Evaluating High Performance Computing on the Windows Azure Platform

Roloff, Eduardo; Birck, Francis; Diener, Matthias; Carissimi, Alícia; Navaux, Philippe O. A.

doi:10.1109/cloud.2012.47

Cited by 31 publications

(15 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Um threshold superior é usado para a alocação, enquanto outro, inferior, é útil para a consolidação de recursos. Apesar da denominação automática, normalmente a técnica reativa passa por uma pré-configuração pelo usuário, que deve redigir as regras, condições e ações [9,11]. Além de requerer perícia na ferramenta de nuvem, cada novo serviço necessita de um novo esforço para a redação do trio acima.…”

Section: Política De Alocação De Recursosunclassified

“…Nesse sentido, os demais middlewares, em sua maioria, oferecem a sua própria API e compatibilidade com AWS. A seguir, são apresentados alguns middlewares de nuvem e as APIs que suportam: (i) OpenNebula [36]: AWS, OCCI (Open cloud Computing Interface), Java e vCloud; (ii) RackSpace [11]: RESTful, C#/.NET, Python, PHP e Java; (iii) Nimbus [10]: WSRF e AWS; (iv) Eucalyptus [37]: AWS e Java; (v) OpenStack [38]: Java e AWS; (vi) CloudStack [39]: Java e AWS. Nuvens privadas mantêm compatibilidade com a interface AWS para a formação de nuvens híbridas.…”

Section: Interface De Usounclassified

See 1 more Smart Citation

Elasticidade em cloud computing: conceito, estado da arte e novos desafios

Righi

2013

Revista Brasileira De Computação Aplicada

View full text Add to dashboard Cite

Resumo: A elasticidade é, sem dúvida, uma das características mais marcantes da computação em nuvem, sendo um diferencial desse tipo de sistema distribuído em relação a outros, como grades computacionais e peer-to-peer. Com base nos paradigmas de computação sobre demanda e paguepelo-que-use, é possível dinamicamente aumentar ou diminuir instâncias de máquinas virtuais e/ou nós de computação, bem como aplicar reconfigurações de percentagem de CPU, memória e largura de banda de rede relativos a um serviço em nuvem. Além dos evidentes benefícios de custo e desempenho para o usuário, o provedor da nuvem tem a vantagem de oferecer um melhor uso dos recursos aos seus usuários. Nesse contexto, este artigo apresenta o estado da arte na área de elasticidade em nuvem, enfatizando desde a abordagem padrão que usa transações web até iniciativas para a computação de alto desempenho. Ainda, o texto discute sobre métricas para ativação da elasticidade, o seu nível de atuação (SaaS, PaaS ou IaaS), bem como a interface de uso (sem intervenção do usuário, linha de comando, ferramenta gráfica ou diretivas de programação). Para fins de experimentação, um estudo de caso do emprego da elasticidade em aplicações de alto desempenho sobre o middleware OpenNebula é apresentado e discutido. Por fim, o artigo aponta os desafios na área e oportunidades de pesquisa, tanto no cunho das nuvens privadas quanto no das públicas. Palavras

show abstract

Section: Política De Alocação De Recursosunclassified

Section: Interface De Usounclassified

Elasticidade em cloud computing: conceito, estado da arte e novos desafios

Righi

2013

Revista Brasileira De Computação Aplicada

View full text Add to dashboard Cite

show abstract

“…It is most suitable for application with small amount of communication [13] and it does not work well for tightlycoupled applications compared to Amazon EC2 or cluster [14]. Hill et al [15] provided a performance analysis of VMs, storage services and SQL services in Azure.…”

Section: B Windows Azure Performancementioning

confidence: 99%

Performance Analysis of SaaS Ticket Management Systems

Gushev¹,

Ristov²,

Gušev³

2014

Annals of Computer Science and Information Systems

View full text Add to dashboard Cite

Abstract-Cloud architecture has the ability of sharing hardware resources and services among multiple tenants. In this paper we measure the performance for the multi-VM (multiple virtual machines) cloud architecture and compare it with the single-VM architecture. Renting resources on a cloud usually comes with a variety of options, such as use of more and smaller virtual machines or use of less and bigger virtual machines. The objective of this research is to find out which scenario gives better performance for the same price of rented resources. This will be done by comparing the following attributes: Average response time, Pages per second, Average page time, Requests per second, CPU time. We setup a hypothesis that the multi-VM approach would be better, and the best architecture is the one offering the highest number of small virtual machines, predicting that the computational demands will spread to different virtual machines in a balanced manner. The results confirm the hypothesis and lead to a recommendation for an optimal architecture of a cloud based solution for a common transactional web solution.

show abstract

“…This cluster ranked 101 on the Top 500 list for November 2014 [1]. The cloud has been successfully employed to process HPC jobs for actual scientific experiments [2]. Recent studies have shown that the performance of small and medium virtual clusters can compete with physical hardware.…”

Section: Introductionmentioning

confidence: 99%

Robust Performance-Based Resource Provisioning

P¹,

Devi²,

K³

2017

IJECS

View full text Add to dashboard Cite

Cloud computing has enabled entirely new business models for high-performance computing. It is a dedicated local highperformance computer is still an option for some, but more are turning to cloud computing resources to fulfil their high-performance computing needs. With cloud computing it is possible to tailor your computing infrastructure to perform best for your particular type of workload by selecting the correct number of machines of each type. This paper presents an efficient algorithm to find the best set of computing resources to allocate to the workload. This research is applicable to users provisioning cloud computing resources and to datacenter owners making purchasing decisions about physical hardware. Studies have shown that cloud computing machines have measurable variability in their performance. Some of the causes of performance variability include small changes in architecture, location within the datacenter, and neighboring applications consuming shared network resources. The proposed algorithm models the uncertainty in the computing resources and the variability in the tasks in a many-task computing environment to find a robust number of machines of each type necessary to process the workload. In addition, reward rate, cost, failure rate, and power consumption can be optimized, as desired, to compute Pareto fronts.

show abstract

Evaluating High Performance Computing on the Windows Azure Platform

Cited by 31 publications

References 11 publications

Elasticidade em cloud computing: conceito, estado da arte e novos desafios

Elasticidade em cloud computing: conceito, estado da arte e novos desafios

Performance Analysis of SaaS Ticket Management Systems

Robust Performance-Based Resource Provisioning

Contact Info

Product

Resources

About