Otimizando Redes Virtuais Ao Longo Do Tempo Através Da Integração De Modelos Multiplicativos Da Data Envelopment Analysis (Dea) Com a Avaliação Da Estrutura Fractal
Total Page：16
File Type：pdf, Size：1020Kb
Pós-Graduação em Ciência da Computação FRANCISCO DALADIER MARQUES JÚNIOR OTIMIZANDO REDES VIRTUAIS AO LONGO DO TEMPO ATRAVÉS DA INTEGRAÇÃO DE MODELOS MULTIPLICATIVOS DA DATA ENVELOPMENT ANALYSIS (DEA) COM A AVALIAÇÃO DA ESTRUTURA FRACTAL Universidade Federal de Pernambuco [email protected] www.cin.ufpe.br/~posgraduacao Recife 2019 FRANCISCO DALADIER MARQUES JÚNIOR OTIMIZANDO REDES VIRTUAIS AO LONGO DO TEMPO ATRAVÉS DA INTEGRAÇÃO DE MODELOS MULTIPLICATIVOS DA DATA ENVELOPMENT ANALYSIS (DEA) COM A AVALIAÇÃO DA ESTRUTURA FRACTAL Tese apresentada ao Programa de Pós- Graduação em Ciências da Computação da Universidade Federal de Pernambuco, como requisito parcial para a obtenção do título de Doutor em Ciências da Computação. Área de concentração: Redes de Computadores Orientador: Paulo Roberto Freire Cunha Co-orientador: Kelvin Lopes Dias Recife 2019 Catalogação na fonte Bibliotecária Arabelly Ascoli CRB4-2068 M357o Marques Júnior, Francisco Daladier Otimizando redes virtuais ao longo do tempo através da integração de modelos multiplicativos da Data Envelopment Analysis (DEA) com a avaliação da estrutura fractal / Francisco Daladier Marques Júnior. – 2019. 175 f.: il., fig., tab. Orientador: Paulo Roberto Freire Cunha Tese (Doutorado) – Universidade Federal de Pernambuco. CCEN. Ciências da Computação. Recife, 2019. Inclui referências e apêndices. 1. Autossimilaridade. 2. Multiplicativos DEA. 3. Absorção multifotônica. 4. Termometria óptica. I. Cunha, Paulo Roberto Freire (orientador). II. Título. 004.6 CDD (22. ed.) UFPE-MEI 2019-126 FRANCISCO DALADIER MARQUES JÚNIOR OTIMIZANDO REDES VIRTUAIS AO LONGO DO TEMPO ATRAVÉS DA INTEGRAÇÃO DE MODELOS MULTIPLICATIVOS DA DATA ENVELOPMENT ANALYSIS COM A AVALIAÇÃO DA ESTRUTURA FRACTAL Tese apresentada ao Programa de Pós- Graduação em Ciências da Computação da Universidade Federal de Pernambuco, como requisito parcial para a obtenção do título de Doutor em Ciências da Computação. Aprovada em: 07/02/2019. BANCA EXAMINADORA _________________________________________________ Prof. Dr. José Augusto Suruagy Monteiro Centro de Informática/UFPE _________________________________________________ Prof. Dr. Paulo Romero Martins Maciel Centro de Informática/UFPE _________________________________________________ Prof. Dr. Ricardo Massa Ferreira Lima Centro de Informática/UFPE _________________________________________________ Profª. Dra. Ana Lúcia Miranda Lopes Faculdade de Ciências Econômicas/UFMG _________________________________________________ Prof. Dr. Jorge Luiz de Castro e Silva Centro de Ciências e Tecnologia/UECE Dedico este trabalho a Deus, aos meus pais, esposa, família, professores, amigos e colegas. “A geometria fractal é baseada na Lei dos Grandes Números, devido ao fato de que a média de um conjunto de números altamente aleatórios tende a ser próximo da média da população inteira.” (MANDELBROT; TALEB, 2012., pg 2) AGRADECIMENTOS Glória e louvores à Santíssima Trindade pelo discernimento e perseverança que me foram concedidos nesta longa caminhada. Aos meus pais, Daladier, Neide e Mãe Corrinha, que nunca pouparam esforços, amor, carinho, palavras de incentivo e orações, desde o início do processo educativo, até chegar ao tão sonhado momento da defesa do doutorado. A minha esposa – Máisa Vitório – que com amor, inteligência, afeto, orações, paciência, incentivos e compreensão, ainda teve forças para me apoiar em todos os momentos, desde a graduação. Agradeço toda a forma de apoio, orações e carinho dos meus avós paternos – Juarez (In memoriam) e Belinha – e maternos – Chico Tomaz (In memoriam) e Santú (In memoriam). Aos meus irmãos, D´Sávio e Raphaella, pelo incentivo e irmandade. Ofereço este trabalho a todos meus familiares das famílias Tomaz, Aquino, Dantas, Feitosa e Marques, em especial, ao meu padrinho Zé Pedro, Tia Gracineide, Tia Lizieux, enfim, tios, primos, entre outros familiares que me acolheram e incentivaram ao longo do processo educativo. Agradeço a todos os meus professores, desde a infância até hoje, em especial a Tia Ilzineide Mangueira e Carmelita Gonçalves. Estendo o agradecimento, também, aos amigos e colegas de estudo e pesquisa que fiz em vários rincões do Brasil e pelo mundo, os quais muito acrescentaram à minha formação científica. Em especial, aos meus cunhados – Marcelo Vitório (minhas sobrinhas e afilhada) e Emmanuel Marcílio Vitório (In memoriam) e aos colegas: Marcelo Damasceno, Enyo José Tavares, Wallison Pereira, Diego Ernesto, Fabio Gomes e aos demais colegas da área de Informática do IFPB/Campus Cajazeiras. Acrescento homenagem ao meu amigo e conterrâneo sertanejo – Doutor André Pereira – que foi uma grande fonte de inspiração pela forma como