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

Abstract

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.