Universidade Federal de Campina Grande Departamento de Sistemas e Computao Laboratrio de Sistemas Distribudos Av. Aprgio Veloso, s/n - Bodocong

Tamanho: px
Começar a partir da página:

Download "Universidade Federal de Campina Grande Departamento de Sistemas e Computao Laboratrio de Sistemas Distribudos Av. Aprgio Veloso, s/n - Bodocong"

Transcrição

1 Universidade Federal de Campina Grande Departamento de Sistemas e Computao Laboratrio de Sistemas Distribudos Av. Aprgio Veloso, s/n - Bodocong Campina Grande - PB , Brazil 1

2 Computao intensiva em dados com MapReduce em ambientes oportunistas Jonhnny Weslley Silva1, Thiago Emmanuel Pereira da Cunha Silva1, Francisco B January 17, 2011 Abstract The MapReduce programming model has emerged as a popular approach for the processing and generation of the large data sets that are becoming so common nowadays. A MapReduce program is typically comprised of a map function that takes as input a list of key/value pairs and outputs a list of transformed key/value pairs that are appropriately merged by a reduce function to produce the final output. By stripping the input data in several blocks and feeding these blocks to map functions executed in multiple processing nodes, very high throughput can be achieved. Instrumental to MapReduce s performance are the existence of: i) a distributed file system to store the input data in the disks sitting in the different nodes used to process the data; and, ii) a scheduler that tries to assign tasks to run whenever possible on the nodes that hold the data they process. Much of the current popularity experienced by the MapReduce paradigm is due to the Hadoop open source implementation. More recently, BashReduce, a script-based implementation of the MapReduce programming model for POSIX-compliant systems, attempts to increase MapReduce s reach even further, by allowing MapReduce programs to be written in an even simpler way and executed over the desktops of conventional local area networks. Unfortunately, BashReduce s performance is severely hurt by the fact that, differently from other implementations, it is not tied to a particular distributed file system implementation and has a very simplistic scheduling algorithm. In this paper we show how the use of an appropriate POSIX-compliant distributed file system and a simple modification to BashReduce s scheduling algorithm can substantially boost its performance, making 2

3 it a very attractive platform for the execution of MapReduce applications by a much larger user community. Este meta-artigo descreve o estilo a ser usado na confeco de artigos e resumos de artigos para publicao nos anais das conferncias organizadas pela SBC. solicitada a escrita de resumo e abstract apenas para os artigos escritos em portugus. Artigos em ingls devero apresentar apenas abstract. Nos dois casos, o autor deve tomar cuidado para que o resumo (e o abstract) no ultrapassem 10 linhas cada, sendo que ambos devem estar na primeira pgina do artigo. 1 Introduction Recently several organisations are using the MapReduce programming model to face the increasing demand for the processing of data-intensive applications. MapReduce is an emerging programming model that enables easy development of scalable parallel applications to process vast amounts of data on large clusters of commodity machines. It was originally proposed by Google to handle large-scale web search applications [?] and has been used by other companies and universities in a wide variety of applications, like data mining, machine learning, and natural language processing [?]. A MapReduce application takes as input a set of key/value pairs, and produces a set of output key/value pairs. The application logic uses two operations: a map function to process input key/value pairs and generate intermediate key/value pairs, and a reduce function to merge all intermediate pairs associated with the same key, and form a possibly smaller set of values. The MapReduce runtime automatically distributes the tasks for execution on the multiple processing nodes available, trying to avoid, as much as possible, the traffic of data over the network that links the computing nodes. Moreover, it takes care of the details of partitioning and replicating input data, managing any required inter-node communication, and handling node failures. Thus, it can improve the productivity of the programmers, since they are free to concentrate on the applications business logic without worrying about the aspects that will allow their efficient execution on a distributed substrate. Currently, the two best known frameworks for the development and execution of MapReduce applications are the proprietary one developed by 3

4 Google, and Hadoop [?], an open source implementation supported by the Apache Software Foundation. Google s implementation uses the Google File System (GFS) [?] as its underlying storage infrastructure, while Hadoop is supported by the Hadoop Distributed File System (HDFS) [?]. Both implementations are meant to execute on clusters of commodity processing nodes, with each node incorporating a fair amount of local secondary storage space where the corresponding companion distributed file systems store the files to be processed. However, with the increasing popularity of MapReduce, there are many efforts trying to support it on other architectures [?,?] and exploring various ways to make it more suitable for a wider user community [?] and range of applications [?]. In this work, we address the problem of how to easily and efficiently execute MapReduce applications in standard desktops available in conventional local area networks (LANs). Such approach is feasible, given that a notably fraction of desktops shows low CPU load [?] and disk usage [?]. In this direction, early last year, Erik Frey has announced the implementation of a very simple framework for the implementation of MapReduce applications over POSIX-compliant systems [?], called BashReduce [?]. BashReduce was designed for simplicity of use and imposes very little requirements from the underlying infrastructure. In particular, it does not assume that a distributed file system is in place. Obviously, this characteristic substantially limits the performance that can be attained when running BashReduce applications. At about the same time, ourselves and other colleagues at the Federal University of Campina Grande, were working on the design and implementation of a distributed file system that harnesses the free disk space of desktops connected by a LAN [?]. Similarly to GFS and HDFS, the Beehive File System (or BeeFS, for short) has been designed following a hybrid architecture that employs a centralised server to store metadata and manage file placement and replication and multiple data storage servers that collaboratively store data. This architecture reduces the bottleneck on the central server, and allows the incremental growth of the storage capacity with the addition of new desktops to the system. On the other hand, differently from GFS and HDFS, the primary purpose of BeeFS is to provide a POSIX-compliant distributed file system that is not only more efficient than the prevalent approach based on dedicated servers (eg. NFS), but also cheaper and naturally scalable. Nevertheless, after getting to know BashReduce, it was clear to us that BeeFS and BashReduce were meant for each other. 4

5 In this paper, we show how a simple modification to BashReduce s original scheduling algorithm allows it to fully explore the distributed nature of BeeFS to substantially boosts its performance. In our experiments we have measured increases in the performance of the applications ranging from 17 to 42 times, when comparing executions that store files in a standard NFS file system (the current approach normally followed by BashReduce users) with those that use BeeFS instead. Given that BeeFS is useful on its own as an alternative to NFS, we envisage that, in time, executing BashReduce applications with the support of BeeFS file systems may turn out to be a common configuration for POSIX-compliant desktops connected by a LAN. The rest of the paper is organised as follows. In the next section we present a brief overview of BashReduce. This is followed, in Section 4, by a description of the architecture and functioning of BeeFS. In Section??, we discuss the modifications that need to be done in BashReduce scheduling algorithm to allow the exploitation of BeeFS. The results of the performance evaluation experiments executed are reported in Section 5. Section 6 concludes the paper with our final remarks. 2 Compromissos confiabilidade/desempenho no MapReduce O arcabouo MapReduce foi construdo considerando uma infraestrutura de execuo composta por componentes de uso geral. Levando isto em considerao, seu projeto incorpora mecanismos de tolerncia a faltas, por exemplo redundncia no armazenamento, para reduzir a indisponibilidade do servio. Tipicamente os procedimentos necessrios para atingir os requisitos de confiabilidade impem uma sobrecarga adicional de processamento, e portanto diminuem o desempenho do sistema. Por exemplo, este o caso dos mecanismos de redundncia implementados em MapReduce rplicas dos dados precisam ser criadas antes da execuo das tarefas que processam estes dados. A influncia destes mecanismos de tolerncia a falta sobre o desempenho do MapReduce so avaliados na prxima seo. Em particular, comparamos a alternativa convencional de redundncia no armazenamento com um mecanismos reativo, ou seja, quando um determinado dado de entrada fica indisponvel outro verso criada. Para isto assumimos que os dados a serem processados 5

