Made available in DSpace on 2016-12-12T20:22:51Z (GMT). No. of bitstreams: 1 Ricardo Pfiitscher.pdf: 2243500 bytes, checksum: 4b9ddaa4c55d3439be3a57cc0217a41d (MD5) Previous issue date: 2014-02-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Cloud computing has recently brought about a small revolution in information technology. In this paradigm, cloud providers assume the burden of acquiring, operating, and managing computing infrastructures, which are then rented to cloud customers. One of the cloud service models is infrastructure-as-a-service (IaaS), where providers offer processing, storage and communication capacity as resources, normally associated to virtual machine instances. Even if IaaS customers are able to adjust resource allocation to their needs a key cloud feature , sizing resources remains a challenge due to a lack of means to accurately identify how much capacity is needed to satisfy application demands. Many users end up underprovisioning, hurting application performance, or overprovisioning, paying for resources that are not really necessary. Our work introduces a diagnosis model that uses monitoring to enable a cloud customer to determine if the resources available to his virtual machines are correctly provisioned, or are under-/overprovisioned. We evaluated processor, memory and network resources, which can be easily provisioned in current virtualization environments. Experimental results with the Xen platform demonstrate the effectiveness of the proposed approach. / A computação em nuvem trouxe recentemente uma pequena revolução na tecnologia da informação. Neste paradigma, provedores de nuvem assumem o ônus de adquirir, operar e gerenciar infraestruturas computacionais, que são então locadas a clientes de nuvem. Um dos modelos de serviço de nuvens é infraestrutura como serviço (infrastructure-asa- service, IaaS), no qual provedores oferecem como recursos capacidades de processamento, armazenamento e comunicação, normalmente associadas a instâncias de máquinas virtuais. Ainda que clientes IaaS possam ajustar os recursos alocados de acordo com as suas necessidades uma característica chave das nuvens , o dimensionamento de recursos permanece um desafio, uma vez que faltam meios para identificar com precisão a capacidade necessária para satisfazer a demanda das aplicações. Muitos usuários incorrem no subprovisionamento, prejudicando o desempenho de suas aplicações, ou no superprovisionamento, pagando por recursos que não são realmente necessários. Este trabalho usa monitoração para prover um modelo de diagnóstico, permitindo que um cliente de nuvem determine se os recursos disponíveis para suas máquinas virtuais estão provisionados corretamente, ou se estão sub- ou superprovisionados. Foram avaliados os recursos de processador, memória e rede, que podem ser facilmente reservados nos ambientes de virtualização atuais. A eficácia da abordagem proposta é demonstrada por resultados experimentais em máquinas virtuais Linux na plataforma de virtualização Xen