Selección inteligente de estrategias basadas en conocimiento para Scheduling en computación GRID/CLOUD

Programa financiador: 
  UNIVERSIDAD DE JAEN-Ayudas para la realización de Proyectos de Investigación dentro del Plan Plurianial  de Actividades 2013 del Centro de Estudios Avanzados en Tecnologías de la Información y la Comunicación de la Universidad de Jaén
4.250,00 €
Referencia: 
CEATIC_2013
Grupo de Investigación: 
Tratamiento de señales en Sistemas de Telecomunicación
Investigador principal: 
García Galán, Sebastián
Fecha de inicio: 
15/10/2013
Fecha Fin: 
31/05/2015
Miembros participantes: 
Martínez Muñoz, Damián
Muñoz Expósito, José Enrique
Ruiz Reyes, Nicolás
Vera Candeas, Pedro
Descripción: 

Cloud Computing es un nuevo paradigma de computación distribuida que proporciona a sus usuarios servicios tales como la ejecución de aplicaciones de forma on-line, plataformas para el desarrollo de aplicaciones y/o una infraestructura de una elevada capacidad de cómputo y almacenamiento. El objetivo final de estos servicios consiste en la mejora de la productividad que las empresas pueden conseguir al externalizar sus necesidades informáticas y contratar los servicios Cloud. Por otra parte, un Grid computacional es una colección de recursos computacionales autónomos, heterogéneos y geográficamente distribuidos que cooperan y comparten capacidades para lograr un objetivo común. Por lo tanto, una mejora en las prestaciones de un sistema Grid representa una mejora en las prestaciones del sistema Cloud que lo utilice como infraestructura.

Uno de los problemas más críticos que aparecen cuando se implementa un Grid computacional es la planificación para la gestión eficiente de los recursos del sistema, conocida comúnmente como Grid scheduling. Recientes trabajos sugieren la utilización de sistemas expertos que trabajen como schedulers. Estos sistemas expertos basan su funcionamiento en la descripción borrosa del estado del Grid y la aplicación de reglas borrosas para inferir la mejor selección de recursos. La obtención de estas reglas borrosas está sujeta a un proceso de aprendizaje u optimización considerando los objetivos perseguidos por el Grid scheduling.

Concretamente, en Grid scheduling se pueden consideran diversos objetivos de optimización tales como makespan, flowtime,tardiness, average weighted response time, resources usage, slowdown, etc. Además, los criterios de optimización pueden presentar conflictos de intereses en el sentido de que mejorar uno implica empeorar otro.

La idea general del proyecto consiste en realizar una optimización multi-objetivo y una posterior selección inteligente de las soluciones que se obtienen como resultado. Resulta especialmente interesante la obtención de soluciones no dominadas, de forma que se tengan soluciones igualmente eficientes en sentidos diversos que puedan ser empleadas en cada momento dependiendo del estado del Grid.