Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão

Detalhes bibliográficos
Autor(a) principal: Portella, Gustavo Jardim
Data de Publicação: 2021
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/41391
Resumo: Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
id UNB_099f09ae69d2cf475458e4a4c7684277
oai_identifier_str oai:repositorio.unb.br:10482/41391
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsãoComputação em nuvemPrecificação on demand e spotAnálise estatísticaFunção de utilidadeRedes neurais (Computação)Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.A computação em nuvem se consolidou como um modelo de computação distribuída em larga escala, onde provedores oferecem instâncias de máquinas virtuais utilizando diferen- tes modelos de precificação. Na precificação on demand, o preço cobrado do usuário é fixo por período de utilização. A precificação spot da AWS surgiu para o melhor aproveita- mento da infraestrutura, sendo que os preços são variáveis e, em geral, menores do que os preços on demand, podendo haver revogação das instâncias. Assim, a modelagem da precificação spot, visando redução de custo e aumento de disponibilidade, consiste em um importante desafio, abordado de forma específica em diversos trabalhos da literatura. No entanto, uma abordagem que consiga avaliar variações de preço a curto prazo, bem como identificar tendências a longo prazo, permanece um problema em aberto. O principal ob- jetivo desta Tese consiste na modelagem da precificação de instâncias permanentes e tran- sientes, de modo que os desafios de redução de custo e aumento de disponibilidade sejam superados. Para isso, inicialmente foi analisado o comportamento dos preços das instân- cias spot, visando oferecer ao usuário uma estimativa de lance a curto prazo, alcançando 25% do preço on demand. O próximo passo consistiu na determinação uma função de utilidade que considera tanto o preço quanto a disponibilidade das instâncias spot, ofe- recendo lances a curto prazo que balanceiam esses dois objetivos conflitantes, atingindo 28,82% do preço on demand com disponibilidade prevista de 98,19%. Em seguida, foi projetado um arcabouço flexível com base em redes neurais LSTM (Long Short Term Memory), capaz de determinar tendências de preço spot a longo prazo, com baixo erro. O arcabouço LSTM e a função de utilidade foram combinados em um mecanismo, de forma a selecionar a instância spot de acordo com a tendência de preços e definir o valor lance mais apropriado. Finalmente, o mecanismo combinado foi utilizado por uma aplicação para execução de 218.179 comparações de sequências do SARS-CoV-2, fornecendo boas opções de instâncias spot, com baixo custo e alta disponibilidade. O custo médio obser- vado foi de 40% do preço on demand, mantendo a instância por 8 horas, com menor custo por comparação e maior número de sequências comparadas do que outras abordagens.Cloud computing has consolidated itself as a large-scale distributed computing model, where providers offer instances of virtual machines using different pricing models. In the on-demand pricing, the price charged to the user is fixed by period of use. AWS spot pricing emerged for a better use of the infrastructure, with prices being variable and, in general, lower than on demand prices, with the possibility of instance revocation. Thus, the modeling of spot pricing, aiming to reduce costs and increase availability, is an important challenge, addressed specifically in several works in the literature. However, an approach that can assess short-term price changes, as well as identify long-term trends, remains an open problem. The main objective of this PhD Thesis is to model the pricing of permanent and transient instances, so that the challenges of reducing costs and increasing availability are overcome. For this purpose, the price behavior of the spot instances was initially modeled, aiming to offer the user a short-term bid estimate, reaching 25% of the price on demand. The next step was to determine a utility function that considers both price and availability, offering short-term bids for the spot maximum price that balance these two conflicting objectives, reaching up to 28.82% of the on demand price with an expected availability of 98.19%. Then, a flexible framework was designed based on Long Short Term Memory (LSTM) neural networks, capable of determining long-term spot price trends, with low error. The LSTM framework and the utility function were combined in one mechanism, in order to select the spot instance according to the price trend and define the most appropriate spot maximum price value. Finally, the combined mechanism was used by an application that performs 218,179 SARS-CoV-2 sequence comparisons, providing good spot instances options, with low cost and high availability. The average cost observed was 40% of the on demand price, maintaining the instance for 8 hours, with lower cost per comparison and a greater number of sequences compared than other approaches.Melo, Alba Cristina Magalhães Alves deRodrigues, Genaína NunesPortella, Gustavo Jardim2021-07-13T02:10:24Z2021-07-13T02:10:24Z2021-06-122021-03-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfPORTELLA, Gustavo Jardim. Precificação em Computação em Nuvem para Instâncias Permanentes e Transientes : Modelagem e Previsão. 2021. xvii, 160 f., il. Tese (Doutorado em Informática)—Universidade de Brasília, Brasília, 2021.https://repositorio.unb.br/handle/10482/41391A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-07-10T13:00:51Zoai:repositorio.unb.br:10482/41391Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-07-10T13:00:51Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão
title Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão
spellingShingle Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão
Portella, Gustavo Jardim
Computação em nuvem
Precificação on demand e spot
Análise estatística
Função de utilidade
Redes neurais (Computação)
title_short Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão
title_full Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão
title_fullStr Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão
title_full_unstemmed Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão
title_sort Precificação em computação em nuvem para instâncias permanentes e transientes : modelagem e previsão
author Portella, Gustavo Jardim
author_facet Portella, Gustavo Jardim
author_role author
dc.contributor.none.fl_str_mv Melo, Alba Cristina Magalhães Alves de
Rodrigues, Genaína Nunes
dc.contributor.author.fl_str_mv Portella, Gustavo Jardim
dc.subject.por.fl_str_mv Computação em nuvem
Precificação on demand e spot
Análise estatística
Função de utilidade
Redes neurais (Computação)
topic Computação em nuvem
Precificação on demand e spot
Análise estatística
Função de utilidade
Redes neurais (Computação)
description Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-07-13T02:10:24Z
2021-07-13T02:10:24Z
2021-06-12
2021-03-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv PORTELLA, Gustavo Jardim. Precificação em Computação em Nuvem para Instâncias Permanentes e Transientes : Modelagem e Previsão. 2021. xvii, 160 f., il. Tese (Doutorado em Informática)—Universidade de Brasília, Brasília, 2021.
https://repositorio.unb.br/handle/10482/41391
identifier_str_mv PORTELLA, Gustavo Jardim. Precificação em Computação em Nuvem para Instâncias Permanentes e Transientes : Modelagem e Previsão. 2021. xvii, 160 f., il. Tese (Doutorado em Informática)—Universidade de Brasília, Brasília, 2021.
url https://repositorio.unb.br/handle/10482/41391
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508385688616960

Registros relacionados