| Resumo: | 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. |
