Elemento autonômico para processos de monitoração adaptativa de redes

Detalhes bibliográficos
Ano de defesa: 2008
Autor(a) principal: Coelho, Josiane Ortolan
Orientador(a): Tarouco, Liane Margarida Rockenbach
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: http://hdl.handle.net/10183/15744
Resumo: Estudos recentes sobre padrões de gerenciamento em redes de produção apontam que apenas um pequeno e estático conjunto de dados de gerenciamento tende a ser utilizado. Eles também revelam que o fluxo de dados de gerenciamento é relativamente constante e que as operações em uso para a comunicação agente-gerente são reduzidas a alguns, as vezes obsoletos, conjuntos. Essa realidade demonstra uma expressiva falta de progresso nos processos de monitoração, levando em consideração o seu papel estratégico e o potencial, por exemplo, para antecipar e prevenir falhas, perdas de desempenho e problemas de segurança em redes, serviços e aplicações. Uma das razões para tal limitação recai no fato de que o operador, ainda considerado um elemento fundamental no loop de controle, já não suporta o rápido crescimento tanto do tamanho quanto da heterogeneidade de ambos os componentes de software e de hardware, os quais constituem os modernos sistemas de computação em rede. Essa forma de "administrador no loop de gerenciamento" certamente dificulta a realização de adaptações oportunas nos processos de monitoração. Para resolver este problema, esse trabalho apresenta um modelo para monitoração adaptativa de redes, serviços e aplicações inspirado na abordagem de aprendizado por reforço. O modelo é analisado por meio da implementação de um protótipo de um elemento autonômico, o qual baseia-se em valores históricos, muitas vezes inesperados, obtidos de objetos gerenciados. Por meio do raciocínio sobre essas informações, o elemento autonômico dinamicamente amplia ou restringe o conjunto de objetos gerenciados a ser monitorado.
id URGS_853048637173d281a294733b7ac20d5c
oai_identifier_str oai:www.lume.ufrgs.br:10183/15744
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Coelho, Josiane OrtolanTarouco, Liane Margarida RockenbachGaspary, Luciano Paschoal2009-05-09T04:12:45Z2008http://hdl.handle.net/10183/15744000689355Estudos recentes sobre padrões de gerenciamento em redes de produção apontam que apenas um pequeno e estático conjunto de dados de gerenciamento tende a ser utilizado. Eles também revelam que o fluxo de dados de gerenciamento é relativamente constante e que as operações em uso para a comunicação agente-gerente são reduzidas a alguns, as vezes obsoletos, conjuntos. Essa realidade demonstra uma expressiva falta de progresso nos processos de monitoração, levando em consideração o seu papel estratégico e o potencial, por exemplo, para antecipar e prevenir falhas, perdas de desempenho e problemas de segurança em redes, serviços e aplicações. Uma das razões para tal limitação recai no fato de que o operador, ainda considerado um elemento fundamental no loop de controle, já não suporta o rápido crescimento tanto do tamanho quanto da heterogeneidade de ambos os componentes de software e de hardware, os quais constituem os modernos sistemas de computação em rede. Essa forma de "administrador no loop de gerenciamento" certamente dificulta a realização de adaptações oportunas nos processos de monitoração. Para resolver este problema, esse trabalho apresenta um modelo para monitoração adaptativa de redes, serviços e aplicações inspirado na abordagem de aprendizado por reforço. O modelo é analisado por meio da implementação de um protótipo de um elemento autonômico, o qual baseia-se em valores históricos, muitas vezes inesperados, obtidos de objetos gerenciados. Por meio do raciocínio sobre essas informações, o elemento autonômico dinamicamente amplia ou restringe o conjunto de objetos gerenciados a ser monitorado.Recent investigations of management patterns in production networks suggest that just a small and static set of management data tends to be used, the flow of management data is relatively constant, and the operations in use for manager-agent communication are reduced to a few, sometimes obsolete set. This reality demonstrates an impressive lack of progress of monitoring processes, taking into account their strategic role and potential, for example, to anticipate and prevent faults, performance bottlenecks, and security problems. One of the key reasons for such limitation relies on the fact that operators, who still are a fundamental element of the monitoring control loop, can no longer handle the rapidly increasing size and heterogeneity of both hardware and software components that comprise modern networked computing systems. This form of human-in-the-loop management certainly hampers timely adaptation of monitoring processes. To tackle this issue, this work presents a model, inspired by the reinforcement learning theory, for adaptive network, service and application monitoring. The model is analyzed through a prototypical implementation of an autonomic element, which, based on