Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud

Las aplicaciones científicas son implementadas mediante la construcción de modelos matemáticos y técnicas numéricas que sirven para manipular y controlar el problema real al que representan. Debido a que para su ejecución se requiere de grandes capacidades de cómputo, los entornos de computación dis...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Cardello, Sebastián Carlos, García Garino, Carlos Gabriel, Garí Núñez, Yisel, Mansilla, Roberto Alejandro, Monge Bosdari, David Antonio, Pacini Naumovich, Eliana Rocío
Publicado: 2019
Materias:
Acceso en línea:https://bdigital.uncu.edu.ar/fichas.php?idobjeto=14391
date_str_mv 2019-2021
todos_str_mv 80020180100171UN
Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
Proyecto de investigación
siip2019-2021
UNCuyo FI
UNCuyo FI
titulo_str_mv Autoscaling optimization based on metaheuristics for the efficient execution of scientific applications in cloud infrastructures
Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
autor_str_mv Cardello, Sebastián Carlos
García Garino, Carlos Gabriel
Garí Núñez, Yisel
Mansilla, Roberto Alejandro
Monge Bosdari, David Antonio
Pacini Naumovich, Eliana Rocío
disciplina_str_mv Informática
Ingeniería
Matemática
description_str_mv Las aplicaciones científicas son implementadas mediante la construcción de modelos matemáticos y técnicas numéricas que sirven para manipular y controlar el problema real al que representan. Debido a que para su ejecución se requiere de grandes capacidades de cómputo, los entornos de computación distribuida como Cloud resultan adecuados. Cloud permite la adquisición de infraestructuras totalmente configuradas a través de tecnologías de virtualización, es decir, diferentes tipos de instancias de máquinas virtuales (VM) proporcionan un amplio espectro de configuraciones de hardware y software bajo un esquema de pago por uso. En general, los precios difieren según el tipo de VM y el modelo de fijación de precios del proveedor Cloud. De acuerdo al modelo de precios, las instancias pueden ser adquiridas bajo demanda, ofreciendo una plataforma de cómputo confiable, pero a un precio fijo que generalmente es más costoso que las instancias adquiridas bajo modelos de precios alternativos, como las instancias spot. Las instancias spot poseen precios fluctuantes a lo largo del tiempo que suelen ser más bajos que los precios de las instancias bajo demanda. Sin embargo, las instancias spots están sujetas a la aparición de errores out-of-bid (OOB), que son aquellos que se producen cuando el precio de la instancia spot supera el precio de oferta realizado por el usuario. Cuando se produce un OOB, las instancias afectadas se ven obligadas a finalizar y también finaliza la ejecución de los trabajos que se estén ejecutando en tales instancias. Al utilizar instancias spot, la confiabilidad de las VMs depende de la oferta del usuario y de los valores reales de los precios spot. El objetivo principal del presente proyecto consiste en: diseñar, construir e implementar nuevas metaheurísticas para optimizar la ejecución de aplicaciones científicas en infraestructuras Cloud. Particularmente, el objetivo propuesto contempla gestionar eficientemente el procesamiento distribuido de aplicaciones científicas mediante la implementación de metaheurísticas para minimizar tanto los tiempos de ejecución como los costos monetarios, dos objetivos de optimización claramente contrapuestos. Esto significa que cuanto mayor cantidad y mejores recursos son rentados a un Cloud, menores son los tiempos de respuesta, pero como consecuencia mayor es el costo económico.
Scientific applications are implemented through the construction of mathematical models and numerical techniques that are useful to manipulate and control the real problem they represent. Since to for their efficient execution large computational capabilities are required, distributed computing environments such as Cloud are suitable. Cloud allows the acquisition of fully configured infrastructures through virtualization technologies, that is, different types of virtual machine (VM) instances provide a wide spectrum of hardware and software configurations under a pay-per-use scheme. Generally, the instances prices differ according to the VM type and the Cloud provider pricing model. Then, according to the pricing model, the instances can be acquired on-demand, offering a reliable computing platform, but at a fixed price which is more expensive than the instances acquired under alternative pricing models, such as spot instances. Spot instances have fluctuating prices over time that tend to be lower than the prices of on-demand instances. However, spot instances are subject to the appearance of out-of-bid (OOB) errors, which are those that occur when the price of the spot instance exceeds the bid price offer by the user. When an OOB occurs, the affected instances are forced to finish and it also finishes the execution of the jobs that are running in such instances. When using spot instances, the reliability of the VMs depends on the user's offer and the real values ​​of the spot prices. The main goal of this project is to design and implement new metaheuristics to optimize the execution of scientific applications in Cloud infrastructures. In particular, the proposed objective includes the efficiently managing the distributed execution of scientific applications through the implementation of metaheuristics aimed to minimize both execution times and monetary costs, two clearly opposed optimization objectives. This means that the more number and better resources are leased to a Cloud, the shorter the response times, but as a consequence, the higher the economic cost.
