Balanceamento com base na similaridade entre máquinas virtuais e servidores físicos em nuvem computacional

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2018.A qualidade de serviço é um dos principais problemas no contexto de serviços de computação em nuvem. Métodos para o balanceamento de máquinas virtuais (MVs) podem auxiliar a reduzir a degradação de serviço em ambientes de computação em nuvem. Vários trabalhos apresentam técnicas para o balanceamento de carga em ambientes de nuvem; contudo, poucas propostas consideram a similaridade entre MVs e servidores como fator decisório para criar um mapeamento de migrações. Adicionalmente, as propostas em geral não consideram o tamanho, dinamismo e heterogeneidade de ambientes de computação em nuvem. Este trabalho apresenta um algoritmo para balanceamento de máquinas virtuais que considera a similaridade entre as configurações das MVs e os recursos disponíveis pelos servidores físicos quando migrando máquinas virtuais. Além disso, a proposta considera características intrínsecas aos ambientes de nuvem, como tamanho, dinamismo e heterogeneidade; uma vez que a solução foi desenhada de forma distribuída, reduzindo o problema de gerenciar uma nuvem para a gerência no nível de cluster. Para avaliar a proposta, é usado um conjunto de dados do Google. Os experimentos indicam que a proposta melhora o balanceamento da infraestrutura gerenciada, assim auxiliando na redução da degradação de serviços. Além disso, o tempo de execução do algoritmo mostrou-se viável para ambientes reais, com centenas de servidores físicos e milhares de máquinas virtuais.Abstract : Quality of service is one of the major concerns in cloud computing. Virtual machines (VMs) balancing techniques can help reduce service degradation in cloud computing environments. Several works have presented cloud computing balance techniques; however, only a few used the similarity between VMs and physical hosts to map VMs migrations. In addition, most proposals do not consider the size, dynamism, and heterogeneity of the cloud when developing a management technique. This work presents a cloud computing VMs balancing algorithm that uses the similarity between VMs and physical hosts to create the map of migrations. Furthermore, the proposal takes into account the size, dynamism, and heterogeneity of the cloud when mapping VMs migrations; thus the proposal is developed in a distributed fashion, enabling the processing of each cluster at a time. To evaluate the proposal, it was used the Google cluster data set. Experiments demonstrate that the proposed technique can improve the balance of allocated resources; thus helping reduce service degradation. Moreover, the runtime of the algorithm indicates that it is feasible to be used in a real cloud computing environment with hundreds of physical servers and virtual machines