergy and TRUst-aware Virtual Machine allocation in VEhicle fog computing for catering applications in 5G
انتشار مقاله سال ۲۰۲۲
تعداد صفحات مقاله انگلیسی ۱۵ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۷٫۱۸۷ در سال ۲۰۲۰
شاخص H_index ۱۱۹ در سال ۲۰۲۰
شاخص SJR ۱٫۲۶۲ در سال ۲۰۲۰
شناسه ISSN ۰۱۶۷-۷۳۹X
شاخص Quartile (چارک) Q1 در سال ۲۰۲۰
فرضیه ندارد
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط فناوری اطلاعات و ارتباطات، مهندسی کامپیوتر
گرایش های مرتبط مخابرات سیار، کاربردهای ICT، رباتیک، معماری سیستم های کامپیوتری، رایانش ابری
نوع ارائه مقاله
ژورنال
مجله  سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
کلمات کلیدی بهره وری انرژی، اعتماد، مه خودرویی، مهاجرت ماشین مجازی
کلمات کلیدی انگلیسی Energy efficiency, Trust, Vehicular fog, VM migration
شناسه دیجیتال – doi
https://doi.org/10.1016/j.future.2021.07.036
کد محصول E15624
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
Keywords
Introduction
Background study
Proposed work
Performance evaluation
Discussions
Conclusions
CRediT authorship contribution statement
Declaration of Competing Interest
References

بخشی از متن مقاله:
abstract
It is undoubted that fog computing contributes in catering the latency-stringent applications of 5G, and one of the enabling technologies that fundamentally ensures the success of fog computing is virtualization as it offers isolation and platform independence. Although the emergence of vehiclebased fog (referred to as v-fog) facilities can certainly benefit from these desirable features of virtualization, there are several challenges that need to be addressed in order to realize the full potential that v-fogs can offer. One of the challenges of virtualization in v-fog is Virtual Machine (VM) migration. There are several factors that trigger a VM migration in a v-fog such as vehicle resource depletion. VM migrations would not only lead to nonessential usage of valuable resources (e.g. energy, bandwidth, memory) in the v-fogs, but also incur various overheads and performance degradation throughout the whole network. Thus, minimizing VM migrations is necessary. Furthermore, to ensure the seamless VM migrations between v-fogs, trust of v-fogs is required. While there exists studies of trust in the virtualization of cloud, they are irrelevant to v-fogs as v-fogs are different in nature (i.e. heterogeneous, mobile) from the cloud. Additionally, trust is not included in the decision making mechanisms of VM allocation for vehicular environments in the existing works. Moreover, as vehicle resources are constrained, their energy has to be utilized efficiently. In this paper, we propose EnTruVe, an ENergy and TRUst-aware VM allocation in VEhicle fog computing solution that aims to minimize the number of VM migrations while reducing VM processing associated energy consumption as much as possible. The VM allocation algorithm in EnTruVe provides a larger selection pool of v-fogs that meets the VMs requirements (e.g. trust, latency), thereby ensuring higher chances of success of VM allocation. Using Analytic Hierarchy Process (AHP), the proposed EnTruVe solution evaluates the v-fogs based on a set of metrics (e.g. energy consumption and end-to-end latency) to select the optimal v-fog for a VM allocation. Results obtained demonstrate that EnTruVe has the least number of VM migrations and it is the most energy efficient solution. Additionally, it shows that EnTruVe provides the highest utilization of v-fogs of up to 57.6% in comparison to other solutions as the number of incoming requests increases.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.