descriptores_str_mv Matemática aplicada
Modelos matemáticos
Tecnologías de la virtualización
object_type_str_mv Textual: Investigación
dependencia_str_mv Facultad de Ingeniería
id 14391
plantilla_str Informe de Investigación
record_format Informe de Investigación
tipo_str textuales
type_str_mv Articulos
title_full Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
title_fullStr Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
title_full_unstemmed Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
description Las aplicaciones científicas son implementadas mediante la construcción de modelos matemáticos y técnicas numéricas que sirven para manipular y controlar el problema real al que representan. Debido a que para su ejecución se requiere de grandes capacidades de cómputo, los entornos de computación distribuida como Cloud resultan adecuados. Cloud permite la adquisición de infraestructuras totalmente configuradas a través de tecnologías de virtualización, es decir, diferentes tipos de instancias de máquinas virtuales (VM) proporcionan un amplio espectro de configuraciones de hardware y software bajo un esquema de pago por uso. En general, los precios difieren según el tipo de VM y el modelo de fijación de precios del proveedor Cloud. De acuerdo al modelo de precios, las instancias pueden ser adquiridas bajo demanda, ofreciendo una plataforma de cómputo confiable, pero a un precio fijo que generalmente es más costoso que las instancias adquiridas bajo modelos de precios alternativos, como las instancias spot. Las instancias spot poseen precios fluctuantes a lo largo del tiempo que suelen ser más bajos que los precios de las instancias bajo demanda. Sin embargo, las instancias spots están sujetas a la aparición de errores out-of-bid (OOB), que son aquellos que se producen cuando el precio de la instancia spot supera el precio de oferta realizado por el usuario. Cuando se produce un OOB, las instancias afectadas se ven obligadas a finalizar y también finaliza la ejecución de los trabajos que se estén ejecutando en tales instancias. Al utilizar instancias spot, la confiabilidad de las VMs depende de la oferta del usuario y de los valores reales de los precios spot. El objetivo principal del presente proyecto consiste en: diseñar, construir e implementar nuevas metaheurísticas para optimizar la ejecución de aplicaciones científicas en infraestructuras Cloud. Particularmente, el objetivo propuesto contempla gestionar eficientemente el procesamiento distribuido de aplicaciones científicas mediante la implementación de metaheurísticas para minimizar tanto los tiempos de ejecución como los costos monetarios, dos objetivos de optimización claramente contrapuestos. Esto significa que cuanto mayor cantidad y mejores recursos son rentados a un Cloud, menores son los tiempos de respuesta, pero como consecuencia mayor es el costo económico.
title Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
spellingShingle Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
Matemática aplicada
Modelos matemáticos
Tecnologías de la virtualización
Cardello, Sebastián Carlos
García Garino, Carlos Gabriel
Garí Núñez, Yisel
Mansilla, Roberto Alejandro
Monge Bosdari, David Antonio
Pacini Naumovich, Eliana Rocío
topic Matemática aplicada
Modelos matemáticos
Tecnologías de la virtualización
topic_facet Matemática aplicada
Modelos matemáticos
Tecnologías de la virtualización
publishDate 2019
author Cardello, Sebastián Carlos
García Garino, Carlos Gabriel
Garí Núñez, Yisel
Mansilla, Roberto Alejandro
Monge Bosdari, David Antonio
Pacini Naumovich, Eliana Rocío
author_facet Cardello, Sebastián Carlos
García Garino, Carlos Gabriel
Garí Núñez, Yisel
Mansilla, Roberto Alejandro
Monge Bosdari, David Antonio
Pacini Naumovich, Eliana Rocío
tags_str_mv siip2019-2021
title_sort Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
title_short Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
url https://bdigital.uncu.edu.ar/fichas.php?idobjeto=14391
estado_str 3
building Biblioteca Digital
filtrotop_str Biblioteca Digital
collection Informe de Investigación
institution Sistema Integrado de Documentación
indexed_str 2023-04-25 00:35
_version_ 1764120132532043776