EVALUATION ISSUES IN AUTONOMIC COMPUTING

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

Clique para editar o estilo do título mestre
Clique para editar o estilo do subtítulo mestre
*
*
*
EVALUATION ISSUES IN
AUTONOMIC COMPUTING
Julie A. McCann and Markus C. Huebscher 
*
*
*
Introdução
PROBLEMA: Softwares estão se tornando cada vez mais complexos e difíceis de administrar.
O gasto das empresas com pessoal especializado é muito alto;
Administração destes sistemas é bastante trabalhosa e sujeita a erros.
SOLUÇÃO: Desenvolver maneiras de automatizar o processo de gerenciamento destes sistemas.
*
*
*
Computação Autônoma
O termo computação autônoma é utilizado para denominar sistemas que possuem a capacidade de se auto-gerenciar.
Principais características:
auto-configuração;
auto-otimização;
auto-recuperação; 
auto-proteção.
*
*
*
Computação Autônoma
 Auto-Configuração: Um Sistema de Computação Autônoma (SCA) se auto-configura de acordo com metas de alto-nível;
Auto-Otimização: O SCA é capaz de otimizar o uso de seus recursos. Ele pode decidir iniciar uma mudança no sistema de forma pró-ativa, como por exemplo, para melhorar a performance;
 Auto-Recuperação: O SCA detecta o diagnóstico de problemas. Exemplo: um bit de erro em um chip de memória (hardware). 
Auto-Proteção: Um SCA se auto-protege de ataques maliciosos e/ou de usuários que inadvertidamente efetuem mudanças de softwares. Por exemplo: apagar um arquivo importante.
*
*
*
PROPOSTA DO ARTIGO
 Analisar diversos sistemas que são descritos como autônomos:
 Apresentar o conceito de computação autônoma;
Descrever algumas realizações já alcançadas;
 Apresentar um conjunto de métricas que são usuais para avaliar sistemas autônomos.
*
*
*
Arquitetura de Softwares para Computação Autônoma
Atividades de pesquisa em Computação Autônoma podem se categorizadas em 4 áreas: 
monitoração de componentes, interpretação dos dados monitorados, criação de um plano de reparo e execução do plano de reparo.
Com base nessa classificação os autores agrupam essa abordagem em duas categorias: Sistemas Autônomos Fortemente Acoplados e Desaclopados.
*
*
*
Sistemas Autônomos Fortemente Acoplados
 São geralmente construídos usando agentes inteligentes.
 Todo agente tem suas próprias metas, as quais dirigem suas decisões. 
Desvantagens:
Instruções (e.g. mudança de comportamento) passadas de um agente para outros agentes, podem potencialmente causar instabilidade em todo sistema.
Difícil definir metas individuais para os agentes tal que uma meta global seja alcançada.
*
*
*
Sistemas Autônomos Desacoplados
Componentes individuais não são autônomos por si só.
A Infra-estrutura que manipula o comportamento do Sistema Autônomo usa um modelo de descrição de arquitetura do sistema de execução para monitorar o sistema de execução e determinar ações adaptativas.
 
