دوره 15، شماره 3 - ( 9-1397 )                   جلد 15 شماره 3 صفحات 123-133 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Deylami S, Farjami Y. Optimizing Web programs Response in Cloud Using Pre-processing, Case study Nginx, Varnish. JSDP. 2018; 15 (3) :123-133
URL: http://jsdp.rcisp.ac.ir/article-1-504-fa.html
دیلمی سنیه، فرجامی یعقوب. بهینه‌سازی اجرا و پاسخ صفحات وب در فضای ابری با روش‌های پیش‌پردازش، مطالعه موردی سامانه‌های وارنیش و انجینکس . پردازش علائم و داده‌ها. 1397; 15 (3) :123-133

URL: http://jsdp.rcisp.ac.ir/article-1-504-fa.html


دانشگاه قم
چکیده:   (237 مشاهده)

سرعت پاسخ صفحات وب یکی از ضرورت‌های دنیای فناوری اطلاعات است. در سال‌های اخیر شرکت‌های مشهور از قبیل گوگل و دانشمندان علوم رایانه تمرکز خود را روی سرعت‌بخشیدن به وب قرار دادند و تلاش کردند تا راهی برای سریع‌تر‌کردن وب بیابند. دستاوردهایی از قبیل گوگل پیج اسپید، انجینکس و وارنیش نتیجه این پژوهش‌ها بوده است. درهمین‌اواخر روش‌ها و ابزارهای مؤثر و موفقی برای افزایش سرعت بارگذاری صفحات وب ارائه شده که بیش‌تر به دو رهیافت افزایش سرعت در سمت کاربر و افزایش سرعت در سمت سرور تقسیم می‌شود. پراکسی معکوس به‌عنوان مؤثرترین روش افزایش سرعت در سمت سرور است. در این مقاله ضمن معرفی پراکسی معکوس، کارایی سامانه‌های وب سرور چهارگانه آپاچی + وارنیش، انجینکس، انجینکس + وارنیش و آپاچی را، با دو نوع محتوای پویا و ایستا، از منظر سرعت پاسخ صفحات وب به‌عنوان معیار سنجش بررسی کرده‌ایم. نخست‌ این‌که نتایج به‌دست‌آمده نشان می‌دهند، استفاده از پراکسی معکوس موجب افزایش سرعت پاسخ می‌شود؛ دوم این‌که این افزایش سرعت نه‌تنها به وب سرور بلکه به نوع محتوای صفحات وب و تعداد تقاضاهای تکراری در صفحات وب مرتبط است. در پایان یک رتبه­بندی برای انتخاب وب­سرور و پراکسی معکوس مناسب برای محتوای وب ایستا یا چندرسانه­ای و محتوای وب پویا یا پردازشی ارائه شده است.
 

متن کامل [PDF 5353 kb]   (86 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: ۱۳۹۶/۱/۳۰ | پذیرش: ۱۳۹۷/۵/۳ | انتشار: ۱۳۹۷/۹/۲۸ | انتشار الکترونیک: ۱۳۹۷/۹/۲۸

