Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/23896
Título: Agentes autônomos para monitoramento e alocação dinâmica de recursos para nuvem computacional
Autor(es): Mendes, Aldo Henrique Dias
Orientador(es): Ralha, Célia Ghedini
Assunto: Computação em nuvem
Predição
Elasticidade
Racionalidade
Data de publicação: 26-Jul-2017
Data de defesa: 17-Mar-2017
Citação: MENDES, Aldo Henrique Dias. Agentes autônomos para monitoramento e alocação dinâmica de recursos para nuvem computacional. 2017. xv, 77 f., il. Dissertação (Mestrado em Informática)—Universidade de Brasília, Brasília, 2017.
Resumo: A computação em nuvem surgiu como um modelo computacional inovador que permite que usuários acessem recursos com alto poder computacional de forma distribuída e com baixo custo. Uma execução adequado de aplicações em nuvem requer o provisionamento apropriado de recursos. Monitorar tais aplicações para criar históricos de execução é uma alternativa adequada para desenvolver modelos de predição de uso de recursos das máquinas virtuais na nuvem. No entanto, essa abordagem não é trivial quando se deseja viabilizar o provisionamento dinâmico de recursos nas máquinas virtuais. Nesta dissertação foi definido um modelo de monitoramento, predição e provisionamento dinâmico de recursos na nuvem computacional através do uso de um sistema multiagente. Os agentes utilizam raciocínio lógico com regras de inferência através de uma abordagem de interação cooperativa. O modelo foi validado com um estudo de caso utilizando um simulador ambiental denominado MASE-BDI. O modelo de predição com regressão linear múltipla alcançou 96.41% de acerto no uso de CPU e 94.72% no tempo de execução. Os resultados experimentais demonstraram a potencialidade da proposta, uma vez que o uso médio de CPU ficou acima de 76%, além de manter um equilíbrio entre o uso de CPU, o tempo e o custo das execuções.
Abstract: Cloud computing has emerged as an innovative computing model that allows ordinary users to access distributed computing resources with low cost. Monitoring the applications to create historical execution records in the cloud is an adequate approach to develop prediction models. Nevertheless, this is not a trivial approach when the intention is to allow dynamic provisioning of resources. This Msc dissertation proposes a multiagent system to monitor, predict and dynamic provisioning of resources in the cloud in a transparent way, assuring elasticity and a better use of allocated resources. Agents use logical reasoning with inference rules through a cooperative interaction approach. The model was validated in a case study with the MASE-BDI environmental simulator. The prediction model using multiple linear regression achieves 96.41% hit of CPU use and 94.72% of execution time. The experimental results demonstrate the potential of the approach since the medium CPU use is over 76%, keeping the balance among the CPU use, time and cost of the executions.
Descrição: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2017.
Licença: A 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.
Aparece nas coleções:CIC - Mestrado em Informática (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_AldoHenriqueDiasMendes.pdf2,38 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.