A infra-estrutura autonôma é fracamente acoplada com o sistema de execução.
Vantagem: O Software de adaptação pode ser “plugado” em um sistema pré-existente.
*
*
*
Métricas de Avaliação
Qualidade de Serviço: Em SCA essa métrica é designada para melhorar algum aspecto de um serviço. Ex. velocidade ou eficiência e/ou melhorar a experiência de um usuário com o sistema em uma interface auto-adaptativa para pessoas incapazes.
Custo: Em SCA a métrica custo pode ser usada para avaliar o impacto da adição de características autônomas, mecanismos de adaptação e monitores.
Granularidade/Flexibilidade: Em arquiteturas de Granularidade fina, tal como Sistemas Operacionais ou computação ubíqua mudanças são regulares. Ter uma medida do overhead em termos do sistema global é importante.
*
*
*
Métricas de Avaliação
Robustez: SCA são projetados para cobrir falhas em algum nível. Ex. falha de hardware tal como um nó em um cluster. Previsibilidade de falhas também é um aspecto de comparação em sistemas.
Grau de autonomia: Compara o quanto autônomo o sistema é.
Adaptividade: Métrica usada para analisar o impacto de trocar um componente e o processo de salvar seu estado, localizar um novo componente, ligá-lo ao sistema e restaurar o estado do componente antigo. Exemplo: driver de uma impressora que está distribuído na Internet versus local.
*
*
*
Métricas de Avaliação
Tempo para Adaptar: Tempo de adaptação: medida de tempo que um sistema leva para adaptar-se à uma mudança no ambiente (Tempo entre a identificação da mudança até o novo estado.
Sensibilidade: Quanto mais sensível o sistema é, mais apto a observar mudanças (mesmo sutil) ele é. Essa medida avalia o impacto dessas constantes configurações.
Estabilização: Relacionada a sensibilidade é o tempo que o sistema leva para aprender sobe um ambiente e estabilizar sua operação.
*
*
*
REFERÊNCIAS
Julie A. McCann and Markus C.HuebscherEvaluation Issues in Autonomic Computing. GCC Workshops, 597-608, 2004. 
J. Kephart and D. Chess. The vision of autonomic computing. Computer, 36(1):41–50, Jan. 2003.
*
*
*
COMPUTAÇÃO MÓVEL 
A computação móvel vem surgindo como uma nova proposta de paradigma computacional advinda da tecnologia de rede sem fio e dos sistemas distribuídos.
 Nela o usuário, portando dispositivos móveis, como palmtops e notebooks, tem acesso a uma infra-estrutura compartilhada independente da sua localização física. Isto fornece uma comunicação flexível entre as pessoas e um acesso contínuo aos serviços de rede.
*
*
*
COMPUTAÇÃO MÓVEL 
O termo computação móvel não é um conceito ainda bem definido, e envolve elementos como hardware, dados, aplicações e usuários que têm a capacidade de se moverem para diferentes localizações durante o curso da computação. Portanto, dependendo do (s) elemento(s) que pode(m) se mover, têm-se diferentes cenários na computação móvel:
*
*
*
COMPUTAÇÃO MÓVEL: 
o hardware pode se mover (nomadic computing); 
usuário pode se mover entre um conjunto fixo de estações conectadas à rede (wireless computing); 
a aplicação pode se mover (mobile computation: mobile code / mobile agent); 
o usuário, portando um equipamento portátil (hardware), executando aplicações com dados e código móvel, se locomove (pervasive computing). 
Devido a inexistência de unanimidade em termos de uma definição de computação móvel, considera-se computação móvel, na sua forma mais geral, a computação onde todos os elementos do sistema têm a propriedade de mobilidade. Ultimamente, esta forma de computação tem sido chamada de pervasive computing (computação em escala global). 
*
*
*
Computação Pervasiva
Computação Pervasiva: (Carvalho, T. C, 2004):
Disponibiliza acesso computacional de modo invisível em todo lugar o tempo todo;
O usuário não precisa se dar conta da tecnologia, ela pode estar embutida nos mais diversos dispositivos incluindo o computador pessoal, o PDA (Personal Digital Assistant), o celular, a própria roupa, qualquer acessório como o relógio ou óculos e até mesmo o nosso corpo.
*
*
*
Computação Ubíqua
Computação Ubíqua (Carvalho, T. C, 2004):
A computação ubíqua estende o conceito de computação pervasiva em direção à mobilidade, isto é, independente da nossa localização temos acesso aos mesmos recursos computacionais e serviços. 
Dispositivos inteligentes e portáteis são armazenados em redes de alta capacidade, visando à tomada de ações em qualquer tempo ou lugar. 
*
*
*
Computação Autônoma
Computação Autônoma: 
O termo computação autônoma é utilizado para denominar sistemas que possuem a capacidade de se auto-gerenciar.
Principais características:
auto-configuração;
auto-otimização;
auto-recuperação; 
auto-proteção.