6 em uma instalao MapReduce existem em outra infraestrutura de armazenamento, sendo copiados para aquela antes da execuo da tarefa MapReduce. Desde modo, sempre possvel criar uma nova rplica em caso de indisponibilidade de um dado a ser processado. 2.1 Modelo Desempenho/Confiabilidade Os efeitos sobre o desempenho dos mecanismos de confiabilidade descritos na seo anterior foram avaliados em termos do tempo para finalizao das tarefas. Tempo este que aumentado devido a re-execuo de tarefas ocasionadas por faltas. Embora esta degradao ocorra, a finalizao da tarefa garantida. Consideramos que as faltas que ocorram durante o servio de execuo de uma tarefa no podem ser postergadas, assim causando a imediata interrupo deste servio. Quando a falta reparada, a execuo da tarefa retomada do incio e ter tempo de execuo idntico quele programado para a tarefa abortada. O servio de execuo finalizado quando, pela primeira vez, o tempo de execuo da tarefa (potencialmente re-executada) passa sem que tenha acontecido nenhuma interrupo. Isto considerado, o tempo de finalizao de uma tarefa pode ser definido como n n S + S n(i) + D(i) i=0 i=0 onde S denota o tempo de execuo da tarefa caso no haja interrupo, D(i) a durao da i-sima interrupo (o tempo entre a falta e a re-execuo da tarefa), e S (i) a poro de tempo de execuo entre o incio da execuo da tarefa e a i-sima interrupo, constituindo assim trabalho desperdiado. 2.2 Avaliao do modelo O tempo de finalizao tarefas das tarefas foi avaliado segundo o modelo de desempenho/confiabilidade para as duas estratgias de execuo descritas na Seo 2. Levou-se em considerao faltas causadas pela indisponibilidade de recursos. Em plataformas de computao distribuda que usam recursos oportunistas, tipicamente um recurso tido como indisponvel caso esteja desligado ou quando alocado para processos do dono do recurso. Os intervalos de disponibilidade foram modelados por uma distribuio Weibull com parmetros 6

7 shape = e scale = 1642, conforme caracterizado em um experimento usando recursos da plataforma [?]. O nmero de execues abortadas at que uma execuo seja finalizada segue uma distribuio geomtrica com valor esperado dado por 1 p. Sendo p, a probabilidade de um recurso torna-se p indisponvel durante a execuo de uma tarefa. Esta avaliao no considera os detalhes das reais implementaes da execuo e recuperao de tarefas. Ao contrrio, considera-se os custos relativos entre estas atividades. A relao entre a quantidade de computao realizada e o tamanho dos dados de entrada, que varivel em cada aplicao, fica abstrada nesta mesma relao de custo. A Figura 1 ilustra a relao entre o tamanho das tarefas e o tempo para finalizao destas para o mecanismo reativo descrito na Seo 2. Neste cenrio adotou-se as seguintes relaes: S = 4 S = 4D. Este valores foram arbitrados 3 tomando como base que o tempo de execuo de uma tarefa decomposto entre o tempo de computao e leitura/armazenamento seguindo a proporo 1 : 4. Outrossim, o tempo de execuo da tarefa S inclui transferncia de dados e computao, a interrupo D envolvem apenas transferncia de dados (criao de uma nova rplica), e a fase de re-execuo S apenas computao. figures/001_25_001_3.png Figure 1: Tempo de execuo (em segundos) para as aplicaes BashReduce executando sobre o BeeFS e o NFS em funo do nmero de mquinas slaves usadas. 3 BashReduce Overview BashReduce uma implementao baseada em bash script do modelo de programao Map/Reduce para sistemas compatveis com a especificao POSIX [?]. Ele possibilita a execuo de aplicaes Map/Reduce de forma simples utilizando apenas um conjunto de estaes de trabalho conectadas por uma rede local. Portanto, ele bastante til quando uma infraestrutura de cluster no est disponvel. Alm disso, o usurio pode utilizar as ferramentas do shell Unix (tais como: sort, awk, grep, cut, paste entre outras), para descrever tanto a funo map 7

