Monitorização de desempenho e previsão de falhas em servidores cloud

• Autor(a) principal: Pina, Mário Jorge Rodrigues
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/17854
• topic: Computação em nuvem; Servidores de redes - Monitorização; Engenharia de computadores e telemática; Redes de computadores

Nos dias atuais o uso de cloud servers tem aumentado devido às diversas vantagens que estes oferecem em relação ao uso de servidores físicos. Os servidores físicos, ao estarem dependentes de um único dispositivo de hardware, sofrem de um único ponto de falha, enquanto os servidores cloud são entidades de software independente das unidades de hardware, e portanto, não possuem pontos de falha. Os servidores cloud permitem, além disso, uma melhor otimização dos custos de operação, ao possibilitar uma alocação variável dos recursos ao longo do tempo, conforme as necessidades. No entanto, em diversas situações, existem fornecedores de servidores que tiram proveito do facto dos recursos alocados aos servidores raramente serem utilizados a 100% pelos seus clientes. Desta forma, é possível que uma infraestrutura de servidores tenha capacidade para um certo número de clientes, mas o número efetivo de clientes ativos seja superior. A partilha de recursos na infraestrutura implica que a capacidade de um cliente aceder à totalidade dos recursos a si alocados, depende fortemente do uso dos recursos alocados a outros clientes. Esta dissertação teve como objetivos: (i) a criação e desenvolvimento de um sistema de monitorização da disponibilidade de recursos computacionais num servidor cloud, e (ii) desenvolvimento de metodologias de previsão de indisponibilidade de recursos (falhas) a curto e médio prazo. Com este sistema é possível otimizar o desempenho coletivo de um grupo de servidores cloud, adaptando o comportamento individual de cada servidor cloud à eventual redução de recursos computacionais. A adaptação comportamental de cada servidor pode passar: (i) pela delegação de tarefas importantes em outros servidores do grupo com recursos disponíveis e/ou (ii) pelo adiamento de tarefas menos importantes, até que haja disponibilidade de recursos.