فهرست منابع
1. [1] M. Firtman, High Performance Mobile Web: Best Practices for Optimizing Mobile Web Apps. O'Reilly Media, 2016.
2. [2] J. Wagner, Web Performance in Action: Building Faster Web Pages. Manning Publications, 2017.
3. [3] D. Aivaliotis, Mastering Nginx. Packt Publishing Ltd, 2016.
4. [4] T. Feryn, Getting Started with Varnish Cache: Acc-elerate Your Web Applications, O'Reilly Media, 2017.
5. [5] Apache Foundation, Apache HTTP Server 2.2 Official Documentation. Vol. I-III, Apache Sof-tware Foundation, 2010.
6. [6] S. Corona, Nginx: A Practical Guide to High Per-formance, O'Reilly Media, 2017.
7. [7] R. Moutinho, Instant Varnish Cache How-to. Packt Publishing Ltd.‌, New York, 2013.
8. [8] P. H. Kamp, You're doing it wrong. Communi-cations of the ACM vol. 53 no.7, pp. 55-59, 2010. [DOI:10.1145/1785414.1785434]
9. [9] Web Page Test, Test a website's performance, Available: http://www.webpagetest.org/, [Access-ed: Sept. 1, 2015].
10. [10] GTmetrix, Website Speed and Performance Optimization, Available: http://gtmetrix.com/, [Accessed: Sept. 1, 2015].
11. [11] Pingdom, Website & Performance Monitoring, Available: http://tools.pingdom.com/fpt/, [Acc-essed: Sept. 1, 2015].
12. [12] S. Bakhtiyari, Performance Evaluation of the Apache Traffic Server and Varnish Reverse Proxies, Master Thesis, Dept. of Informatics, Univ. of Oslo, Oslo, Norway, May 23, 2012.
13. [13] L. D. Tobias, Caching HTTP A comparative study of caching reverse proxies Varnish and Nginx, Master Thesis, School of Informatics, Univ. of Skövde, Skövde, Sweden, June 8, 2014.
14. [14] N. Mathieu, Magento Site Performance Optimi-zation, Packt Publishing, 2014.
15. [15] B. T. Teklehaimanot, Virtualization of Video Streaming Functions. Ph.D. diss., Dept. of Computer Sciences, Univ. of Saarlandes, Saarb-rücken, Germany, 2016.
16. [16] D. Kumar, V. Tyagi, and M. Vijay, With High Level Fragmentation of Dataset, Load Balancing in Cloud Computing. Int. Journal of Innovations & Advancement in Computer Science, Vol 3, Issue 5, 2014.
17. [17] R. DiCosmo, S. Zacchiroli and G. Zavattaro, Aeolus: A component model for the cloud. J. In-formation and Computation, Vol. 239, pp. 100-121, 2014. [DOI:10.1016/j.ic.2014.11.002]
18. [18] A. Grocevs, N. Prokofyeva, Modern approaches to reduce webpage load times, J. Env. Tech. Resources, 2015, Vol. 3, pp. 87-91, 2015.
19. [19] J. Andjarwirawan, I. Gunawan and E. Kusumo, Varnish Web Cache Application Evaluation. Proc. Intelligence in the Era of Big Data, 4th Int. Conf. on Soft Computing, Intelligent Systems, and Information Technology, pp. 404-410, Sprin-ger,‌ 2015. [DOI:10.1007/978-3-662-46742-8_37]
20. [20]‌ A. Loechel and S. Schmid, Comparison of Different Caching Techniques for High-Per-formance Web Map Services. Int. Journal of Spatial Data Infrastructures Research, Vol. 8, pp. 43-73, 2013.
21. [21] J. Nogueira, D. Gonzalez, L. Guardalben and S. Sargento. Over-The-Top Catch-up TV content-aware caching. 2016 IEEE Symposium on Com-puters and Communication (ISCC), pp. 1012-1017. IEEE, 2016. [DOI:10.1109/ISCC.2016.7543869]
22. [22] P. A. Baeza, Integración de un proxy inverso Varnish Cache con un panel de control Virtualmin para crear una plataforma de servicios de hospedaje Web. Thesis, Dept. Tècnica Sup-erior d'Enginyeria Informàtica, Univ. Politècnica de València, Valencia, Spain, 2015.
23. [23] L. P. Petroski, J. Matos, and J. E. Bertotti. Analysis of an event oriented web server as a reverse proxy with flexible load distribution. Ibe-roamerican Journal of Applied Computing, Vol. 4, no. 2, 2016.‌
24. [24] A. Martínez-Álvarez, S. Cuenca-Asensi, A. Ortiz, J. Calvo-Zaragoza, and L. A. V. Tejuelo, Tuning compilations by multi-objective optimization: Application to apache web server, Journal of Applied Soft Computing, Vol. 29, pp. 461-470.‌ 2016.
25. [25] D. S. Berger, K. R. Sitaraman and M. Harchol-Balter. AdaptSize: Orchestrating the Hot Object Memory Cache in a Content Delivery Network. 14th USENIX Symposium on Networked Sys-tems Design and Implementation, pp. 483-498. 2017. [PMID]
26. [26] R. Viscomi, A. Davies and M. Duran: Using WebPageTest, Web Performance Testing for Novices and Power Users. O'Reilly Media, Octo-ber 2015.
27. [27] L. Čegan, Intelligent preloading of websites resources based on clustering web user sessions. 5th International Conference on IT Convergence and Security, pp. 1-4. IEEE, 2015.
28. [28] L. Čegan, Performance Evaluation of Preloading Resources for Web Pages, Advanced Computer and Communication Engineering Technology. Lecture Notes in Electrical Engineering, Vol. 362. Springer, 2016.

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.