CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / In clusters and virtualized data centers, the resources must be managed effectively by maximising the SLA fulfilment while minimising the cost. This work proposes a strategy for dynamic resource allocation in virtualized computing environments in order to reduce energy consumption without compromising performance requirements concerning availability and SLA violation. The proposed algorithms, based on classical heuristics, perform virtual machines migration between distinct hosts according to the variation in resources demand. These algorithms were evaluated from measurements in a real environment composed by heterogeneous virtualized hosts. We evaluate their performance in four different scenarios based on the CPU and memory utilization, number of migrations and energy consumption. In general, the results show that the algorithms responsible for consolidation and distribution of virtual machines between hosts are able to reduce energy consumption and dissipate the idle and overload points. / Em clusters e data centers virtualizados, os recursos precisam ser gerenciados com eficÃcia na busca de um trade-off entre a garantia de um atendimento satisfatÃrio à demanda por Qualidade de ServiÃo (QoS) e a reduÃÃo dos custos operacionais por parte dos provedores. Este trabalho propÃe uma estratÃgia para alocaÃÃo dinÃmica de recursos em ambientes computacionais virtualizados com vistas à reduÃÃo do consumo de energia, sem promover sobrecargas que podem comprometer o desempenho dos serviÃos ofertados. Os algoritmos propostos, baseados em heurÃsticas clÃssicas, realizam migraÃÃo de mÃquinas virtuais entre servidores distintos conforme variaÃÃo na demanda por recursos. Estes algoritmos foram verificados e validados por mediÃÃes em um ambiente real composto por servidores virtualizados heterogÃneos. O desempenho da proposta à avaliado em quatro cenÃrios distintos a partir das mÃtricas utilizaÃÃo de CPU, utilizaÃÃo de memÃria, nÃmero de migraÃÃes e consumo de energia. Os resultados mostraram que os algoritmos responsÃveis pela consolidaÃÃo e distribuiÃÃo das mÃquinas virtuais sÃo capazes de reduzir o consumo de energia e dissipar os pontos de Ãcio e sobrecarga do ambiente.

FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico / O escalonamento de recursos à um processo chave para a plataforma de ComputaÃÃo em Nuvem, que geralmente utiliza mÃquinas virtuais (MVs) como unidades de escalonamento. O uso de tÃcnicas de virtualizaÃÃo fornece grande flexibilidade com a habilidade de instanciar vÃrias MVs em uma mesma mÃquina fÃsica (MF), modificar a capacidade das MVs e migrÃ-las entre as MFs. As tÃcnicas de consolidaÃÃo e alocaÃÃo dinÃmica de MVs tÃm tratado o impacto da sua utilizaÃÃo como uma medida independente de localizaÃÃo. à geralmente aceito que o desempenho de uma MV serà o mesmo, independentemente da MF em que ela à alocada. Esta à uma suposiÃÃo razoÃvel para um ambiente homogÃneo, onde as MFs sÃo idÃnticas e as MVs estÃo executando o mesmo sistema operacional e aplicativos. No entanto, em um ambiente de ComputaÃÃo em Nuvem, espera-se compartilhar um conjunto composto por recursos heterogÃneos, onde as MFs podem variar em termos de capacidades de seus recursos e afinidades de dados. O objetivo principal deste trabalho à apresentar uma arquitetura que possibilite a padronizaÃÃo da representaÃÃo do poder de processamento das MFs e MVs, em funÃÃo de Unidades de Processamento (UPs), apoiando-se na limitaÃÃo do uso da CPU para prover isolamento de desempenho e manter a capacidade de processamento das MVs independente da MF subjacente. Este trabalho busca suprir a necessidade de uma soluÃÃo que considere a heterogeneidade das MFs presentes na infraestrutura da Nuvem e apresenta polÃticas de escalonamento baseadas na utilizaÃÃo das UPs. A arquitetura proposta, chamada FairCPU, foi implementada para trabalhar com os hipervisores KVM e Xen, e foi incorporada a uma nuvem privada, construÃda com o middleware OpenNebula, onde diversos experimentos foram realizados para avaliar a soluÃÃo proposta. Os resultados comprovam a eficiÃncia da arquitetura FairCPU em utilizar as UPs para reduzir a variabilidade no desempenho das MVs, bem como para prover uma nova maneira de representar e gerenciar o poder de processamento das MVs e MFs da infraestrutura. / Resource scheduling is a key process for cloud computing platform, which generally uses virtual machines (VMs) as scheduling units. The use of virtualization techniques provides great flexibility with the ability to instantiate multiple VMs on one physical machine (PM), migrate them between the PMs and dynamically scale VMâs resources. The techniques of consolidation and dynamic allocation of VMs have addressed the impact of its use as an independent measure of location. It is generally accepted that the performance of a VM will be the same regardless of which PM it is allocated. This assumption is reasonable for a homogeneous environment where the PMs are identical and the VMs are running the same operating system and applications. Nevertheless, in a cloud computing environment, we expect that a set of heterogeneous resources will be shared, where PMs will face changes both in terms of their resource capacities and as also in data affinities. The main objective of this work is to propose an architecture to standardize the representation of the processing power by using processing units (PUs). Adding to that, the limitation of CPU usage is used to provide performance isolation and maintain the VMâs processing power at the same level regardless the underlying PM. The proposed solution considers the PMs heterogeneity present in the cloud infrastructure and provides scheduling policies based on PUs. The proposed architecture is called FairCPU and was implemented to work with KVM and Xen hypervisors. As study case, it was incorporated into a private cloud, built with the middleware OpenNebula, where several experiments were conducted. The results prove the efficiency of FairCPU architecture to use PUs to reduce VMsâ performance variability, as well as to provide a new way to represent and manage the processing power of the infrastructureâs physical and virtual machines.