8 quanto a funo reduce das aplicaes BashReduce. Sendo, portanto, mais simples do que realizar a sequncia de passos necessrios para executar aplicaes com as implementaes mais populares do modelo Map/Reduce. Normalmente, o fluxo para executar uma aplicao Map/Reduce consiste em escrever um programa, compil-lo e, finalmente, submet-lo para execuo. Alm disso, ainda que uma infraestrutura Map/Reduce esteja disponvel, se os dados a serem processados no foram gerados no sistema de armazenamento especfico do framework Map/Reduce em uso (e.g. HDFS para sistemas Hadoop), talvez seja mais interessante utilizar o aplicativo BashReduce para processar estes dados sem a necessidade de transferi-los para um outro sistema de arquivos. BashReduce transparentemente gerencia o particionamento dos dados, paraleliza a computao, coleta os resultados produzidos, juntando-os para produzir o resultado final. Contudo, o aplicativo BashReduce no possui suporte para tolerncia a falhas. A nica forma disponvel para identificar erros ocorridos durante a execuo de uma aplicao por meio da anlise dos logs gerados a partir da sada de erro padro (stderr) dos processos remotos. Embora arquivos de logs sejam teis para a identificao de erros, a anlise deve ser realizada de forma manual pelo usurio. Logo, BashReduce no indicado para executar aplicaes que necessitam de vrias horas para terminar o processamento dos dados. Mesmo assim, BashReduce ainda uma ferramenta que pode ajudar em tarefas dirias e, at mesmo, para realizar anlise dos logs de outras aplicaes [?]. Com BashReduce, o usurio pode utilizar como entrada um nico arquivo ou um diretrio neste ltimo caso, todos os arquivos localizados no diretrio sero processados para produzir um nico arquivo com o resultado da computao realizada. Uma aplicao BashReduce expressa com alguns poucos argumentos, dos quais, os mais importantes so o arquivo de entrada, o arquivo de sada, a lista de mquinas que sero utilizadas para realizar o processamento e os programas map e reduce. O Cdigo 1 mostra a linha de comando de uma simples aplicao BashReduce: $> br i input. txt o output. txt \ h host1 host2 host3 host4 \ m grep pattern r uniq c Listing 1: Exemplo de uma aplicao BashReduce simples. Na aplicao BashReduce mostrada no Cdigo 1, o BashReduce ir dividir o arquivo input.txt e enviar os pedaos para as mquinas especificadas pela opo 8

9 -h (host1, host2, host3 e host4). Em cada uma destas mquinas o programa map (grep pattern) vai processar o fragmento do arquivo de entrada enviado para a respectiva mquina. A sada produzida pelos programas map servem de entrada para o programa reduce (uniq -c), cujos resultados produzidos sero armazenados no arquivo output.txt na mquina que disparou o comando BashReduce. Mais detalhadamente, quando o usurio executa um comando BashReduce, ocorre a seguinte sequncia de aes: 1. O aplicativo BashReduce usa o comando netcat (nc) para preparar os canais de comunicao com cada mquina especificada pelo usurio (slaves); durante a computao, cada mquina slave deve possuir duas conexes abertas; enquanto uma delas recebe dados para serem processados, a outra conexo envia os dados produzidos para a mquina onde o comando BashReduce foi executado (master); 2. Os programas map e reduce so disparados remotamente nas mquinas slave atravs do comando secure shell (ssh); e ficam aguardando pelos dados de entrada enviados pela mquina master para iniciar o processamento; 3. Os arquivos de entrada so particionados em H fragmentos, onde H o nmero de mquinas slaves especificadas pelo usurio; aps o particionamento, o aplicativo BashReduce inicia a transferncia dos fragmentos para cada uma das mquinas slaves; 4. medida que as mquinas slaves completam o processamento dos programas map e reduce, elas enviam os dados produzidos para a mquina master, onde o aplicativo BashReduce concatena todos os resultados produzidos para produzir um nico arquivo por padro, a concatenao realizada pelo programa sort, mas o usurio pode especificar outro programa para realizar a concatenao. Infelizmente, esta tcnica transfere dados da mquina master para as mquinas slaves atravs da rede local. Logo, o tempo de execuo da aplicao prologando devido ao gargalo criado pela transferncia dos dados. Porm, considerando que os arquivos de entrada esto armazenados em um sistema de arquivos distribudo, e.g. NFS, e so acessveis em todas as mquinas por meio 9

