Análise de Sensibilidade de Métrica de Disponibilidade aplicada em Serviços de Streaming de...

Análise de Sensibilidade de Métrica de Disponibilidade aplicada em Serviços de Streaming

de Vídeos usando Infraestruturas de Cloud Computing

Rosangela MeloOrientador: Paulo Maciel

Questão de Pesquisa:Como considerar a análise de sensibilidade nas suas diversas estratégias existentes dentro do domínio de sistemas computacionais aplicados no serviço de streaming de vídeo.

Pergunta: Inexiste algum tipo de metodologia que defina as estratégias de análise de sensibilidade no domínio dos sistemas computacionais aplicados em sistemas de vídeo streaming?

Introdução:•Sistemas computacionais confiáveis, com alta disponibilidade com baixo tempo de recuperação são exigências dos usuários de uma forma geral em virtude da diversificação do mercado que mudou com o processo de privatização das empresas de telecomunicações que favoreceu a ampla concorrência e permitiu uma oferta maior de produtos e serviços para a sociedade.

•Novo perfil de usuário;

•Computação na nuvem;•Existem vários serviços ou produtos que estão associados a infraestrutura de Computação nas nuvens como por exemplo Google Compute Engine, Gogrid e os Serviços de Streaming de Vídeo;•Netflix e o Youtube são os dois maiores provedores de entretenimento de serviços de streaming de vídeo;•Estrátégias e a modelagem hierárquica;

Motivação:Ao longo dos últimos anos, o uso de voz e dados na internet aumentou significativamente. Este considerável crescimento é algo relacionado com a interoperabilidade oferecida por voz, imagem e serviços de dados e os seus custos baixos. Estes serviços devem ser continuamente fornecido, mesmo quando eventos como falhas de hardware ou software acontecer, afetando a disponibilidade da rede ( FURTADO; REGO; LOURAL,2005).

Em abril de 2014, a Netflix atraiu mais de 35 milhões de assinantes em os EUA sozinhos e cerca de 48 milhões em todo o mundo. É a maior fonte de tráfego de Internet, consumiu 29,7% do tráfego downstream em 2011. Como Netflix, Hulu também tem uma grande base de clientes, com 38 milhões de clientes que assistem Hulu ( ADHIKARI et al.,2014 )

.

Objetivo Geral

O principal objetivo deste trabalho é uma proposição de novas estratégias de análise de sensibilidade para sistemas computacionais aplicadas em serviços de streaming de vídeo.

Objetivo Específicos• Construir modelos para avaliação de disponibilidade de arquiteturas para o

provimento de serviço de vídeo streaming na nuvem, baseadas na plataforma Eucalyptus;

• Elaborar um baseline para coletar o tempo médio de instanciação de máquinas virtuais (Virtual Machines (VM s) - Virtual Machine ) para o provimento do serviço no Eucalyptus;

• Elaborar modelos de redundância (Warm Standy,Ativo-ativo, e Cold Standby) de arquitetura para a disponibilização do serviço de vídeo Streaming na nuvem, baseadas na plataforma Eucalyptus;

• Aplicar estratégias de análises de sensibilidade nas arquiteturas existentes;

• Propor alteração de estratégias de análises de sensibilidade;

• Propor uma metodologia para aplicação das estratégias de análise de sensibilidade numa arquitetura de nuvem privada para o serviço de streaming de vídeo;

Metodologia

Modelos:

Disponibilidade do Sistema (Figura 2) : 0,988714

• CTMC Modelo:

Baseline Arquitetura : Não-redundante

• RBD Modelo

As = µ in(λ apλ vm(β ) + λ ap(β1)µ vlc + (β1)(β2)(β + µ vlc)((λ ap + β1)(λ vm + µin)(β )(λ ap + β + µ vlc)) , (I)

Figura 2: Arquitetura RDB Não-redundante

Figura 3: Modelo de Serviço CTMC

MC (Figure 7).

Estratégia NSP

Figura 2: Arquitetura RDB Não-redundante

Estratégia CRI

Figura 2: Arquitetura RDB Não-redundante

Kuo e Zuo (2003)

Resultados Preliminares

Componentes comuns: λf, µn e λvlc

Modelos de Redundância: Cold standby

Nó principal UP;Nó secundário offline;Status inicial do Frontend: UP ou Down;

Modelos de Redundância: Cold standby

Modelos de Redundância: Ativo-Ativo

Modelos de Redundância: Warm Standby

As três letras do modelo representam, o serviço, o primeiro nó, e o segundo nó.

Próximos Passos:

• Alterar mais uma estratégia;• Realizar novos estudos de casos;• Concluir o artigo em andamento.