Avaliação de desempenho de aplicações hadoop no Azure

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorDrummond, Lúcia Maria de Assumpção-
Autor(es): dc.contributorBoeres, Maria Cristina Silva-
Autor(es): dc.contributorCastro, Maria Clicia Stelling-
Autor(es): dc.contributorZamith, Juliana Mendes Nascente e Silva-
Autor(es): dc.creatorSanta Rosa, Caroline Carneiro-
Data de aceite: dc.date.accessioned2024-07-11T18:19:39Z-
Data de disponibilização: dc.date.available2024-07-11T18:19:39Z-
Data de envio: dc.date.issued2022-02-09-
Data de envio: dc.date.issued2022-02-09-
Data de envio: dc.date.issued2019-11-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/24538-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/768350-
Descrição: dc.descriptionAtravés dos servi ̧cos oferecidos por provedores de nuvens é possível que vários ambientes sejam criados partindo de um mesmo hardware físico. Tudo isto só é possível através da tecnologia de virtualização, que simula e dedica recursos a aplicações diferentes a partir de um mesmo hardware físico. Através da virtualização, os servidores não estão dedicados a processos de uma única aplicação. Neste trabalho são abordados alguns dos serviços oferecidos pelo provedor de nuvens da Microsfit o Azure, em especial a infraestrutura através de máquinas virtuais, que são configuradas para executar aplicações do tipo MapReduce do Hadoop, ferramenta de processamento distribuído de dados. O SDK do Azure para Python é utilizado para criar e gerenciar as máquinas via Python. Além disso, é apresentada a técnica de redimensionamento horizontal de recursos, a qual utiliza uma implementação realizada em Python para monitorar o cluster e realizar o redimensionamento dos recursos. Apresentamos também testes de aplicações Hadoop MapReduce em clusters de máquinas virtuais para realizar uma análise dos ambientes virtuais, considerando tempos de execução e custos financeiros. Finalmente, comparamos os resultados obtidos neste projeto com os resultados dos testes que foram realizados em um trabalho anterior utilizando o Amazon EMR com instâncias EC2.-
Descrição: dc.descriptionAbstract Through the services offered by cloud servers, multiple environments may be crea- ted starting from the same hardware. All that is only possible by relying on the virtuali- zation technology, which simulates and dedicates resources to different applications using the same device, conceding servers not to be exclusive to processes of a single application. In this paper, some services provided by Microsoft Azure’s cloud platform are addressed, mainly, the infrastructure using virtual machines set to execute Hadoop’s Ma- pReduce, which is the distributed processing tool for data. Azure’s python SDK is used to build and maintain machines via python. Besides that, is presented the technique of horizontally resize resources, utilizing an implementation realized in the python to monitoring the cluster and perform the resize. It is also shown application tests in the Hadoop MapReduce at virtual machines’ clusters, aiming to analyze virtual environments, considering execution time and financial cost. Finally, the retrieved results are compared against the Amazon EMR with EC2 instance from a previous paper.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal Fluminense-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectRedimensionamento-
Palavras-chave: dc.subjectVirtualização-
Palavras-chave: dc.subjectElasticidade-
Palavras-chave: dc.subjectCiência da Computação-
Palavras-chave: dc.subjectElasticidade-
Palavras-chave: dc.subjectComputação em nuvem-
Palavras-chave: dc.subjectScaling-
Palavras-chave: dc.subjectVirtualization-
Palavras-chave: dc.subjectElasticity-
Título: dc.titleAvaliação de desempenho de aplicações hadoop no Azure-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.