Predição de tempo e dimensionamento de recursos para workflows científicos em nuvens federadas

Abstract

A computação em nuvem concebeu um modelo computacional interessante, que fornece um conjunto de recursos tais como armazenamento, banco de dados e poder de processamento, todos disponibilizados como serviços. Recentemente, o conceito de computação em nuvem se estendeu para a computação em nuvens federadas, nas quais diferentes provedores se interconectam para disponibilizarem mais recursos de maneira integrada e transparente ao usuário final. Assim, o uso de plataformas de nuvem tem sido amplamente incentivado em aplicações que demandam muito poder de processamento e/ou armazenamento, como por exemplo os workflows de bioinformática. Todavia, os usuários que operam tais workflows se deparam com uma variedade e quantidade muito grande de recursos disponíveis, sendo difícil a escolha correta dos mesmos para um determinado workflow. Esse dimensionamento está longe de ser trivial e, para tratar desse problema, este trabalho propõe uma abordagem chamada sPCR (Serviço de Predição de Custos e Recursos Computacionais), que mescla a metaheurísticas GRASP e o método de regressão linear múltipla, com o objetivo de dimensionar os recursos para os usuários de forma transparente, ao informar o custo financeiro e o tempo de execução antes mesmo de iniciar o workflow. Além disso, o sPCR permite que o usuário possa interagir e escolher entre execuções de alto desempenho, de baixo orçamento, ou definir o quanto quer pagar e em quanto tempo quer a finalização do workflow, tudo de forma automática e transparente. Os resultados mostram a adequação do sPCR para estimar os recursos, custos e tempos de execução dos workflows testados.