Made available in DSpace on 2019-03-29T23:56:49Z (GMT). No. of bitstreams: 0
Previous issue date: 2017-02-23 / One of the main challenges faced by users of infrastructure-as-a-service (IaaS) clouds
is to correctly plan the resource capacity required for their applications¿ needs. This
thesis proposes a new approach to support application capacity planning in IaaS clouds,
called performance inference. This new approach is based on the definition of a capacity
relation between different resource configurations offered by a cloud provider which enables to predict (or ¿infer¿), with a high level of accuracy, the expected performance of an application for certain resource configurations. The prediction is made based upon the observed performance for other resource configurations within the same provider. The
approach significantly reduces the total number of configurations effectively tested in the cloud, resulting in lower costs and time for the capacity planning process.
The performance inference approach has been evaluated empirically, as a solution to support capacity planning of two open source applications of distinct domains (WordPress
and TeraSort), which were systematically tested in a public IaaS cloud (Amazon EC2),
considering different resource configurations and different demand levels. The results obtained show that the approach achieves both high efficiency and high accuracy, being
a promising alternative to an exhaustive capacity planning process as well as to other
related solutions recently proposed in the literature.
Key-words: Cloud Computing. Capacity Planning. Performance Inference. / Um dos principais desafios enfrentados pelos usuários de nuvens que oferecem infraestruturacomo-serviço (IaaS) é planejar adequadamente a capacidade dos recursos da nuvem necessários às suas aplicações. Esta tese propõe uma nova abordagem para apoiar o planejamento da capacidade de aplicações em nuvens IaaS, denominada inferência de desempenho. A nova abordagem tem como premissa a definição de uma relação de capacidade
entre as diferentes configurações de recursos oferecidas por um provedor de nuvem, com a
qual é possível prever (ou ¿inferir¿), com alto grau de precisão, o desempenho esperado de
uma aplicação para determinadas configurações de recursos. A predição é realizada com
base no desempenho observado para outras configurações de recursos do mesmo provedor.
Dessa forma, a abordagem consegue reduzir, de forma significativa, o número total de
configurações que precisam ser de fato testadas na nuvem,implicando em menores custo
e tempo para o processo de planejamento.
A abordagem de inferência de desempenho foi avaliada empiricamente, como solução para
apoiar o planejamento da capacidade de duas aplicações de código aberto de domínios distintos (WordPress e TeraSort), as quais foram sistematicamente testadas em uma nuvem
IaaS pública (Amazon EC2), considerando diferentes configurações de máquinas virtuais
e diferentes níveis de demanda. Os resultados obtidos mostram que a nova abordagem
consegue oferecer ao mesmo tempo alta eficiência e alta acurácia, sendo uma promissora
alternativa ao planejamento de capacidade realizado de forma exaustiva bem como
a outras soluções relacionadas recentemente propostas na literatura.
Palavras-chaves: Computação em Nuvem. Planejamento de Capacidade. Inferência de
Desempenho.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.unifor.br:tede/101063 |
| Date | 23 February 2017 |
| Creators | Cunha, Matheus Ciriaco Cerqueira |
| Contributors | Mendonça, Nabor das Chagas, Sampaio, Americo Tadeu Falcone, Mendonça, Nabor das Chagas, Brasileiro, Francisco Vilar, Holanda Filho, Raimir, Sampaio, Americo Tadeu Falcone, Gomes, Antônio Tadeu Azevedo |
| Publisher | Universidade de Fortaleza, Doutorado Em Informática Aplicada, UNIFOR, Brasil, Centro de Ciências Tecnológicas |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UNIFOR, instname:Universidade de Fortaleza, instacron:UNIFOR |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 1028774923510350190, 500, 500, -7645770940771915222 |
Page generated in 0.002 seconds