Esse capítulo de livro descreve o papel, por vias esquecido, que a compressão de dados pode ter no âmbito de processamento de alto desempenho. Hoje, com a concretizac ¸ão do uso de Internet das Coisas e implantac ¸ão onipresente de algoritmos de Inteligência Artificial, o tratamento de dados ganham muita ênfase para que consigamos desempenho. Isso porque ainda seguimos com a sentenc ¸a que eles são manipulados numa ordem de grandeza temporal bem maior que processamentos feitos pela CPU. Diante disso, o capítulo de livro apresenta os cenários que podem usufruir de aspectos de compressão de dados, bem como discute diferentes técnicas, sub-tempos envolvidos e casos de uso. Acreditamos que compressão possa ser muito explorada nos novos cenários de transformac ¸ão digital, podendo também ser protagonista para a modelagem de sistemas computacionais de alto desempenho.

No abstract

Este artigo tem como objetivo apresentar as idéias para o desenvolvimento de um framework para balanceamento de carga chamado GetLB. Considerando o contexto de transferência eletrônica de fundos (TEF), GetLB oferece uma nova forma de organizar as interações entre o chaveador e as máquinas processadoras. Esta organização permite que o chaveador combine informações atualizadas para a execução de um algoritmo de programação dinâmica em vez de usar a abordagem Round-Robin entre as máquinas de processamento. O algoritmo de agendamento de GetLB divide as transações em diferentes tipos, combinando suas necessidades de CPU, memória e disco de dados de máquinas processadoras para oferecer um balanceamento de carga eficiente. Implementou-se um protótipo com RMI e testes revelaram que o quadro é viável para processamento de transações sobre os ambientes homogêneos e heterogêneos. Além disso, a avaliação apresentou as vantagens da adoção de algoritmos GetLB em vez da abordagem Round-Robin tradicional.

Abstract. This article aims to present the first ideas for developing a framework for load-balancing called GetLB. Considering the electronic funds transfer (EFT) context, GetLB offers a new scheduling heuristic that optimizes the selection of Processing Machines to execute transactions in a processing center. Instead of using the RoundRobin typical approach, the proposal combines data from computation, network, memory and disc metrics for producing a unified scheduling approach, denoted LL (i,j). The proposal calculates the load level of executing an i-typed transaction on a j specific Processing Machine. Furthermore, the load-balancing framework also enables notifications triggered by Processing Machines to the Dispatcher for informing it about asynchronous events such as administrative tasks or transactions disposing. Aiming to evaluate GetLB, a simple prototype was developed by using Java RMI. Preliminary tests revealed that the framework is feasible, outperforming the number of queued transactions obtained with the Round-Robin approach.

Esse artigo apresenta uma nova arquitetura que integra computação em nuvem e neblina com compressão de dados para aquisição e processamento de informações em uma base heterogênea de dispositivos medical IoT (MIoT) que monitoram sinais vitais. O modelo permite processar uma grande base de dados distribuídos com baixa latência e baixo consumo de banda de dados.