Browsing by Issue Date, starting with "2019-01-23"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Análise de Desempenho da Migração de Instâncias em OpenstackPublication . Ribeiro, Luzimira de Abreu; Freire, Mário MarquesOs sistemas de computação em nuvem, atualmente estão presentes na maioria dos serviços disponibilizados pelas empresas de tecnologias de informação. Isto deve-se ao fácil acesso aos serviços de computação em nuvem bem como a facilidade dos dispositivos em aceder a estes serviços. Outro aspeto muito importante tanto para os utilizadores como para os provedores de serviços em nuvem é a migração de máquinas virtuais. A migração de máquinas virtuais permite equilibrar a carga de trabalho dos servidores e permite que os utilizadores continuem a utilizar os serviços da nuvem sem interrupções por terem os seus servidores virtuais transferidos para outros servidores físicos. O foco deste trabalho consiste em analisar o desempenho da migração de instâncias em OpenStack, o qual é explorado na perspetiva de uma Infraestrutura como Serviço (Infraestrutura como Serviço (IaaS)), um modelo de serviço de auto atendimento que permite gerir infraestruturas de um centro de processamento de dados. O IaaS representa essencialmente hardware que permite o armazenamento e criação de servidores virtuais, conhecidos como instâncias ou máquinas virtuais. O sistema foi desenvolvido na plataforma OpenStack. O OpenStack foi instalado manualmente com recursos ao ficheiro de nuvem do OpenStack. A infraestrutura do sistema é composta por dois servidores de computação, com suporte do hypervisor Kernel-Based Virtual Machine (KVM) que permite a criação das máquinas virtuais, um servidor de armazenamento que permite a criação de volumes para a inicialização e armazenamento das máquinas virtuais e do sistema operativo, um servidor Controller Node que armazena os serviços adicionais e de rede, que permite a criação de uma topologia de rede para o funcionamento adequado das máquinas virtuais. Recorrendo ao sistema implementado, o qual é baseado na série Newton do OpenStack foi realizado um estudo de desempenho da migração passiva e da migração ativa de instâncias em OpenStack.
- Avaliação de Desempenho das Plataformas Apache Hadoop, Apache Spark e Apache Flink Usando o Benchmark Hibench-master 7Publication . Bongo, Isabel Soqui; Freire, Mário MarquesTendo em conta o forte crescimento dos dados que se observa atualmente, o conceito de big data vem ganhando popularidade, dando origem às ferramentas capazes de processar, analisar e armazenar estes grandes volumes de dados. Nesta senda, um dos desafios que se coloca aos profissionais e serviços que lidam com esse tipo de dados consiste na escolha adequada da melhor plataforma a utilizar para processamento de big data, tendo sido investigado o desempenho de Apache Hadoop, Apache Spark e Apache Flink que representam as três plataformas mais utilizadas para o processamento de big data. Nesta dissertação é avaliado o desempenho do Hadoop, do Spark e do Flink utilizando a suite de Benchmark Hibench na sua versão Hibench-master 7, tendo cido selecionado cinco cargas de trabalho nomeadamente: Sort, Terasort, Wordcount, K-means e Pagerank. Estas plataformas foram instaladas e configuradas num cluster homogéneo com quatro nós (máquinas físicas), um mestre e três escravos. Para avaliar o desempenho das plataformas, foram consideradas duas métricas: tempo de execução e a taxa de transferência dos dados, tendo-se caracterizado a utilização de recursos tais como memória, Central Processing Unit (CPU), Disco (E/S) e rede, para diferentes escalas de dados tais comosmall, large e gigantic. Foram realizadas várias experiências, tendo os respetivos resultados mostrado que o cluster do Spark ao executar as cargas de trabalho wordcount, sort e terasort obteve melhor desempenho com tamanho de dados gigantic, enquanto que o Hadoop apresentou melhor desempenho com tamanho de dados small e large, apesar de no wordcount a diferença ser pequena. Por outro lado, o Spark ao executar algoritmos iterativos como o k-means apresentou melhor desempenho com entradas de dados small e large e, para o pagerank, apenas com tamanho de dados small, enquanto que o Hadoop melhorou o seu desempenho com tamanho de dados gigantic para K-means e large para o pagerank. Os resultados obtidos mostram que o desempenhos das duas plataformas nesta experiência é relativo dependendo da carga de trabalho, do tamanho dos dados de entrada e do tamanho da memória. Foram também comparadas as plataformas Spark e o Flink executando o programa Wordcount dos seus ficheiros de exemplos, tendo-se observado que o Flink apresentou melhor desempenho que o Hadoop para todos os tipos de dados de entrada, sendo 2x mais rápido que o Spark. O Spark apresentou melhor desempenho que o Hadoop para tamanhos de dados de entrada de 2MB e 392MB, mas observou-se que o seu desempenho degradava-se com o aumento do tamanho de dados de entrada. O desempenho do Flink melhorou significativamente, sobretudo para tamanhos de dados de entrada de 8GB e 38GB, após o ajuste do valor do parâmetro de fração da memória.