Uma abordagem para gerenciamento de sobrecarga de recursos baseada na diferenciação de serviços.

• Autor(a) principal: SANTOS, Marcela Tassyany Galdino.
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/21915
• topic: Computação em nuvem; Máquinas virtuais; Sobrecarga de recursos; Cloud computing; Virtual machines; Resource overload; Computación en la nube; Maquinas virtuales; Machines virtuelles; Surcharge de ressources; Ciência da Computação

O modelo de Infraestrutura como Serviço (do inglês, IaaS), tem atraído cada vez mais usuários, que hospedam as mais diversas aplicações, com diferentes requisitos. Isso se dá em face à redução de custos, facilidade de gerenciamento e escalabilidade. Tipicamente, os clientes tendem a superestimar suas necessidades de recursos, o que pode ocasionar subutilização, desperdício de energia e consequentemente maiores custos aos provedores. Todavia, os provedores têm buscado se beneficiar com esse cenário ao admitir mais VMs do que a quantidade de recursos físicos pode suportar. Essa técnica é chamada de sobrecarga de recursos. No entanto, essa maximização da utilização de recursos, pode resultar em redução no desempenho das cargas de trabalho em execução. Nesse sentido, há um trade-off entre aumentar a utilização de recursos e a ameaça de degradação de desempenho. Neste trabalho, é proposto uma abordagem para gerenciamento de sobrecarga, que visa propor um nível de sobrecarga que promova um melhor comprometimento entre provedor e cliente. A abordagem utiliza o AHP (do inglês, Analytic Hierarchy Process) para obter indicações do usuário quanto ao tipo de serviço, e se baseia em um algoritmo de triagem utilizado em hospitais de todo mundo, para propor a classificação das VMs de acordo com sua criticidade. Conjuntamente, foi desenvolvida uma abordagem de atribuição dinâmica de sobrecarga baseada na técnica de regressão linear, em que, a partir de dados de monitoramento, é criado um modelo de previsão de CPU para cada VM. Dessa forma, é possível definir um nível de sobrecarga que melhor se adéque ao perfil de utilização da VM e sua classe de criticidade. Como resultados, nas comparações com outras duas abordagens de sobrecarga, foi possível confirmar que a solução proposta promoveu um melhor equilíbrio no trade-off existente, sendo possível usufruir dos benefícios da sobrecarga e reduzir o impacto no desempenho da aplicação.