Angioplastie coronaire

Para verificar a corretude da implementação, criaram-se micro instâncias do modelo e após a execução do otimizador, armazenaram-se as equações obtidas em arquivos de textos, que foram analisadas cuidadosamente para se ter certeza que cada uma delas descrevia o cenário proposto e que nenhuma equação estava ausente.

Capítulo 6

Resultados

Neste capítulo, são analisados os resultados obtidos pelas soluções heurísticas em diversos cenários de simulação, considerando-se variações de política, de critérios de seleção, de intervalos entre chegada das requisições e de tolerância de espera do cliente. Em seguida, são apresentados os resultados das heurísticas em instâncias suficientemente pequenas para que os resultados possam ser comparados com os resultados obtidos através do modelo de Programação Linear Inteira. Com isto, será possível comparar o quão próximo as soluções heurísticas se aproximam da solução ótima. Complementarmente a estas análises, estuda-se o desempenho das heurísticas em função do tamanho das simulações.

6.1

Métricas adotadas

Nos capítulos 4 e 5, descrevem-se as abordagens para resolver o problema de alocação dinâmica de servidores para oferecer serviço de vídeo sob demanda. Foram desenvolvidos, também, um simulador e resolvedor de PLI que implementam e geram dados que podem ser analisados para obter o desempenho das propostas. Nesta dissertação, utilizam-se cinco métricas que visam medir o desempenho do serviço VoD tanto do ponto de vista da percepção da qualidade de serviço do usuário quanto do ponto de vista de custos de operação da infraestrutura.

A primeira métrica é a probabilidade de bloqueio, que mede a probabilidade do serviço de VoD não atender às requisições. A probabilidade de bloqueio é dada pela razão entre o número de requisições não atendidas e o número total de requisições. Os bloqueios podem ocorrer quando o serviço não encontra um servidor que atenda às diretrizes das políticas e critérios de seleção antes que o tempo máximo de tolerância seja atingido. Além das politicas e critérios de seleção, os principais fatores que afetam esta métrica são o tempo máximo de tolerância do cliente, a taxa de chegada de requisições e o tempo necessário para provisionar novos servidores. No primeiro caso, quanto menor for a tolerância de espera do usuário, menos tempo o serviço tem para alocar um servidor e começar o strea- ming. No segundo caso, quanto maior a demanda pelo serviço, maior será a necessidade de provisionamento de novos servidores. No terceiro caso, quanto maior o tempo necessário para provisionar novos servidores, maior será o tempo de espera do usuário.

de operação do serviço pelo número de requisições. Os principais fatores associados ao custo são relacionados ao tempo de locação dos servidores, ao armazenamento de dados nos servidores e à quantidade de dados transferidos entre os servidores privados e públicos e também entre os servidores e usuários. Para o caso de instâncias que utilizam o critério reserved, deve-se também contabilizar o custo de reserva anual dos servidores. Além das politicas e critérios de seleção, os principais fatores que afetam esta métrica são o modelo de precificação da nuvem pública e o modelo de predição de popularidade de vídeos. No primeiro caso, como a maior parte dos parâmetros de custos do serviço são referentes ao modelo de precificação dos servidores da nuvem pública, é essencial que se adote um serviço de computação em nuvem com preços competitivos. No segundo caso, como as preferências de conteúdo dos usuários são bastante voláteis, implementar um mecanismo capaz de medir a popularidade dos vídeos num determinado momento proporciona melhor alocação de vídeo nos servidores.

A terceira métrica é o tempo médio de espera, que é o quociente do tempo total de espera dos usuários pelo número total de requisições. O usuário pode ter que esperar, por exemplo, quando um novo servidor está sendo instanciado para atender sua requisição, ou quando o vídeo selecionado está sendo transferido de um servidor privado para um servidor público ou quando não há servidores disponíveis com recursos suficientes para atendê-lo naquele instante. Além das politicas e critérios de seleção, os principais fatores que afetam esta métrica são o tempo máximo de tolerância do usuário, o tempo necessário para se provisionar um novo servidor e o quanto do vídeo deve ser armazenado localmente antes que o streaming para o usuário seja iniciado. No primeiro caso, quanto maior o tempo máximo de tolerância do usuário, mais tempo o serviço pode deixar o cliente em espera para encontrar o servidor mais adequado. No segundo caso, quanto maior for o tempo necessário para se instanciar um novo servidor, maior é o tempo de espera do usuário pelo serviço. No terceiro caso, quanto maior for a parcela do vídeo que deve ser transferida de um servidor privado para um servidor público, antes que o mesmo possa iniciar a transmissão para o usuário final, maior será o tempo de espera do cliente.

A quarta métrica é a quantidade de servidores utilizados, que é a soma de todos os servidores utilizados na nuvem híbrida para atender as requisições. Além das politicas e critérios de seleção, os principais fatores que afetam esta métrica são a demanda do serviço, o tamanho dos vídeos da biblioteca e a capacidade de armazenamento dos discos e de banda passante das interfaces de rede. Isto porque quanto maior for a demanda, mais servidores serão necessários para prover o serviço. Além disso, quanto maior os vídeos requisitados forem ou quanto menor forem a capacidade dos servidores, maior será a taxa de utilização dos discos rígidos e das interfaces de redes por requisição.

A última métrica é a carga média dos servidores, que é a utilização média dos discos rígidos e interfaces de rede. Quanto maior for este índice, menor o nível de desperdício dos recursos dos servidores. Nesta dissertação, assume-se que os servidores possuem processadores poderosos o suficiente para atender a demanda. Esta premissa é razoável, pois o serviço de VoD estudado não executa tarefas que exigem muito processamento gráfico, como o caso de transcoding.