19520

۱۹۵۲۰

كاهش مصرف توان و محاسبات سبز در رايانش ابري همراه با استفاده از نمايه كاربري در سلامت همراه

كارشناسي ارشد

معماري سيستم هاي كامپيوتري

۱۳۹۴-۱۳۹۷

۱۳۹۷/۰۷/۰۹

دكتر محمود فتحي - دكتر رضا برنگي

كامپيوتر

پيشرفت تكنولوژي در حوزه محاسبات ابري همراه (MCC) با چالش هاي بزرگي جهت جمع آوري، ذخيره سازي، پردازش و پاسخگويي داده ها بر روي ابر مواجه است. معماري جديدي جهت كاهش مصرف توان و محاسبات سبز در رايانش ابري همراه براي به حداقل رساندن اين چالش ها پيشنهاد گرديد. مراقبت هاي سلامت هوشمند نقش مهمي در حوزه سلامت جامعه ايفا مي كند. در اين پايان نامه، يك روش جديد جهت انجام محاسبات سبز در حوزه سلامت و ارسال سيگنال الكتروكارديوگرام (ECG) ارائه شده است. هدف از ارائه معماري پيشنهادي تحت پوشش قرار دادن تعداد بيشتري از بيماران، كاهش هزينه هاي بعدي ناشي از عدم نظارت بر وضعيت بيماران و تسريع زمان پاسخگويي مي باشد. در معماري پيشنهادي، به دليل محدوديت منابع مانند پهناي باند، پردازش، ذخيره سازي و توان مصرفي از مديريت توان و منابع استفاده شده است. مديريت توان و منابع با توجه به وضعيت كاربر، درخواست كاربر و نمايه كاربري تصميم مي گيرد كه از كدام ابرك استفاده كند. مديريت توان و منابع براي تصميم گيري از تاريخچه درخواست هاي قبلي كاربر و اولويت درخواست ها بهره مي گيرد. در رويكرد پيشنهادي، الگوريتم هاي ثابت، حريصانه و اولويت دار با استفاده از شبيه ساز كلودسيم پياده سازي شده است. نتايج شبيه سازي ها نشان مي دهد كه الگوريتم حريصانه و اولويت دار از عملكرد بهتري برخوردارند. مركز مديريت توان و منابع در محاسبات ابري همراه با استفاده از نمايه كاربري سبب كاهش مصرف توان، سرعت بخشيدن به زمان پاسخگويي، بهبود مصرف انرژي و محاسبات سبز مي گردد. نتايج نشان مي دهد كه روش ما مي تواند به كاهش مصرف توان 1.3 تا 2.8 درصد كمك كند.

1397/07/21

Context aware mobile cloud computing for low power consumption and green computing in m-Health

10/13/2018 12:00:00 AM

The advancement of technology in the field of mobile cloud computing faces with huge challenges to collect, storage, process and respond to data on the cloud. A new architecture to reduce power consumption and green computing in mobile cloud computing is suggested to minimize these challenges. Smart health care plays an important role in the community health. In this thesis, a new method for green computing in the field of health and send an electrocardiogram (ECG) signal is presented. The goal of providing proposed architectures to cover more patients, reduce future costs due to the lack of monitoring of patient status and acceleration of response time. In the proposed architecture, power and resource management have been used due to resource constraints such as bandwidth, processing, storage and power consumption. Power and resource management Depending of the user status, user request and context-aware decides which cloudlet to use. Power and resource management for decision making uses the history of user previous requests and priority requests. In the proposed approach, fixed, greedy and priority algorithms are implemented using the cloudsim simulator. The results of the simulations show that the greedy and priority algorithm has a better performance. The power and resource management center in mobile cloud computing, with the use of context-aware reduces power consumption, speed up the response time, improve energy consumption and green computing. The results show that our approach can help reduce power consumption 1.3-2.8%.