se dedicou incansavelmente aos estudos. Outrossim, agradeço ao IFPB/Campus Cajazeiras, por investir em minha qualificação desde o mestrado, provendo condições para que eu pudesse atingir sempre meu nível máximo como cientista. Agradeço, em especial, ao Professor Jorge Luiz, da UECE, por ter acreditado no meu trabalho desde o mestrado até o doutorado. O mentor que apresentou os nortes da autossimilaridade e otimização multicritério de redes. Agradeço também ao Professor Clécio Thomaz, pela paciência, orientações e ensinamentos sobre DEA. À UECE, seu corpo docente do mestrado acadêmico, especificamente aos Professores: Joaquim Celestino Júnior, Gustavo Augusto Campos, Jerffeson Teixeira, José Everardo Bessa, Marcial Fernandez, Valdísio Viana em Ciência da Computação. Além de todos os funcionários daquele programa, em especial, ao amigo Marcos. Ao meu orientador e co-orientador do doutorado, respectivamente, o Professor Paulo Cunha e o Professor Kelvin Lopes. Vale ressaltar que ambos me reservaram atenção especial durante o doutorado, ajudando sempre proativamente, corrigindo-me nas horas certas. Enfim, agindo de alguma forma para que eu chegasse neste momento especial da minha carreira. Ao Centro de Informática da UFPE todo o meu respeito, admiração e agradecimento por ter aprendido a avaliar uma rede virtual ao longo. Por isso, agradeço em especial aos Professores Paulo Maciel, Ricardo Massa, Stênio Fernandes e Djamel Sadok, pois, através do conhecimento repassado por todos, consegui chegar à defesa do doutorado ao otimizar redes virtuais com os modelos multiplicativos DEA. Agradeço, também, ao Professor José Augusto Suruagy que pontualmente ajudou no aperfeiçoamento da tese. Gratidão especial à Professora Ana Lúcia Miranda Lopes, pela confiança, apoio, solicitude e, principalmente, por ter aberto as portas do mundo, ao me indicar como pesquisador visitante da Aston Bussiness School (ABS). A esta relevante instituição internacional, agradeço com afeto especial e estendo o agradecimento aos demais Professores, pessoal de apoio da ABS, bem como aos colegas e amigos ingleses, em especial, à minha amiga Debashree De. Agradeço, imensamente, ao Professor Ali Emrouznejad, pelas orientações, paciência, simplicidade e ensinamentos sobre os modelos multiplicativos DEA, bem como por ter me transformado em um cientista mais maduro. A ele e a todos, o meu muito obrigado será traduzido no trabalho doutoral adiante. RESUMO Recentemente, a predição da configuração mais eficiente entre um vasto conjunto de dispositivos usados para montar um ambiente otimizado de serviços de computação, em nuvem e redes virtuais, tem atraído uma atenção crescente. Esta tese propõe uma mudança de paradigma na modelagem do comportamento do Transmission Control Protocol (TCP), ao longo do tempo, em redes virtuais, usando modelos da Data Envelopment Analysis (DEA). Em primeiro lugar, é mostrado que a autossimilaridade com dependência de longo alcance é apresentada de forma diferente em todos os dispositivos de rede. De fato, este trabalho implementa uma nova aplicação da dimensão fractal em redes virtuais para previsão, no qual esse índice chave informa se a camada de transporte encaminha serviços de tráfego com comportamento suave ou irregular ao longo do tempo. Outra contribuição substancial é mostrar que os dispositivos de rede virtual possuem valores distintos relativos à dimensão fractal, desempenho da largura de banda do TCP e memória fractal ao longo do tempo. Portanto, esses índices fractais elencados são usados por esta tese para a predição de dados espaço-temporais em redes virtuais. Assim, uma metodologia de avaliação de desempenho fractal em etapas é desenvolvida como um sistema especialista para avaliação de redes virtuais, bem como, implementa esta análise fractal como representação de conhecimento. Todavia, devido às limitações dos modelos clássicos DEA, são introduzidos modelos multiplicativos estáticos e dinâmico da DEA para avaliar as séries temporais dos diversos hipervisores de redes. Para a aquisição do conhecimento, 50 hipervisores de redes virtuais diferentes foram avaliados como unidades de tomada de decisão ou uma decision-making unit (DMU). Outrossim, os experimentos foram escalados usando um hipervisor de tipo-I, no qual variaram-se parâmetros de CPU e RAM virtuais. Os experimentos escalados geraram 288 DMUs, que foram avaliadas segundo o modelo Super-Cobb-Douglas DEA com orientação à entrada, também concebido por este trabalho. Resumindo, esse sistema especialista também funciona como um hipervisor matemático capaz de determinar o padrão fractal mais eficiente para fornecer serviços de tráfego TCP. Enfim, os resultados obtidos, ao empregar as variáveis de decisão elencadas em qualquer um dos modelos multiplicativos DEA aqui lançados, garantem que a escolha da DMU mais eficiente irá fornecer um serviço de rede virtual, com