Elemento autonômico para processos de monitoração adaptativa de redes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/15744 |
Resumo: | Estudos recentes sobre padrões de gerenciamento em redes de produção apontam que apenas um pequeno e estático conjunto de dados de gerenciamento tende a ser utilizado. Eles também revelam que o fluxo de dados de gerenciamento é relativamente constante e que as operações em uso para a comunicação agente-gerente são reduzidas a alguns, as vezes obsoletos, conjuntos. Essa realidade demonstra uma expressiva falta de progresso nos processos de monitoração, levando em consideração o seu papel estratégico e o potencial, por exemplo, para antecipar e prevenir falhas, perdas de desempenho e problemas de segurança em redes, serviços e aplicações. Uma das razões para tal limitação recai no fato de que o operador, ainda considerado um elemento fundamental no loop de controle, já não suporta o rápido crescimento tanto do tamanho quanto da heterogeneidade de ambos os componentes de software e de hardware, os quais constituem os modernos sistemas de computação em rede. Essa forma de "administrador no loop de gerenciamento" certamente dificulta a realização de adaptações oportunas nos processos de monitoração. Para resolver este problema, esse trabalho apresenta um modelo para monitoração adaptativa de redes, serviços e aplicações inspirado na abordagem de aprendizado por reforço. O modelo é analisado por meio da implementação de um protótipo de um elemento autonômico, o qual baseia-se em valores históricos, muitas vezes inesperados, obtidos de objetos gerenciados. Por meio do raciocínio sobre essas informações, o elemento autonômico dinamicamente amplia ou restringe o conjunto de objetos gerenciados a ser monitorado. |
id |
URGS_853048637173d281a294733b7ac20d5c |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/15744 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Coelho, Josiane OrtolanTarouco, Liane Margarida RockenbachGaspary, Luciano Paschoal2009-05-09T04:12:45Z2008http://hdl.handle.net/10183/15744000689355Estudos recentes sobre padrões de gerenciamento em redes de produção apontam que apenas um pequeno e estático conjunto de dados de gerenciamento tende a ser utilizado. Eles também revelam que o fluxo de dados de gerenciamento é relativamente constante e que as operações em uso para a comunicação agente-gerente são reduzidas a alguns, as vezes obsoletos, conjuntos. Essa realidade demonstra uma expressiva falta de progresso nos processos de monitoração, levando em consideração o seu papel estratégico e o potencial, por exemplo, para antecipar e prevenir falhas, perdas de desempenho e problemas de segurança em redes, serviços e aplicações. Uma das razões para tal limitação recai no fato de que o operador, ainda considerado um elemento fundamental no loop de controle, já não suporta o rápido crescimento tanto do tamanho quanto da heterogeneidade de ambos os componentes de software e de hardware, os quais constituem os modernos sistemas de computação em rede. Essa forma de "administrador no loop de gerenciamento" certamente dificulta a realização de adaptações oportunas nos processos de monitoração. Para resolver este problema, esse trabalho apresenta um modelo para monitoração adaptativa de redes, serviços e aplicações inspirado na abordagem de aprendizado por reforço. O modelo é analisado por meio da implementação de um protótipo de um elemento autonômico, o qual baseia-se em valores históricos, muitas vezes inesperados, obtidos de objetos gerenciados. Por meio do raciocínio sobre essas informações, o elemento autonômico dinamicamente amplia ou restringe o conjunto de objetos gerenciados a ser monitorado.Recent investigations of management patterns in production networks suggest that just a small and static set of management data tends to be used, the flow of management data is relatively constant, and the operations in use for manager-agent communication are reduced to a few, sometimes obsolete set. This reality demonstrates an impressive lack of progress of monitoring processes, taking into account their strategic role and potential, for example, to anticipate and prevent faults, performance bottlenecks, and security problems. One of the key reasons for such limitation relies on the fact that operators, who still are a fundamental element of the monitoring control loop, can no longer handle the rapidly increasing size and heterogeneity of both hardware and software components that comprise modern networked computing systems. This form of human-in-the-loop management certainly hampers timely adaptation of monitoring processes. To tackle this issue, this work presents a model, inspired by the reinforcement learning theory, for adaptive network, service and application monitoring. The model is analyzed through a prototypical implementation of an autonomic element, which, based on historical and even unexpected values retrieved for management objects, dynamically widens or restricts the set of management objects to be monitored.application/pdfporRedes : ComputadoresGerencia : Redes : ComputadoresAutonomic computingNetwork managementReinforcement learningElemento autonômico para processos de monitoração adaptativa de redesAutonomic element for adaptive network monitoring process info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2008mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000689355.pdf000689355.pdfTexto completoapplication/pdf1220709http://www.lume.ufrgs.br/bitstream/10183/15744/1/000689355.pdf76ce1cba6e37ba5ac9a7cff57bfb1839MD51TEXT000689355.pdf.txt000689355.pdf.txtExtracted Texttext/plain165881http://www.lume.ufrgs.br/bitstream/10183/15744/2/000689355.pdf.txtabc4fbdc9c007b18956fe2075d06e7ccMD52THUMBNAIL000689355.pdf.jpg000689355.pdf.jpgGenerated Thumbnailimage/jpeg1114http://www.lume.ufrgs.br/bitstream/10183/15744/3/000689355.pdf.jpgc6a6c5ad127dea1b2717f658088b34a5MD5310183/157442018-10-18 07:20:09.471oai:www.lume.ufrgs.br:10183/15744Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-18T10:20:09Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Elemento autonômico para processos de monitoração adaptativa de redes |
dc.title.alternative.en.fl_str_mv |
Autonomic element for adaptive network monitoring process |
title |
Elemento autonômico para processos de monitoração adaptativa de redes |
spellingShingle |
Elemento autonômico para processos de monitoração adaptativa de redes Coelho, Josiane Ortolan Redes : Computadores Gerencia : Redes : Computadores Autonomic computing Network management Reinforcement learning |
title_short |
Elemento autonômico para processos de monitoração adaptativa de redes |
title_full |
Elemento autonômico para processos de monitoração adaptativa de redes |
title_fullStr |
Elemento autonômico para processos de monitoração adaptativa de redes |
title_full_unstemmed |
Elemento autonômico para processos de monitoração adaptativa de redes |
title_sort |
Elemento autonômico para processos de monitoração adaptativa de redes |
author |
Coelho, Josiane Ortolan |
author_facet |
Coelho, Josiane Ortolan |
author_role |
author |
dc.contributor.author.fl_str_mv |
Coelho, Josiane Ortolan |
dc.contributor.advisor1.fl_str_mv |
Tarouco, Liane Margarida Rockenbach |
dc.contributor.advisor-co1.fl_str_mv |
Gaspary, Luciano Paschoal |
contributor_str_mv |
Tarouco, Liane Margarida Rockenbach Gaspary, Luciano Paschoal |
dc.subject.por.fl_str_mv |
Redes : Computadores Gerencia : Redes : Computadores |
topic |
Redes : Computadores Gerencia : Redes : Computadores Autonomic computing Network management Reinforcement learning |
dc.subject.eng.fl_str_mv |
Autonomic computing Network management Reinforcement learning |
description |
Estudos recentes sobre padrões de gerenciamento em redes de produção apontam que apenas um pequeno e estático conjunto de dados de gerenciamento tende a ser utilizado. Eles também revelam que o fluxo de dados de gerenciamento é relativamente constante e que as operações em uso para a comunicação agente-gerente são reduzidas a alguns, as vezes obsoletos, conjuntos. Essa realidade demonstra uma expressiva falta de progresso nos processos de monitoração, levando em consideração o seu papel estratégico e o potencial, por exemplo, para antecipar e prevenir falhas, perdas de desempenho e problemas de segurança em redes, serviços e aplicações. Uma das razões para tal limitação recai no fato de que o operador, ainda considerado um elemento fundamental no loop de controle, já não suporta o rápido crescimento tanto do tamanho quanto da heterogeneidade de ambos os componentes de software e de hardware, os quais constituem os modernos sistemas de computação em rede. Essa forma de "administrador no loop de gerenciamento" certamente dificulta a realização de adaptações oportunas nos processos de monitoração. Para resolver este problema, esse trabalho apresenta um modelo para monitoração adaptativa de redes, serviços e aplicações inspirado na abordagem de aprendizado por reforço. O modelo é analisado por meio da implementação de um protótipo de um elemento autonômico, o qual baseia-se em valores históricos, muitas vezes inesperados, obtidos de objetos gerenciados. Por meio do raciocínio sobre essas informações, o elemento autonômico dinamicamente amplia ou restringe o conjunto de objetos gerenciados a ser monitorado. |
publishDate |
2008 |
dc.date.issued.fl_str_mv |
2008 |
dc.date.accessioned.fl_str_mv |
2009-05-09T04:12:45Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/15744 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000689355 |
url |
http://hdl.handle.net/10183/15744 |
identifier_str_mv |
000689355 |
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:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/15744/1/000689355.pdf http://www.lume.ufrgs.br/bitstream/10183/15744/2/000689355.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/15744/3/000689355.pdf.jpg |
bitstream.checksum.fl_str_mv |
76ce1cba6e37ba5ac9a7cff57bfb1839 abc4fbdc9c007b18956fe2075d06e7cc c6a6c5ad127dea1b2717f658088b34a5 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085143770038272 |