Dissertação
{en_GB=Computational Cost Estimation using Volunteer Computing in R} {} EVALUATED
{pt=Com as organizações a aperceberem-se cada vez mais das oportunidades que os dados gerados diariamente fornecem, a popularidade de linguagens de programação especializadas neste âmbito, como o R, tem subido. R é uma linguagem de programação sem proprietário e um ambiente para computação estatı́stica, e cujo aumento de notoriedade tem atraı́do vários novos utilizadores, o que inclui também aqueles que têm poucos recursos computacionais e por isso não conseguem tirar o máximo proveito das capacidades do R. Por estas razões, está a ser desenvolvida uma plataforma de Computação Voluntária para software em R, que possibilita a qualquer pessoa a oportunidade de, voluntariamente, partilhar os seus recursos computacionais em troca de créditos. Estes créditos podem depois ser usados para pedir recursos computacionais na plataforma. Neste trabalho propõe-se um sistema de decisão para a referida plataforma que, através de estimativas, escolhe qual é o local de execução que providencia mais vantagens. Tais estimativas são obtidas através de um histórico de observações que são usadas para criar modelos de regressão. Os resultados do sistema proposto foram validados usando uma sequência de testes de referência que são usados globalmente na comunidade do R., en=As organizations realize how data analysis helps them to harness their data and use it to identify new opportunities, the popularity of specialized programming languages like R rises. R is an open source programming language and an environment for statistical computing and graphics, whose increasing notoriety has attracted lots of new users, including everyday users that cannot take the most of the R’s capabilities due to a lack of computing resources. For these reasons, a Volunteer Computing (VC) platform for R software is currently being developed to allow public participants to, voluntarily, share their devices’ idle processing power in exchange for computing credits. These credits can then be used to request for computing power within the platform. In this work we propose a decision system for the mentioned platform that, through estimations, selects the most suitable execution site for a given R script. In order to generate such estimations we follow a history based approach, where we use previous function calls observations to create regression models. The results from this proposed system were validated using the R-Benchmark 25 script, which is globally used in the R community.}
novembro 7, 2017, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
