Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Provisión adaptativa de recursos de nube heterogéneos para el procesamiento de grandes datos
La utilización eficiente de recursos juega un papel importante en el rendimiento del procesamiento de tareas a gran escala. En casos en los que se utilizan tipos heterogéneos de recursos dentro de la misma aplicación, es difícil lograr una buena utilización de todos los tipos de recursos diferentes. Aprovechando los desarrollos recientes en infraestructura en la nube que permiten el uso de grupos dinámicos de recursos, y alterando dinámicamente el tamaño de los recursos disponibles para todos los tipos de recursos, la utilización general de recursos puede mejorar. A partir de esta premisa, este documento discute una solución que tiene como objetivo proporcionar un algoritmo genérico para estimar las proporciones deseadas de tareas de procesamiento de instancias, así como las proporciones de los recursos utilizados por estas instancias, sin la necesidad de ejecuciones de prueba o conocimiento previo de los pasos de ejecución. Estas proporciones se utilizan como parte de un sistema adaptativo que es capaz de reconfigurarse para maximizar la utilización. Para verificar la solución, se implementa un marco de referencia que administra de manera adaptativa grupos de MVs funcionalmente diferentes para alojar un escenario de cálculo. Se realizan experimentos basados en un caso de uso intensivo de cálculos en el que se determina la probabilidad de fallas en tuberías subterráneas en función del asentamiento de los suelos. Estos experimentos muestran que la solución es capaz de eliminar grandes cantidades de subutilización, lo que resulta en un aumento de la capacidad de procesamiento y tiempos de espera más cortos.
Autores: Kollenstart, Maarten; Harmsma, Edwin; Langius, Erik; Andrikopoulos, Vasilios; Lazovik, Alexander
Idioma: Inglés
Editor: MDPI
Año: 2018
Disponible con Suscripción Virtualpro
Categoría
Licencia
Consultas: 7
Citaciones: Sin citaciones