Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos

Detalhes bibliográficos
Ano de defesa: 2009
Autor(a) principal: Evgueni Dodonov
Orientador(a): Rodrigo Fernandes de Mello
Banca de defesa: Alexandre Cláudio Botazzo Delbem, Liria Matsumoto Sato, Bruno Richard Schulze, Luis Carlos Trevelin
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade de São Paulo
Programa de Pós-Graduação: Ciências da Computação e Matemática Computacional
Departamento: Não Informado pela instituição
País: BR
Link de acesso: https://doi.org/10.11606/T.55.2009.tde-05082009-205709
Resumo: A evolução de sistemas distribuídos resultou em aumento significativo de complexidade para manutenção e gerenciamento, tornando pouco eficientes técnicas convencionais baseadas em intervenções manuais. Isso motivou pesquisas que deram origem ao paradigma de computação autônoma (Autonomic Computing), que provê aspectos de auto-configuração, auto-recuperação, auto-otimização e auto-proteção a fim de tornar sistemas auto-gerenciáveis. Nesse contexto, esta tese teve como objetivo prover autonomia a ambientes distribuídos, sem a necessidade de mudar o paradigma de programação e as aplicações de usuários. Para isso, propôs-se uma abordagem que emprega técnicas para compreensão e predição de dinâmicas comportamentais de processos, utilizando abordagens de sistemas dinâmicos, inteligência artificial e teoria do caos. Os estudos realizados no decorrer desta pesquisa demonstraram que, ao predizer padrões comportamentais, pode-se otimizar diversos aspectos de computação distribuída, suportando tomadas de decisão autônomas pelos ambientes. Para validar a abordagem proposta, foi desenvolvida uma política de escalonamento distribuído, denominada PredRoute, a qual utiliza o conhecimento sobre o comportamento de processos para otimizar, transparentemente, a alocação de recursos. Experimentos realizados demonstraram que essa política aumenta o desempenho em até 4 ordens de grandeza e apresenta baixo custo computacional, o que permite a sua adoção para escalonamento online de processos
id USP_57aafc2bd7d0c1e8f11a9fa96f15cf81
oai_identifier_str oai:teses.usp.br:tde-05082009-205709
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos An approach to provide autonomy to distributed environments by predicting the dynamics of process behavior 2009-07-01Rodrigo Fernandes de MelloAlexandre Cláudio Botazzo DelbemLiria Matsumoto SatoBruno Richard SchulzeLuis Carlos TrevelinEvgueni DodonovUniversidade de São PauloCiências da Computação e Matemática ComputacionalUSPBR Artificial intelligency Chaos theory Autonomic computing Computação Autônoma Distributed scheduling Distributed systems Dynamical systems Inteligência artificial Sistemas dinâmicos Sistemas distribuídos Escalonamento distribuído Teoria do caos A evolução de sistemas distribuídos resultou em aumento significativo de complexidade para manutenção e gerenciamento, tornando pouco eficientes técnicas convencionais baseadas em intervenções manuais. Isso motivou pesquisas que deram origem ao paradigma de computação autônoma (Autonomic Computing), que provê aspectos de auto-configuração, auto-recuperação, auto-otimização e auto-proteção a fim de tornar sistemas auto-gerenciáveis. Nesse contexto, esta tese teve como objetivo prover autonomia a ambientes distribuídos, sem a necessidade de mudar o paradigma de programação e as aplicações de usuários. Para isso, propôs-se uma abordagem que emprega técnicas para compreensão e predição de dinâmicas comportamentais de processos, utilizando abordagens de sistemas dinâmicos, inteligência artificial e teoria do caos. Os estudos realizados no decorrer desta pesquisa demonstraram que, ao predizer padrões comportamentais, pode-se otimizar diversos aspectos de computação distribuída, suportando tomadas de decisão autônomas pelos ambientes. Para validar a abordagem proposta, foi desenvolvida uma política de escalonamento distribuído, denominada PredRoute, a qual utiliza o conhecimento sobre o comportamento de processos para otimizar, transparentemente, a alocação de recursos. Experimentos realizados demonstraram que essa política aumenta o desempenho em até 4 ordens de grandeza e apresenta baixo custo computacional, o que permite a sua adoção para escalonamento online de processos The evolution of distributed systems resulted in a significant growth in management and support complexities, which uncovered the inefficiencies incurred by the usage of conventional management techniques, based in manual interventions. This, therefore, has motivated researches towards the concept of Autonomic Computing, which provides aspects of self-configuration, self-healing, self-optimization and self-protection, aiming at developing computer systems capable of self-management. In this context, this thesis was conceived with the goal of providing autonomy to distributed systems, without changing the programming paradigm or user applications. In order to reach this goal, we proposed an approach which employs techniques capable of modelling and predicting the dynamics of application behavior, using concepts introduced in dynamical systems, artificial intelligence, and chaos theory. The obtained results demonstrated that it is possible to optimize several aspects of distributed computing, providing support for autonomic computing capabilities to distributed environments. In order to validate the proposed approach, a distributed scheduling policy was developed, named PredRoute, which uses the knowledge about the process behavior to transparently optimize the resource allocation. Experimental results demonstrated that this policy can improve the system performance by up to a power of 4, and also requires a considerably low computational cost, which suggests its adoption for online process scheduling in distributed environments https://doi.org/10.11606/T.55.2009.tde-05082009-205709info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:16:17Zoai:teses.usp.br:tde-05082009-205709Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos
dc.title.alternative.en.fl_str_mv An approach to provide autonomy to distributed environments by predicting the dynamics of process behavior
title Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos
spellingShingle Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos
Evgueni Dodonov
title_short Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos
title_full Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos
title_fullStr Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos
title_full_unstemmed Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos
title_sort Uma abordagem de predição da dinâmica comportamental de processos para prover autonomia a ambientes distribuídos
author Evgueni Dodonov
author_facet Evgueni Dodonov
author_role author
dc.contributor.advisor1.fl_str_mv Rodrigo Fernandes de Mello
dc.contributor.referee1.fl_str_mv Alexandre Cláudio Botazzo Delbem
dc.contributor.referee2.fl_str_mv Liria Matsumoto Sato
dc.contributor.referee3.fl_str_mv Bruno Richard Schulze
dc.contributor.referee4.fl_str_mv Luis Carlos Trevelin
dc.contributor.author.fl_str_mv Evgueni Dodonov
contributor_str_mv Rodrigo Fernandes de Mello
Alexandre Cláudio Botazzo Delbem
Liria Matsumoto Sato
Bruno Richard Schulze
Luis Carlos Trevelin
description A evolução de sistemas distribuídos resultou em aumento significativo de complexidade para manutenção e gerenciamento, tornando pouco eficientes técnicas convencionais baseadas em intervenções manuais. Isso motivou pesquisas que deram origem ao paradigma de computação autônoma (Autonomic Computing), que provê aspectos de auto-configuração, auto-recuperação, auto-otimização e auto-proteção a fim de tornar sistemas auto-gerenciáveis. Nesse contexto, esta tese teve como objetivo prover autonomia a ambientes distribuídos, sem a necessidade de mudar o paradigma de programação e as aplicações de usuários. Para isso, propôs-se uma abordagem que emprega técnicas para compreensão e predição de dinâmicas comportamentais de processos, utilizando abordagens de sistemas dinâmicos, inteligência artificial e teoria do caos. Os estudos realizados no decorrer desta pesquisa demonstraram que, ao predizer padrões comportamentais, pode-se otimizar diversos aspectos de computação distribuída, suportando tomadas de decisão autônomas pelos ambientes. Para validar a abordagem proposta, foi desenvolvida uma política de escalonamento distribuído, denominada PredRoute, a qual utiliza o conhecimento sobre o comportamento de processos para otimizar, transparentemente, a alocação de recursos. Experimentos realizados demonstraram que essa política aumenta o desempenho em até 4 ordens de grandeza e apresenta baixo custo computacional, o que permite a sua adoção para escalonamento online de processos
publishDate 2009
dc.date.issued.fl_str_mv 2009-07-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://doi.org/10.11606/T.55.2009.tde-05082009-205709
url https://doi.org/10.11606/T.55.2009.tde-05082009-205709
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.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Ciências da Computação e Matemática Computacional
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1786376581278597120

Registros relacionados