historical and even unexpected values retrieved for management objects, dynamically widens or restricts the set of management objects to be monitored.application/pdfporRedes : ComputadoresGerencia : Redes : ComputadoresAutonomic computingNetwork managementReinforcement learningElemento autonômico para processos de monitoração adaptativa de redesAutonomic element for adaptive network monitoring process info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2008mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000689355.pdf000689355.pdfTexto completoapplication/pdf1220709http://www.lume.ufrgs.br/bitstream/10183/15744/1/000689355.pdf76ce1cba6e37ba5ac9a7cff57bfb1839MD51TEXT000689355.pdf.txt000689355.pdf.txtExtracted Texttext/plain165881http://www.lume.ufrgs.br/bitstream/10183/15744/2/000689355.pdf.txtabc4fbdc9c007b18956fe2075d06e7ccMD52THUMBNAIL000689355.pdf.jpg000689355.pdf.jpgGenerated Thumbnailimage/jpeg1114http://www.lume.ufrgs.br/bitstream/10183/15744/3/000689355.pdf.jpgc6a6c5ad127dea1b2717f658088b34a5MD5310183/157442018-10-18 07:20:09.471oai:www.lume.ufrgs.br:10183/15744Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-18T10:20:09Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Elemento autonômico para processos de monitoração adaptativa de redes
dc.title.alternative.en.fl_str_mv Autonomic element for adaptive network monitoring process
title Elemento autonômico para processos de monitoração adaptativa de redes
spellingShingle Elemento autonômico para processos de monitoração adaptativa de redes
Coelho, Josiane Ortolan
Redes : Computadores
Gerencia : Redes : Computadores
Autonomic computing
Network management
Reinforcement learning
title_short Elemento autonômico para processos de monitoração adaptativa de redes
title_full Elemento autonômico para processos de monitoração adaptativa de redes
title_fullStr Elemento autonômico para processos de monitoração adaptativa de redes
title_full_unstemmed Elemento autonômico para processos de monitoração adaptativa de redes
title_sort Elemento autonômico para processos de monitoração adaptativa de redes
author Coelho, Josiane Ortolan
author_facet Coelho, Josiane Ortolan
author_role author
dc.contributor.author.fl_str_mv Coelho, Josiane Ortolan
dc.contributor.advisor1.fl_str_mv Tarouco, Liane Margarida Rockenbach
dc.contributor.advisor-co1.fl_str_mv Gaspary, Luciano Paschoal
contributor_str_mv Tarouco, Liane Margarida Rockenbach
Gaspary, Luciano Paschoal
dc.subject.por.fl_str_mv Redes : Computadores
Gerencia : Redes : Computadores
topic Redes : Computadores
Gerencia : Redes : Computadores
Autonomic computing
Network management
Reinforcement learning
dc.subject.eng.fl_str_mv Autonomic computing
Network management
Reinforcement learning
description Estudos recentes sobre padrões de gerenciamento em redes de produção apontam que apenas um pequeno e estático conjunto de dados de gerenciamento tende a ser utilizado. Eles também revelam que o fluxo de dados de gerenciamento é relativamente constante e que as operações em uso para a comunicação agente-gerente são reduzidas a alguns, as vezes obsoletos, conjuntos. Essa realidade demonstra uma expressiva falta de progresso nos processos de monitoração, levando em consideração o seu papel estratégico e o potencial, por exemplo, para antecipar e prevenir falhas, perdas de desempenho e problemas de segurança em redes, serviços e aplicações. Uma das razões para tal limitação recai no fato de que o operador, ainda considerado um elemento fundamental no loop de controle, já não suporta o rápido crescimento tanto do tamanho quanto da heterogeneidade de ambos os componentes de software e de hardware, os quais constituem os modernos sistemas de computação em rede. Essa forma de "administrador no loop de gerenciamento" certamente dificulta a realização de adaptações oportunas nos processos de monitoração. Para resolver este problema, esse trabalho apresenta um modelo para monitoração adaptativa de redes, serviços e aplicações inspirado na abordagem de aprendizado por reforço. O modelo é analisado por meio da implementação de um protótipo de um elemento autonômico, o qual baseia-se em valores históricos, muitas vezes inesperados, obtidos de objetos gerenciados. Por meio do raciocínio sobre essas informações, o elemento autonômico dinamicamente amplia ou restringe o conjunto de objetos gerenciados a ser monitorado.
publishDate 2008
dc.date.issued.fl_str_mv 2008
dc.date.accessioned.fl_str_mv 2009-05-09T04:12:45Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/15744
dc.identifier.nrb.pt_BR.fl_str_mv 000689355
url http://hdl.handle.net/10183/15744
identifier_str_mv 000689355
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/15744/1/000689355.pdf
http://www.lume.ufrgs.br/bitstream/10183/15744/2/000689355.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/15744/3/000689355.pdf.jpg
bitstream.checksum.fl_str_mv 76ce1cba6e37ba5ac9a7cff57bfb1839
abc4fbdc9c007b18956fe2075d06e7cc
c6a6c5ad127dea1b2717f658088b34a5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810088743300759552