Navegación

Búsqueda

Búsqueda avanzada

El autor Joaquín Ezpeleta ha publicado 4 artículo(s):

1 - Estimación del coste de aprovisionar instancias de cómputo para ejecutar aplicaciones bag-of-task en el cloud de Amazon

Sin duda, el coste económico es un factor decisivo cuando se valora la posibilidad de ejecutar una aplicación en cloud. Hoy en día, estimar cuál es el precio a pagar no es sencillo si se trata de aplicaciones que requieren un elevado número de recursos de cómputo y almacenamiento. En este trabajo, se propone un método para minimizar el coste de ejecución de aplicaciones paralelas bag-of-task en un entorno de cómputo tipo cloud. Este método no sólo calcula una estimación del precio a pagar, sino que también determina qué recursos deberían ser contratados para minimizar ese precio. Una contribución importante de la solución es que considera la heterogeneidad de los proveedores cloud a nivel de catálogo de recursos, modelos y plazos de arrendamiento, opciones de pago, etc. La propuesta ha sido aplicada a un problema intenso en cómputo y ejecutado en el entorno de Amazon Elastic Compute Cloud (EC2).

Autores: Pedro Alvarez / Sergio Hernández / Javier Fabra / Joaquín Ezpeleta / 
Palabras Clave: Amazon EC2 - aplicaciones paralelas - aprovisionamiento de recursos - Computación en la Nube - minimización de costes

2 - Una solucíon basada en HTCondor para aprovechar la disponibilidad de recursos efímeros

Clusters, grids y, más actualmente, clouds, representan las infraestructuras de computacíon dedicada más utilizadas por científicos e investigadores. Sin embargo, existen otras alternativas cuya principal funcíon no es la computacíon y que pueden ser útiles para la resolución de problemas computacionalmente costosos. En el ámbito académico existen una gran cantidad de recursos que, durante gran parte del día, permanecen encendidos y desaprovechados, de forma que se podrían utilizar para tareas computacionales durante el tiempo que permanecen infrautilizados. Con este objetivo, en este artículo se propone la utilización del middleware HTCondor para aprovechar estos recursos efímeros existentes en nuestro departamento, así como su integracíon en un framework de computacíon distribuida desarrollado anteriormente y que en la práctica estamos utilizando y extendiendo para resolver problemas complejos. Esta integracíon se ha realizado mediante la adicíon de un componente en el framework que, basándose en el horario de reserva de los recursos integrados, es capaz de recomendar los más adecuados para la ejecucíon de cada trabajo. Finalmente, se ha utilizado el entorno de Amazon EC2, simulando el entorno real de ejecución, para configurar la nueva infraestructura y probar el nuevo componente.

Autores: Sergio Hernández / Javier Fabra / Joaqúin Ezpeleta / Pedro Alvarez / 
Palabras Clave: Computación en la Nube - heterogeneidad - HTCondor - planificacíon de recursos - Recursos efímeros

3 - Una solucíon SOA para ejecutar workflows científicos en entornos Grid heterogéneos

La posibilidad de ejecutar un mismo workflow científico en distintos entornos Grid heterogéneos todavía es, a día de hoy, un reto abierto. Aunque la orientacíon a servicios permite allanar el camino, las propuestas existentes exigen un papel activo por parte de los programadores, que deben seleccionar el entorno de ejecucíon a utilizar en todas las tareas del workflow de manera estática. Como consecuencia, estas soluciones limitan la utilizacíon de diversos entornos de computacíon de forma conjunta. En este trabajo se pretende ir un paso más allá, liberando al programador de la selección del entorno de ejecución y permitiendo ejecutar workflows en múltiples entornos de computacíon heterogéneos. Para ello, se propone un servicio de computacíon que permite programar workflows independientemente del entorno de ejecucíon y a distintos niveles de abstraccíon a través de diferentes lenguajes orientados a servicios. Asimismo, el servicio permite integrar varios entornos Grid heterogéneos, mejorando su aprovechamiento mediante una estrategia de meta-scheduling basada en simulación que permite decidir el entorno de ejecucíon más adecuado para cada tarea. Como caso de uso, el workflow de análisis Inspiral es ejecutado sobre dos entornos heterogéneos, mejorando el rendimiento de la ejecucíon del workflow.

Autores: Sergio Hernández / Javier Fabra / Pedro Alvarez / Joaqúin Ezpeleta / 
Palabras Clave: Grid - integracíon de sistemas heterogéneos - Orientación a servicios - Workflows científicos

4 - Análisis inteligente de flujos de trabajo sociales

Los flujos de trabajo sociales (SOW) coordinan las actividades realizadas por un conjunto de usuarios que bien de forma individual o en cooperación tratan de alcanzar un determinado objetivo. Los SOW son flujos no estructurados en los que participan un gran número de usuarios que llevan a cabo actividades de muy diversa naturaleza que se extienden a lo largo del tiempo y que típicamente consumen pocos recursos de computación. Un ejemplo de procesos que se modelan a través de este tipo de flujos de trabajo son las campañas de marketing que tienen como objetivo motivar a los potenciales clientes en el consumo de un determinado producto o servicio. En este trabajo, se presenta el proyecto Inteligencia (Artificial) de Negocio para Flujos de Trabajo Sociales, en el que se combinan técnicas de minería de procesos, estrategias de paralelización de algoritmos, y técnicas de localización y seguimiento de usuarios, con el fin de extraer información relevante sobre SOW, como los que modelan, entre otros, el comportamiento de los usuarios en campañas de marketing desarrolladas en escenarios abiertos.

Autores: Manuel Lama / Pedro Álvarez / Manuel Ocaña / Manuel Mucientes / Joaquín Ezpeleta / Miguel Ángel Garrido / Alberto Bugarín / 
Palabras Clave: