Análise de Sensibilidade de Métrica de Disponibilidade aplicada em Serviços de Streaming de Vídeos usando Infraestruturas de Cloud Computing Rosangela Melo Orientador: 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 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, 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.