Dissertação

{en_GB= FairCloud - Auction-driven Cloud Scheduling} {} EVALUATED

{pt=Com a Computação em Nuvem, o acesso a recursos computacionais tornou-se cada vez mais simples, e as aplicações podem oferecer melhor escalabilidade e disponibilidade. No entanto, essas propriedades são suportadas por um consumo de energia que não é proporcional à carga computacional, e um modelo de preços que não pode ser adaptado a diferentes tipos de utilizadores. Uma maneira de melhorar a eficiência energética é reduzir o tempo estacionário dos recursos - os recursos estão ativos, mas atendem a um propósito comercial limitado. Apresentamos o FairCloud, um escalonador que facilita a alocação, permitindo a adaptação de pedidos de máquinas virtuais (através da conversão para outros tipos de máquinas e degradações), dependendo do perfil do utilizador. Além disso, este sistema implementa um sistema de reputação interna, para detetar fornecedores com baixa qualidade de serviço. O FairCloud foi implementado usando o CloudSim e a extensão CloudAuctions. Foi testado com o Google Cluster Data. Observámos que conseguimos alocações mais rápidas e aumento da utilização de CPU, traduzindo-se em mais pedidos satisfeitos, mais eficiência energética e um maior lucro do fornecedor. O nosso mecanismo de reputação mostrou-se eficaz reduzindo a classificação dos fornecedores com menor qualidade., en=With Cloud Computing, access to computational resources has become increasingly facilitated, and applications can offer improved scalability and availability. However, those properties are supported by an energy consumption that is not proportional to the workload, and a pricing model that cannot be tailored to different types of users. One way of improving energy efficiency is by reducing the idle time of resources - resources are active but serve a limited useful business purpose. We present FairCloud, a Cloud-auction scheduler that facilitates the allocation by allowing the adaptation of Virtual Machines (VM) requests (through conversion to other VM types and resource degradation), depending on the user profile. Additionally, this system implements an internal reputation system, to detect providers with low Quality of Service (QoS). FairCloud was implemented using CloudSim and the extension CloudAuctions. It was tested with the Google Cluster Data. We observed that we achieve faster allocations and increased CPU utilisation, translating in more requests satisfied, improved energy efficiency and a higher provider profit. Our reputation mechanism proved to be effective by lowering the ranking of the providers with lower quality.}
{pt=Computação em nuvem, Energia, Modelos de preço, Leilões, Escalonamento, Qualidade de serviço, en=Cloud computing, Energy, Pricing, Auctions, Scheduling, Quality of Service}

Novembro 8, 2017, 18:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Luís Manuel Antunes Veiga

Departamento de Engenharia Informática (DEI)

Professor Associado

ORIENTADOR

José Manuel de Campos Lages Garcia Simão

Instituto Superior de Engenharia de Lisboa - ISEL

Professor Adjunto