Disciplina Curricular

Engenharia de Sistema de Larga Escala ESLE

Mestrado Bolonha em Engenharia Informática e de Computadores - Taguspark - MEIC-T 2021

Contextos

Grupo: MEIC-T 2021 > 2º Ciclo > Área Principal > Agrupamentos > Gestão de Serviços de It

Período:

Peso

6.0 (para cálculo da média)

Objectivos

O desempenho e a escalabilidade são fatores chave no sucesso e adoção de serviços de Internet como a Google, Amazon, Microsoft, Facebook ou Netflix. O objetivo desta UC é dotar os alunos de capacidades e ferramentas para analisar o desempenho e escalabilidade de sistemas de larga escala no geral, e na Nuvem em particular. Os alunos ganharão competências em: i) identificação dos fatores que limitam a escalabilidade e desempenho recorrendo a técnicas de monitorização e modelação, ii) conceção de benchmarks e simulações, e iii) analise critica de resultados. Os conhecimentos adquiridos permitirão aos alunos desenhar sistemas escaláveis e de alto desempenho na nuvem, bem como analisar e melhorar sistemas existentes. Serão também analisados casos de estudo concreto que exploram técnicas de Machine Learning ou heterogeneidade de recursos para previsão do desempenho, planeamento de capacidade e desenvolvimento de sistemas auto-adaptativos.

Programa

Escalabilidade Conceitos fundamentais: escalabilidade, eficiência, elasticidade Fatores limitativos da escalabilidade: contenção e coerência Desempenho Propriedades de sistema: débito, latência, variabilidade, trabalho útil Concorrencia, escalonamento e sobrecarga Identificação de gargalos de desempenho Técnicas para desempenho: loteamento, filas, atrasos, especulação, escalonamento Simulação Simulação baseada em eventos discretos Verificação e validação Replicações e condições de paragem Benchmarking e planeamento de capacidade Desenho de cargas de trabalho Métricas e representação de métricas Fatores de avaliação Planeamento de capacidade Planeamento baseado na USL Procura Efetiva Planeamento de curto e longo prazo Sistemas Auto-adaptáveis Propriedades Funcionamento e reconfiguração autonómica Casos de estudo Heterogeneidade em bases de dados NoSQL Previsão de desempenho com técnicas de Aprendizagem Automática

Metodologia de avaliação

Nota final = EX*0,5+AP*0,1+PROJ*0,4 onde: (EX) exame (obrigatório, nota mínima: 8) (AP) apresentação de artigo científico (PROJ) projeto em grupo de três alunos (obrigatório, nota mínima: 8). Na época especial haverá somente exame (EX) e um projeto adaptado (PROJ) com pesos de 55% e 45%, respetivamente.

Disciplinas Execução