Estrategias heurísticas de planificación dinámica de trabajos con límite temporal para la optimización de recursos en entornos de Cloud Computing

El uso de tecnologías de Cloud híbrido y de servicios de infraestructura pública (Infrastructures as a Service - IaaS) permiten a los desarrolladores de servicios ofrecer a sus clientes soluciones con muy poca inversión de antemano y adaptándose a diferentes cargas de trabajo. Las tecnologías de Cloud híbrido permiten complementar las infraestructuras locales (Cloud privado) con recursos computacionales contratados a proveedores de Cloud públicos. El principal problema que se plantea al emplear Clouds híbridos es la minimización de los costes de la infraestructura pública contratada mientras se proporciona la calidad de servicio demandada por el usuario final. Diversas estrategias de planificación han sido propuestas en el estado del arte para solucionar este problema en aplicaciones que manejan cargas de trabajo de tipo bolsa de tareas y que tienen un límite temporal de ejecución (deadline-constrained Bag-of-tasks workloads). Sin embargo, muchas de estas soluciones no consideran la heterogeneidad y variabilidad de rendimiento de los recursos computacionales ofrecidos por los Clouds públicos, el retardo en el aprovisionamiento de nuevas instancias de computación (máquinas virtuales) y la impracticabilidad de tener que disponer de antemano de estimaciones de los tiempos de ejecución de las tareas. En este trabajo se propone una estrategia de planificación que es capaz de solucionar las limitaciones anteriores y que puede minimizar el coste de la infraestructura contratada mientras se maximiza el número de tareas ejecutadas antes del límite temporal de ejecución. La estrategia se compone de un algoritmo de planificación y de un estimador del tiempo de ejecución de las tareas basado en datos muestrales que es capaz de realizar estimaciones de manera autónoma y que evita que estos tiempos deban ser entradas del algoritmo. Se propone también un estimador basado en la desigualdad de Chebyshev que no realiza asunciones previas acerca de la distribución de los tiempos de ejecución. Además, el planificador tiene en cuenta la heterogeneidad de los Clouds públicos y en su validación se ha considerado el tiempo de aprovisionamiento de las máquinas virtuales. Para validar el planificador se ha desarrollado un simulador de eventos discretos que ha permitido probar la estrategia con tres cargas de entrada en 8 escenarios en los que varían aspectos como el límite temporal de los trabajos, la tasa de llegada de aplicaciones o el tiempo de aprovisionamiento de instancias de máquinas virtuales. Cada uno de los escenarios y cargas se ha evaluado contra 8 estrategias de planificación resultado de combinar diferentes algoritmos de planificación y estimadores de los tiempos de procesamiento. Uno de los estimadores y uno de los algoritmos ya existían previamente en el estado del arte y se emplean como base de comparación. Los resultados de la simulación muestran que el algoritmo de planificación propuesto y el estimador de Chebyshev son capaces de obtener resultados similares o mejores en términos de plazos de ejecución cumplidos con respecto a otras técnicas propuestas en el estado del arte