10 de uma hierarquia de arquivos global, ento o BashReduce pode ser executado de forma mais eficiente. Ao invs de particionar os arquivos e enviar os dados pela rede local, o usurio pode evitar a transferncia desnecessria dos dados utilizando um sistema de arquivos distribudo. Neste caso, em vez de armazenar os dados em si, o arquivo de entrada deve especificar a lista de arquivos a serem processados. Adicionalmente, o usurio precisa passar um parmetro extra que faz com que o BashReduce distribua o nome dos arquivos listados no arquivo de entrada ao invs de distribuir os dados em si pela rede. Contudo, se o sistema de arquivos distribudo utilizado baseia-se em uma arquitetura cliente-servidor, o gargalo da transferncia de dados pela rede continuar a existir, porm o gargalo no ser mais a mquina que disparou o comando BashReduce, mas o prprio servidor centralizado de arquivos. Na Seo 5, ser demonstrado como um sistema de arquivos distribudo pode ser utilizado para assegurar melhores ganhos de desempenho em aplicaes BashReduce. 4 Arquitetura do BeeFS A arquitetura do BeeFS consiste em trs componentes principais: um nico servidor de metadados (queenbee), servidores de dados (honeycombs) e clientes (honeybees). Estes componentes seguem um modelo de distribuio hbrido que mistura aspectos de sistemas cliente-servidor e entre-pares, o que permite i) reduzir a carga de trabalho no componente centralizado e ii) atender o aumento da demanda de forma mais granular, atravs da adio de novos servidores de dados. O servidor de metadados e os servidores de dados fornecem servios para vrios clientes como ilustrado na Figura 2. figures/beefs-components.jpg Figure 2: Componentes do BeeFS O servidor de metadados um componente confivel que deve ser instalado, preferencialmente, em uma mquina dedicada. Alm do armazenamento de metadados, o servidor de metadados responsvel pelo servio de descoberta de servidores de dados, controle de acesso e pela coordenao do mecanismo de replicao de dados. O servio de descoberta mapeia os nomes dos arquivos para os servidores de dados que os armazenam. Dessa forma, os clientes 10

11 podem acessar os arquivos sem tomar conhecimento do local onde eles esto realmente armazenados. Aps descobrir a localizao de um arquivo, os clientes contactam os servidores de dados para realizar operaes de escrita/leitura. Transferncias de dados so realizadas exclusivamente entre os servidores de dados e os clientes. Os servidores de dados so componentes simples que armazenam colaborativamente as cpias dos arquivos servidos pelo BeeFS. Ao contrrio do servidor de metadados, os servidores de dados no residem em mquinas dedicadas, mas em estaes de trabalho que fazem parte de uma rede local. Os servidores de dados disponibilizam apenas primitivas bsicas de escrita e leitura. Estas primitivas so utilizadas pelos clientes para realizar leituras e modificaes nos arquivos, respectivamente; ou por outros servidores de dados, quando precisam atualizar o contedo das cpias dos arquivos. Os processos dos usurios tm acesso aos arquivos por meio de uma interface POSIX implementada pelo cliente BeeFS (honeybee). Dessa forma, os clientes provm acesso transparente aos arquivos armazenados pelo sistema. Geralmente, clientes e servidores de dados coexistem em uma mesma mquina. Assim, o algoritmo de alocao de arquivos padro do BeeFS explora essa possibilidade para fins de melhoria de desempenho. 4.1 Tolerncia a falhas Considerando a natureza distribuda do BeeFS, fica evidente a necessidade de mecanismos que matenham a consistncia e a disponibilidade do sistema perante a ocorrncia de falhas. No BeeFS, h mecanismos para tolerar falhas tanto nos servidores de dados quanto no servidor de metadados. Os clientes no precisam de mecanismos de tolerncia a falhas, j que eles no armazenam nenhum tipo de informao Replicao de arquivos Assim como em outros sistemas de arquivos distribudos, um dos mecanismos para tolerncia a falhas no BeeFS a replicao. O BeeFS implementa uma estratgia de replicao passiva no-bloqueante [?]. Segundo esse modelo, ilustrado na Figura 3, os dados originais so denominados primrios, enquanto as cpias so denominadas de dados secundrios ou rplicas. Logo, cada arquivo possui um grupo de replicao, ou seja, uma cpia primria e um conjunto de cpias secundrias. Operaes de escrita de dados so realizadas imediatamente 11

