چکیده فارسی :

محاسبات ابری از منابع اطلاعاتی برای کاربران موجود در “ابر²”  در میان اینترنت پشتیبانی میکند. این منابع اطلاعاتی  همراه با انواع گوناگون زبان‌ها در میان صفات وب و پایگاه داده‌ها توزیع شده‌اند. همانطور که منابع اطلاعاتی چندزبانه ناهمگن هستند و در محاسبات ابری ناهموار می‌باشند، زمان بندی منابع اطلاعاتی چندزبانه، بسیار پیچیده  است. در مکانیزم جدید محاسبات ابری، نیازمند همزمانی منابع اطلاعاتی هستیم. این مقاله، معماری چهار لایه‌ای برای منابع اطلاعاتی چند زبانه در محاسبات ابری را نشان می‌دهد. این روش، شامل لایه دسترسی کاربران، لایه پشتیبانی از تکنولوژی، همزمانی منابع و لایه‌های منابع می‌باشد. مدل سه-لایه‌ای زمان بندی را برای منابع اطلاعاتی چند زبانه در محاسبات ابری پیشنهاد می‌کنیم. این مدل شامل یکسری مدیران خانگی، یکسری عامل‌های زمان‌بندی محلی و عامل‌های سراسری زمان‌بندی می‌باشد. این مدل نه تنها استقلال خصوصی منابع ابری را نشان می‌دهد و بلکه برای کاربرانی که وظایفی را پیشنهاد می‌کنند یا بر آنها نظارت می‌کنند، مناسب است، و همچنین فشار عامل‌های سراسری را مشخص می‌سازد. مثال نشان می‌دهد که مدل پیشنهاد شده زمان‌بندی می‌تواند، همزمانی اجراییات منابع اطلاعاتی چند زبانه را در محاسبات ابری بهبود بخشد.

چکیده انگلیسی :

Cloud computing provides information resources for users in “Cloud” through the Internet. These information resources with a variety of different languages are distributed in Web pages and the databases. The scheduling of multilingual information resources becomes complex, as multilingual information resources are heterogeneous and uneven in cloud computing. The need arises in scheduling of multilingual information resources in cloud computing for new mechanisms. This paper presents a four-tier architecture for multilingual information resources scheduling in cloud computing. It includes user accessing tier, technology supporting tier, resource scheduling tier and resources tier. We propose a threelayer scheduling model for multilingual information resources in cloud computing. The model includes some home managers, some local scheduling agents and a global scheduling agent. The model not only shows the autonomy of private cloud resources and is convenient for user to submit and supervise tasks, but also lightens the pressure of the global scheduling agent. The example shows that the proposed scheduling model could improve the performance of the scheduling of multilingual information resources in cloud computing.