Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/663
Title: Gerência de nuvens computacionais considerando diferentes classes de serviço.
???metadata.dc.creator???: CARVALHO, Marcus Williams Aquino de.
???metadata.dc.contributor.advisor1???: BRASILEIRO, Francisco Vilar.
???metadata.dc.contributor.referee1???: BRITO, Andrey Elísio Monteiro.
???metadata.dc.contributor.referee2???: MOURA, José Antão Beltrão.
???metadata.dc.contributor.referee3???: CERQUEIRA, Renato Fontoura de Gusmão.
???metadata.dc.contributor.referee4???: MENDONÇA, Nabor das Chagas.
Keywords: Computação na Nuvem;Gerência de Recursos;Qualidade de Serviço;Modelagem de Desempenho
Issue Date: 1-Mar-2016
Publisher: Universidade Federal de Campina Grande
Citation: CARVALHO, M. W. A. de. Gerência de nuvens computacionais considerando diferentes classes de serviço. 2016. 143 f. Tese (Doutorado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2016.
???metadata.dc.description.resumo???: O modelo de nuvens computacionais de infraestrutura como serviço (IaaS, na sigla em inglês) vem crescendo significativamente nos últimos anos. Este aumento em sua adoção trouxe uma grande diversidade de perfis de usuários, com diferentes tipos de aplicação, requisitos e orçamentos. Para satisfazer essas necessidades diversas,provedores deIas podem oferecer múltiplas classes de serviço, com diferentes preços e objetivos de nível de serviço (SLOs,na sigla em inglês)definidos para elas. Porém, gerenciar nuvens considerando múltiplas classes não é trivial, pois decisões de gerência de recursos podem gerar impactos diferentes dependendo de como cada classe é afetada. Além disso, a elasticidade da demanda e as incertezas da oferta de recursos típicas deste ambiente tornam ainda mais difícil o cumprimento dos diferentes SLOs mantendo uma alta utilização e um baixo custo. Nesta tese, investigou-se a hipótese de que quando provedores de nuvem deIaaS realizam uma gerência de recursos adequada, oferecendo múltiplas classes de serviço e cumprindo suas metas de qualidade de serviço(QoS,na sigla em inglês),eles obtêm uma alta utilização de seus recursos e aumentam a sua receita. Verificou-se que esta hipótese é verdadeira para os diversos cenários de nuvem avaliados neste trabalho,para os quais foram demonstradas grandes vantagens de se oferecer múltiplas classes de serviço na nuvem. Porém, observou-se que para ter esses benefícios é necessário realizar uma gerência de recursos eficiente,de tal forma que as garantias de QoS para as diferentes classes sejam definidas adequadamente e cumpridas pelo provedor. Desta forma, nesta tese também mostrou-se como provedores de IaaS podem realizar uma gerência de recursos adequada para múltiplas classes de serviço. Para isto, foram propostos e avaliados nesta tese: (1) um método baseado em predição para planejar a capacidade e as garantias de QoS de uma nova classe introduzida em uma nuvem de IaaS existente, com base na capacidade excedente da nuvem; (2) um modelo de controle de admissão baseado em predição,que permite ao provedor oferecer diferentes classes de serviço e cumprir SLOs de disponibilidade de VM para elas; e (3) um modelo analítico de planejamento de capacidade da nuvem que estima métricas de QoS para cada classe oferecida em diferentes cenários, e que busca encontrar a capacidade mínima necessária para cumprir as metas de taxa de admissão e disponibilidade de VM definidas para cada classe.
Abstract: Infrastructure as a Service (IaaS) is a cloud computing model that has been growing significantly in recent years. This increasingly adoption attracted users with different types of applications, requirements and budget to the cloud. To satisfy different users’s needs, IaaS providers can offer multiple service classes with different pricing and Service Level Objectives (SLOs) defined for them. However, managing such clouds considering multiple service classes is nottrivial, becauseres our cemanagement decisions may have different consequences depending on howeach classisaffected. Moreover, the demand elasticity and uncertain resource availability typically seen in cloudenvironments turns evenmore difficult for providers to fulfill different SLOs while having a high utilization and low infrastructure costs. In this thesis, we investigate the hypothesis that when IaaS cloud providers make an adequate resource management, offering multiple service classes and fulfilling their Quality of Service (QoS) guarantees, they achieve a high resource utilization and increase their revenue. We demonstrate that this hypothesis is true for the many different scenarios evaluated in this work,which shows great advantages on offering multiple service classes in the cloud. However, we also observe that cloud providers need an efficient resource management in order to have these benefits, in a way they can define and fulfill adequate SLOs for different classes. Thus, we also show in this thesis how IaaS providers can make adequate resource management decisions for multiple service classes, by proposing and evaluating: (1) a predictive method to planthe capacityand QoS guarantees of anew service class introducedin an existing IaaS cloud, based on unused resources; (2) a prediction-based admission control model that allows the provider to offer multiple classes and fulfill VM availability SLOs for them; and (3) a capacity planning analytical model that estimates QoS metrics for eachclass indifferents cenarios, and aimstofindthem in imumres ource capacity required to fulfill VM availability and admission rate SLOs for eachclass.
Keywords: Computação na Nuvem
Gerência de Recursos
Qualidade de Serviço
Modelagem de Desempenho
???metadata.dc.subject.cnpq???: Ciências
Ciência da Computação
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/663
Appears in Collections:Doutorado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
MARCUS WILLIAMS AQUINO DE CARVALHO - TESE (PPGCC) 2016.pdf10.59 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.