نوع مقاله : مقاله پژوهشی

نویسنده

دانشگاه ایلام- دانشکده کامپیوتر- ایلام- ایران

چکیده

اساسا اشتراک منابع درخواستی و پویائی بارهای‌ کاری در سیستم‌های آموزش الکترونیک موجب رقابت بین کاربران و افت کارائی می گردد. وجود نوسانات کارائی و افت کیفیت خدمت در چنین محیط هائی تهدید کننده راندمان کاری و اجرای صحیح خدمات مرتبط و ارائه کارکرد مجتمع می باشد. آگاهی از کارائی به عنوان یک راهکار کلیدی قادر است بارهای کاری را از تاثیرات منفی یکدیگر محافظت نماید. درحال حاضر فقدان چنین زیرساختی موجب نوسانات کارائی و کیفیت خدمات نامطلوب در این سیستم‌ها می‌گردد. هدف پژوهش حاضر گام برداشتن درجهت جبران نواقص مذکور و از مهم‌ترین دستاوردهای آن توسعه زیرساخت ابری آگاه از کارائی در سیستم‌های آموزش الکترونیک می باشد. زیرساخت پیشنهادی برخلاف دیدگاههای موجود، به مکانیزم اجرائی خاصی وابسته نمی باشد و مستقل از سطح خدمت و کنشگرها، کارائی را در کل پشته ابر بصورت یکپارچه و پویا پایش می نماید. نتایج پیاده سازی‌ها و ارزیابی سناریوهای مختلف مبین برتری زیرساخت پیشنهادی و بهبود معیارهای کارائی مرتبط می باشد.

کلیدواژه‌ها

  •  

    https://doi.org/10.1016/j.ijinfomgt.2015.12.007

    • [2] Al-Samarraie, N. Saeed, A systematic review of cloud computing tools for collaborative learning: Opportunities and challenges to the blended-learning environment, Journal of Computers & Education, vol. 124, pp. 77-91, 2018.

    https://doi.org/10.1016/j.compedu.2018.05.016.

    • [3] H. Su, G. H. Tzeng, S. K. Hu, Cloud e-learning service strategies for improving e-learning innovation performance in a fuzzy environment by using a new hybrid fuzzy multiple attribute decision-making model, Journal of Interactive Learning Environments, vol. 24, no. 8, pp. 1812-1835, 2016.

    https://doi.org/10.1080/10494820.2015.1057742

    • [4] R. Muhammad, S. M. Abdulrahman, Cloud Computing Based e-Learning: Opportunities and Challenges for Tertiary Institutions in Nigeria, International Journal of e-Education, e-Business, e-Management and e-Learning, vol. 5, no. 3, pp. 144-152, 2015.
    • [5] Rezaei, B. Karimi, H. Jamalodin, Effect of Cloud Computing Systems in Terms of Service Quality of Knowledge Management Systems, Lecture Notes on Software Engineering, vol. 4, no. 1, pp. 73-76, 2016.
    • [6] A. Shahoseini, F. Narenji Sani, R. Ebadi, H. Roodbari, Evaluation of E-Learning Teaching Service Quality in Higher Education, Academic Librarianship and Information Research, vol. 49, no. 2, pp. 277-303, 2015.
    • [7] Hussein, M. Omar, Cloud Computing and its effects on performance excellence at Higher Education Institutions in Egypt (An analytical study), European Scientific Journal, vol. Special, no. Edition, pp. 163-176, 2015.
    • [8] Q. Qwaider, A Cloud Computing Based Learning Management Systems (LMSs) Architecture, International Journal of Computing and Network Technology, vol. 5, no. 2, pp. 51-58, 2017.

    http://dx.doi.org/10.12785/IJCNT/050202

    • [9] Tamang, A. Alsadoon, C. Withana, L. S. Hoe, and A. Elchouemi, A model to improve quality of service (QoS) in cloud based virtual lab framework, in Proc. Int. Conf. Workshop Comput. Commun. (IEMCON), pp. 1-5, 2015 .
    • [10] Zaharescu, G. A. Zaharescu, Enhanced Virtual E-Learning Environments Using Cloud Computing Architectures, International Journal of Computer Science Research and Application, vol. 2, no. 1, pp. 31-41, 2012.
    • [11] Singh, A. Bhasin, Efficient Resource Management Technique for Performance Improvement in Cloud Computing, Indian Journal of Comp. Sci. & Eng, vol. 8, no. 1, pp. 33-39, 2017.
    • [12] D. Rossi, M. G. Xavier, C. A. De Rose, R. N. Calheiros and R. Buyya, E-eco: performance-aware energy-efficient cloud data center orchestration, J. Netw. Comput. Appl, vol. 78, pp. 83-96, 2017.

    https://doi.org/10.1016/j.jnca.2016.10.024

    • [13] Suresh and S. Sakthivel, A novel performance constrained power management framework for cloud computing using an adaptive node scaling approach, J Computers& Electrical Engineering, vol. 60, pp. 30-44, 2017.

    https://doi.org/10.1016/j.compeleceng.2017.04.018

    • [14] D. Rossi, M. G. Xavier, C. A. F. De Rose, R. N. Calheiros and R. Buyya, E-eco: Performance-aware energy-efficient cloud data center orchestration, J. Netw. Comput. Appl., vol. 78, pp. 83-96, 2017.
    • [15] Antonov, N. Popova and V. Voevodin, Computational science and HPC education for graduate students: Paving the way to exascale, J. Parallel Distr. Com., vol. 118, pp. 157-165, 2018.
    • [16] Pireva, P. Kefalas and I. Stamatopoulou, Representation of learning objects in cloud e-learning, 8th International Conference on Information, Intelligence, Systems & Applications (IISA), 2017.

    DOI: 10.1109/IISA.2017.8316369

    • [17] Smith WD (2000) TPC-W: benchmarking an ecommerce solution
    • [18] J. Navimipour, A. M. Rahmani, A. H. Navin and M. Hosseinzadeh, Expert cloud: a cloud-based framework to share the knowledge and skills of human resources, Computers in Human Behavior, vol. 46, pp. 57-74, 2015.

         https://doi.org/10.1016/j.chb.2015.01.001

    • [19] Lehrig, R. Sanders, G. Brataas, M. Cecowski, S. Ivanšek and J. Polutnik, CloudStore - towards scalability, elasticity, and efficiency benchmarking and analysis in Cloud computing, Futur. Gener. Comput. Syst., vol. 78, pp. 115-126, 2018.
    • [20] https://tomcat.apache.org/tomcat-7.0-doc/config/valve.html last accessed: 11. Aug 2016.
    • [21] Agrawal, U. Vyas, V. Bhatia and S. Prakash, SLA-aware differentiated QoS in elastic optical networks, Optical Fiber Technology, vol. 36, pp. 41-50, 2017.
    • [22] Tian, M. Xu, A. Chen, G. Li, X. Wang and Y. Chen, Open-source simulators for cloud computing: Comparative study and challenging issues, Simulation Modelling Practice and Theory, vol. 58, pp. 239-254, 2015.