Estudo exploratório do uso de algoritmos genéticos no gerenciamento de tarefas e recursos em cloud computing

Abstract

Com a notável expansão dos serviços em nuvem, a introdução de módulos de alocação mais eficientes se faz cada vez mais necessária. O gasto energético é a principal fonte de custo para as empresas provedoras, diretamente causado pela má utilização de recursos de hardware. A fim de prover maior flexibilidade na alocação de tarefas e um gerenciamento de recursos mais efetivo, analisaremos a viabilidade de se utilizar uma abordagem evolutiva para obter soluções com maior qualidade, assim como garantir maior lucro para a companhia provedora, satisfazendo ambos os lados da negociação. O uso de heurísticas evolutivas como otimizadores vem ganhando notoriedade no meio acadêmico, da mesma forma, deixaremos a nossa contribuição com a implementação e análise de um algoritmo genético básico funcionando como alocador, explicitando também as vantagens e desvantagens encontradas com o uso dessa abordagem. Veremos que os resultados encontrados são bastante animadores, entretanto, muito deve ser feito para que o módulo proposto possa ser aplicado em um sistema real. Uma ideia de trabalho futuro é combinar abordagens evolutivas com métodos de busca convencionais, assim como otimizar alguns parâmetros da própria implementação do algoritmo genético em busca de melhores resultados de otimização. _____________________________________________________________________________ ABSTRACT

With the undeniable ascension of cloud services, the introduction of efficient scheduling modules in this kind of system is more necessary than ever. Energy consumption is the main source of cost to the provider companies, partially caused by the poor administration of hardware resources. In order to offer greater flexibility to the task scheduling process and more effectiveness in resource management, we will analyze the feasibility of using an evolutionary approach to obtain solutions with greater quality, increasing the provider company’s profit, satisfying the interests of both sides. Evolutionary heuristics are gaining notoriety in the academic field as alternative solutions to optimization problems. Therefore, this work presents our contribution, which consists of the implementation and analysis of a basic genetic algorithm that works as a scheduler, also explaining the advantages and disadvantages encountered with the use of this approach. Later on, we show that the results of this research are quite encouraging, however, there is still much to be done as the main objective of almost every research is to apply the proposed method in a real system. A possible subject for a future work could be the hybridization of the genetic approach with a conventional search algorithm. Optimizing the genetic operators and some other implementation parameters are also in the plans. These actions shall improve the overall performance of the algorithm as well, consequently, returning better solutions and making the method more dependable.