12 apenas nos servidores de dados que mantm as cpias primrias. Posteriormente, as atualizaes dos arquivos so propagadas para as cpias secundrias. A propagao das alteraes nos dados primrios para as rplicas, realizada de modo no-bloqueante. Dessa forma, o cliente no precisa aguardar a concluso da atualizao. Figure 3: Modelo de Replicao BeeFS O servidor de metadados responsvel pela coordenao das atualizaes das rplicas secundrias. Isso mantm consistente o estado do grupo de replicao associado a cada arquivo do sistema. Um arquivo considerado consistente se todas as suas rplicas possuirem o mesmo nmero de verso. Assim, cada rplica armazenada nos servidores de dados possui uma verso. Esta verso atualizada sempre que o cliente envia para o servidor de metadados uma chamada para fechamento de um arquivo que foi modificado. No final da chamada, o servidor de metadados agenda um processo de propagao do contedo da rplica primria para as demais. O tempo compreendido entre o fechamento do arquivo e a execuo da propagao do contedo conhecido como tempo para coerncia. O servidor de metadados, tambm, responsvel pelo monitoramento dos servidores de dados. Quando detectada a falha de um servidor de dados, os grupos de replicao associados a este servidor devem ser reorganizados. Assim, outros servidores de dados devem substituir aquele que foi comprometido. Dessa forma, cada grupo de replicao permanece com a mesma quantidade de rplicas que existiam antes de ocorrer a falha Replicao de metadados Com relao ao servidor de metadados, existe a possibilidade de ocorrer dois tipos de falhas: transientes e permanentes. So consideradas falhas transientes aquelas que no comprometem a integridade do sistema, mas tornam o servio indisponvel. Neste caso, servios de monitoramento podem ser utilizados para automaticamente reiniciar o servidor de metadados. Por outro lado, as falhas permanentes so causadas por defeitos de hardware e/ou de software que afetem o armazenamento dos metadados. Estas falhas comprometem definitivamente o servidor de metadados, fazendo com 12

13 que todas as referncias para os arquivos armazenados no sistema sejam perdidas, tornando-os inacessveis. O BeeFS possui um modelo de recuperao para esse tipo de falha. Segundo esse modelo, na ocasio de uma falha que danifique a persistncia dos metadados, o BeeFS pode ser iniciado no modo de recuperao [?]. No modo de recuperao, ao invs de carregar as informaes dos metadados a partir do disco, o servidor de metadados recebe, como parmetro de entrada, a lista de endereos dos servidores de dados que constituam o sistema. Ento, o servidor de metadados inicia o processo de recuperao contactando cada um dos servidores de dados na lista. 4.2 Metadados No BeeFS, as operaes que envolvem metadados so executadas pelo servidor de metadados. Os metadados representam o estado do sistema. Eles so utilizados para diferentes propsitos, como armazenar informaes bsicas sobre cada arquivo (tamanho, dono, grupo, permisses de acesso), manter a localizao dos arquivos e, at mesmo, controlar o comportamento do sistema. Por razes de desempenho, o servidor de metadados adota uma poltica semelhante ao GFS [?], mantendo os metadados armazenados na memria e persistindo periodicamente as atualizaes para o disco por motivos de tolerncia a falhas Tipos de metadados Os metadados armazenados pelo BeeFS podem ser classificados em trs categorias: ns-i, estruturas de dados do sistema e atributos estendidos. Os ns-i mantm informaes referentes aos arquivos armazenados pelo sistema que incluem: tamanho do arquivo, proprietrio, data de criao, data da ltima modificao, diretrio pai, entre outros. As estruturas de dados do sistema mantm informaes referentes estrutura de diretrios, aos grupos de replicao e ao conjunto de servidores de dados. A estrutura de diretrios consiste em uma rvore contendo os diretrios e arquivos dos usurios. Todos os usurios tm a mesma viso da rvore de diretrios. Assim como outros sistemas [?] [?], o BeeFS utiliza-se de metadados para que outras aplicaes customizem o comportamento de algumas partes do sistema. Esta customizao pode ser controlada por meio dos atributos estendidos que so suportados pelo padro POSIX. Estes atributos so pares nome/valor 13

