دانلود مقاله ISI انگلیسی شماره 139034
ترجمه فارسی عنوان مقاله

استفاده مجدد از دانش تجربی در هنگام استفاده از محاسبات ابری

عنوان انگلیسی
Reusing empirical knowledge during cloud computing adoption
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
139034 2018 53 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Systems and Software, Volume 138, April 2018, Pages 124-157

ترجمه کلمات کلیدی
تصدی ابر رایانه، سیستم های میراث مهندسی نرم افزار مبتنی بر شواهد، مهندسی نیاز به اهداف گرا مهندسی مجدد سیستم میراث،
کلمات کلیدی انگلیسی
Cloud computing adoption; Legacy systems; Evidence-based software engineering; Goal-oriented requirement engineering; Legacy system reengineering;
ترجمه چکیده
انتقال سیستم های موجود موجود به سیستم عامل های ابر یک گزینه بسیار محبوب است. اما چنین تلاش هایی ممکن است خطرناک نباشند و نیاز به درک صحیح از نیازها و خطرات پیش از انجام هر کاری دارند. زمان واقعی رسیده است تا دیدگاه واقع گرایانه ای را درباره مهاجرت سیستم های میراث به ابر ارائه دهد، درک شرایط استثنایی که باعث نابودی اهداف سیستم در چنین گذار و بینش در مورد اقدامات متقابل می شود. مهاجرت ابر دانش، اگر چه مفید است، بیش از ادبیات در حال حاضر پراکنده است. در هنگام ادغام سیستم های میراثی با سرویس های ابری، تمرینکنندگان مشغول به کار هستند تا بتوانند این دانش را به منظور تمرکز، سنتز کردن و به کارگیری آن بکار ببرند. ما با ایجاد یک همبستگی نوآورانه بین رویکردهای مبتنی بر تکنولوژی های نرم افزاری مبتنی بر شواهد و مدل سازی هدفمند، این موضوع را حل می کنیم. ما یک مخزن ادعایی از موانع معمول و موانع و راه حل های انحصارطلبی پلاتفرم مربوط به توانمند سازی ابر سیستم های میراثی ایجاد می کنیم. مخزن بیشتر در طی ملاحظات سیستماتیک هدف-مانع در مورد سناریوهای مهاجرت ابر ارائه شده است. کاربرد چارچوب پیشنهاد شده ما نیز نشان داده شده است.
پیش نمایش مقاله
پیش نمایش مقاله  استفاده مجدد از دانش تجربی در هنگام استفاده از محاسبات ابری

چکیده انگلیسی

Moving existing legacy systems to cloud platforms is an ever popular option. But, such endeavour may not be hazard-free and demands a proper understanding of requirements and risks involved prior to taking any action. The time is indeed ripe to undertake a realistic view of what migrating legacy systems to cloud may offer, an understanding of exceptional situations causing system quality goal failure in such a transition, and insights on countermeasures. The cloud migration body of knowledge, although is useful, is dispersed over the current literature. It is hard for busy practitioners to digest, synthesize, and harness this body of knowledge into practice when integrating legacy systems with cloud services. We address this issue by creating an innovative synergy between the approaches evidence-based software engineering and goal-oriented modelling. We develop an evidential repository of commonly occurred obstacles and platform agnostic resolution tactics related to cloud enablement of legacy systems. The repository is further utilized during systematic goal-obstacle elaboration of given cloud migration scenarios. The applicability of our proposed framework is also demonstrated.