Dissertação

Tenant Aware Big Data Scheduling with Software Defined Networking EVALUATED

O aumento de dados no mundo da Internet criou uma necessidade de processar e adquirir informações a partir deles usando Big Data Analytics, que por sua vez usam centro de dados para fins de computação e armazenamento.O Big dados analítica no centro de dados precisa de uma boa configuração de rede para evitar atraso Ou erro na rede. Mas a rede tradicional não pôde evitar o erro ou criar dinamicamente uma arquitetura de rede. Isto deu origem ao SDN que configura, implanta e gere as infra-estruturas de rede. SDN segue abordagem logicamente centralizada, com a qual a alocação de rede e programação pode ser realizada com maior eficiência e confiabilidade.Devido ao surgimento de serviços em nuvem tem se tornando fácil acessar o recurso computacional e SLA não pode garantir o desempenho em camada de rede. Isso traz o problema no ambiente de data center multi-tenant. Tendo estas duas tecnologias em mente, propomos MR-FLOOD que é uma conjugação da estrutura Hadoop MapReduce e controlador Floodlight. Nós trouxemos essas tecnologias juntas para dar aos inquilinos uma parcela de largura de banda justa e menos latência usando largura de banda ou latência com base na estratégia de alocação de cargos. Nossas avaliações mostram que as propriedades acima mencionadas são alcançadas, sendo realizadas em duas topologias comuns de rede de data center: Tree e Fat-tree.
Software-Defined Networking (SDN), Big-processamento de dados, Programação de trabalho, múltiplos inquilinos, Computação em nuvem, Acordo de nível de serviço (SLA)

Outubro 31, 2016, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Luís Manuel Antunes Veiga

Departamento de Engenharia Informática (DEI)

Professor Associado