Role-based self-appointment for resource management in distributed environments

• Ano de defesa: 2014
• Autor(a) principal: Endo, Patricia Takako
• Orientador(a): Kelner, Judith
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Pernambuco
• Palavras-chave em Português: Resource management; Autonomic behavior; Roles; Self-appointment; Gerenciamento de recursos; Comportamento autonômico; Papéis; Autonomeação
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/12423

O gerenciamento de recursos em ambientes distribuídos, como a rede virtualizada das Nuvens, é uma das principais tarefas dos provedores de infraestrutura. Apesar das diversas vantagens das soluções centralizadas, como a facilidade de implementação e do gerenciamento, também existem deficiências, como falta de escalabilidade e dificuldade de gerenciar eventos dinâmicos com rapidez, fazendo necessário levar em consideração o uso de soluções distribuídas e autonômicas. A maior contribuição desse tipo de sistema é que, com um conjunto de regras simples, cada elemento pode atuar e reagir independentemente de acordo com as mudanças do cenário sem o conhecimento do estado global do sistema. Adicionando os conceitos de papéis, pode-se definir diferentes tipos de comportamento com um alto nível de abstração; e baseado nas mudanças do ambiente, os elementos podem trocar seus papéis. Os trabalhos atuais da Literatura têm focado em soluções para gerenciamento de recursos com objetivos específicos, ou com restrições específicas, como a necessidade de um gerenciador externo e central, ou definição de papéis estáticos. O principal objetivo desta Tese é descrever um framework para gerenciamento autonômico de recursos em ambientes distribuídos, denominado Role-Based Self-Appointment (RBSA). Usando o RBSA, os elementos interagem com seus vizinhos para trocar informações, e decidem que papel eles devem executar naquele momento. Para demostrar a aplicabilidade do RBSA, dois cenários de aplicação relevantes são descritos e avaliados: otimização de rede utilizando aplicação de live streaming em D-Clouds, e gerenciamento autonômico de cache em Content Delivery Networks.