Prediction of quality of service in P2P computational grids.

Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2019-10-01T11:48:07Z No. of bitstreams: 1 MARCUS WILLIAMS AQUINO DE CARVALHO – DISSERTAÇÃO (PPGCC) 2011.pdf: 4739982 bytes, checksum: 3454700455330a2ccd75063c91788059 (MD5)Made available in DSpace on 2019-10-01T11:48:07Z (GMT). No. of bitstreams: 1 MARCUS WILLIAMS AQUINO DE CARVALHO – DISSERTAÇÃO (PPGCC) 2011.pdf: 4739982 bytes, checksum: 3454700455330a2ccd75063c91788059 (MD5) Previous issue date: 2011-03-17As grades computacionais entre pares (P2P) possibilitam a agregação de uma grande quantidade de recursos, espalhados em diferentes domínios administrativos, formando uma infraestrutura de computação de alto desempenho em larga escala com um baixo custo associado. Em uma grade P2P, um nó disponibiliza aos outros participantes do sistema seus recursos quando estes estão ociosos e, em troca, pode usar os recursos ociosos de outros nós, sempre que sua demanda de processamento for superior à capacidade que ele possui localmente. Como se trata de um ambiente colaborativo, mecanismos de incentivo são necessários para motivar os usuários a doarem seus recursos ociosos e promover a colaboração entre os participantes da grade. Porém, mesmo com a utilização de mecanismos de incentivo, as grades P2P ainda possuem como característica a variação significativa, ao longo do tempo, de vários atributos associados à qualidade de serviço (QoS). Os fatos dos recursos não serem dedicados e da demanda não ser conhecida previamente trazem incertezas à QoS oferecida. Se, por um lado, é aceitável a incerteza da QoS das grades P2P em troca dos seus baixos custos operacionais, por outro lado, existem várias ocasiões em que ter alguma estimativa da QoS fornecida é bastante importante. Para que as grades P2P possam ser utilizadas por usuários que possuem aplicações com restrições de tempo, por exemplo, é necessário que se tenha uma estimativa de atributos de qualidade de serviço a serem oferecidos pela grade. Tendo em vista a alta variação em atributos de qualidade de serviço e a falta de estimativas desses atributos para os usuários, neste trabalho são propostos modelos de predição para a capacidade de processamento que estará disponível para um determinado participante da grade P2P em períodos de tempo futuros. Os resultados mostram que os modelos que se baseiam no funcionamento interno do sistema para realizar suas predições (caixa-branca e caixa-cinza) são, no geral, melhores do que modelos de predição que se baseiam apenas em dados históricos (caixa-preta). Para avaliar os modelos de predição, é proposto nesse trabalho um modelo de geração de carga sintética para grades computacionais P2P.Peer-to-peer (P2P) grid systems have been proposed as an economical way to increase the processing capabilities of information technology (IT) infrastructures. In a P2P grid, a peer donates its idle resources to the other peers in the system, and, in exchange, can use the idle resources of other peers when its processing demand surpasses its local computing capacity. For collaborative systems like these, incentive mechanisms are needed in order to make the systems work. However, even using incentive mechanisms, the quality of the service provided by P2P grids varies significantly over time. The facts that the resources are not dedicated to the grid and that the demand is unknown bring uncertainties for QoS attributes. Despite their cost-effectiveness, scheduling of processing demands on IT infrastructures that encompass P2P desktop grids is more difficult. At the root of this difficulty is the fact that the quality of the service provided by P2P desktop grids varies significantly over time. This way, users that execute time constraint applications are compromised by this best-effort behaviour. The research we report in this work tackles the problem of estimating the quality of service of P2P grids. The models proposed are able to estimate total processing capacity that is available for a peer in the system at future periods of time. Our results show that, in general, the prediction models that uses system knowledge to perform the predictions (grey-box and white-box models) outperforms the approaches which use only historical data to apply the predictions (black-box models). In order to evaluate the prediction models, we proposed a synthetic workload generator for P2P grids