Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/49786
Arquivos associados a este item:
Arquivo TamanhoFormato 
AldoHenriqueDiasMendes_TESE.pdf3,57 MBAdobe PDFVisualizar/Abrir
Título: Arquitetura multiagente com modelos de raciocínio distintos para gerenciamento de recursos em múltiplos provedores de nuvem
Autor(es): Mendes, Aldo Henrique Dias
Orientador(es): Ralha, Célia Ghedini
Assunto: Otimização combinatória
Programação linear
Meta-heurística
Computação em nuvem
Computação em nuvem - monitoramento
Data de publicação: 13-Ago-2024
Referência: MENDES, Aldo Henrique Dias. Arquitetura multiagente com modelos de raciocínio distintos para gerenciamento de recursos em múltiplos provedores de nuvem. 2024. 126 f., il. Tese (Doutorado em Informática) — Universidade de Brasília, Brasília, 2024.
Resumo: As aplicações científicas e comerciais em ambientes de nuvem demandam diversos recursos resultando na necessidade de uma gestão eficiente. A complexidade dos sistemas distribuídos em nuvem com diferentes características, tecnologias e custos variados, torna desafiador o gerenciamento otimizado de recursos. A tecnologia multiagente pode oferecer melhorias significativas para o gerenciamento de recursos, com agentes inteligentes decidindo de forma autônoma os recursos de máquinas virtuais (MVs). Neste trabalho propõe-se o MAS-Cloud+, uma arquitetura multiagente para predição, provisionamento e monitoramento de recursos otimizados em nuvem computacional. MAS-Cloud+ implementa agentes com três modelos de raciocínio, incluindo heurístico, otimizado e metaheurístico. O MAS-Cloud+ instancia MVs considerando o Acordo de Nível de Serviço (Service Level Agreement – SLA) em plataformas de nuvem, priorizando as necessidades do usuário em relação ao tempo de execução, custo e desperdício de recursos, fornecendo seleção apropriada para cargas de trabalho avaliadas. O MAS-Cloud+ foi avaliado com uma aplicação de Bioinformática para comparação de sequências de DNA e diferentes tamanhos de carga de trabalho, executadas na plataforma AWS EC2. Um estudo comparativo com aplicações de Big Data usando o Apache Spark Benchmark foi executado nas plataformas AWS EC2 e Google Cloud. Observa-se por meio dos resultados, que para executar a aplicação de comparação de sequências, o melhor desempenho refere-se ao modelo de otimização, enquanto o heurístico apresenta o melhor custo. Ao fornecer a escolha entre vários modelos de raciocínio, os resultados revelam que o MAS-Cloud+ fornece uma seleção mais econômica das instâncias, reduzindo aproximadamente 58% do custo médio de execução de cargas de trabalho com WordCount, Sort, e PageRank. Quanto ao tempo de execução, o WordCount e o PageRank apresentam redução de aproximadamente 58%, enquanto o Sort um aumento de 532,30%. Os resultados indicam que o MAS-Cloud+ é uma solução promissora para gerenciamento eficiente de recursos em nuvem.
Abstract: Scientific and commercial applications in cloud environments require diverse resources, resulting in the need for efficient management. The complexity of distributed systems in the cloud with different characteristics, technologies, and varied costs makes optimized resource management challenging. Multi-agent technology can offer significant improvements for resource management, with intelligent agents autonomously deciding on virtual machine (VM) resources. In this work, we propose MAS-Cloud+, a multi-agent architecture for the prediction, provisioning, and optimized resource monitoring in the cloud. MAS-Cloud+ implements agents with three reasoning models: heuristic, optimized, and meta-heuristic. MAS-Cloud+ instantiates VMs considering the Service Level Agreement (SLA) on cloud platforms, prioritizing user needs regarding time, cost, and resource waste, and providing appropriate selection for evaluated workloads. MAS-Cloud+ was evaluated with a Bioinformatics application for DNA sequence comparison with different workload sizes, executed on the AWS EC2 platform. A comparative study with Big Data applications using the Apache Spark Benchmark was performed on the AWS EC2 and Google Cloud platforms. The results with the Bioinformatics application indicate that the optimization model performs the best, while the heuristic presents the best cost. By providing a choice among various reasoning models, the results reveal that MAS-Cloud+ allows a more economical selection of instances, reducing the average execution cost of workloads by approximately 58% for WordCount, Sort, and PageRank. Regarding execution time, WordCount and PageRank show a reduction of 58%, while Sort shows an increase of 532.30%. The results indicate that MAS-Cloud+ is a promising solution for efficient resource management in the cloud.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Ciência da Computação (IE CIC)
Programa de pós-graduação: Programa de Pós-Graduação em Informática
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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