14 associados a um arquivo. O BeeFS utiliza os atributos estendidos para armazenar informaes adicionais sobre os arquivos como o nvel de replicao dos arquivos, o tempo para coerncia e a disperso de arquivos. Alm disso, os atributos estendidos podem ser utilizados para fornecer informaes sobre o estado atual do sistema. 5 Avaliao Nesta seo, sero apresentados os dois experimentos utlizados para avaliar o desempenho do BashReduce sobre o BeeFS. No primeiro experimento, so executadas uma srie de aplicaes utilizando o BeeFS e o NFS, como meio de armazenamento tanto para os dados de entrada como para os dados de sada. O segundo experimento compara o desempenho das aplicaes executadas com o BashReduce sobre o BeeFS em relao s aplicaes executadas com Hadoop. O primeiro experimento foi executado em estaes de trabalho conectadas por uma LAN, enquanto o segundo foi executado em um cluster dedicado. 5.1 Avaliao de desempenho de aplicaes BashReduce usando diferentes sistemas de arquivos distribudos Visando demonstrar os ganhos de desempenho das aplicaes BashReduce usando o BeeFS, foi realizado um experimento comparando os tempos de execuo de uma aplicao BashReduce considerando dois sistemas de arquivos distribudo para armazenar os arquivos de entrada, o BeeFS e o NFS. O sistema NFS foi escolhido por ser bastante utilizado para compartilhar arquivos em rede locais e representar a soluo de armazenamento normalmente utilizada pelos usurios do programa BashReduce. O experimento realizado equivalente ao Grep distribudo, uma aplicao descrita no artigo original que descreve o modelo de programao Map/Reduce, o qual uma aplicao representativa para processamento de grandes volumes de dados [?]. Para este experimento, os arquivos de entrada utilizados so arquivos de log das simulaes de pesquisas anteriores do nosso grupo de pesquisa envolvendo escalonamento de tarefas em grades computacionais. No experimento, a aplicao BashReduce deve localizar nos arquivos de entrada a ocorrncia dos nomes dos eventos processados na simulao com o programa de map, enquanto o programa reduce contabiliza o nmero de ocorrncias para cada evento. Adicionalmente, para gerar o resultado final, a aplicao executa 14

15 um programa que foi desenvolvido para concatenar os resultados produzidos pelas mquinas slaves e produz o sumrio do nmero de ocorrncias para cada evento da simulao. Para avaliar a escalabilidade de cada um dos sistemas de arquivos, os experimentos foram executados em trs cenrios distintos. Em cada cenrio, o nmero de mquinas slaves utilizadas proporcional quantidade de dados a serem processados. Os cenrios usaram 5, 10 e 20 mquinas slaves para processar 5GB, 10GB e 20GB de dados brutos, respectivamente. Os experimentos foram realizados usando estaes de trabalho conectadas por uma rede Ethernet de 100Mbps. Cada estao de trabalho possui um processador Intel Core 2 Duo 2.40GHz com 2GB de memria RAM e 100GB de espao em disco, executando o sistema operacional Ubuntu 9.04 (kernel ). Alm disso, tanto o servidor de metadados do BeeFS quanto o servidor NFS foram instalados em uma mquina com configurao superior, a qual possui um processador Quadcore - Intel(R) Xeon(R) CPU E GHz com 4GB de memria RAM e 500GB de espao em disco, executando o sistema operacional Debian 5 (kernel ) com arquitetura de 64-bits. Os experimentos foram repetidos vrias vezes, pouco mais de 50 execues, para garantir um nvel de confiana de 95% com base nas mdias dos tempos de execuo mensurados, e com uma taxa de erro inferior a 5%. A Figura 4 mostra a mdia dos tempos de execuo deste experimento em funo do nmero de mquinas slaves tanto para o BeeFS quanto para o NFS. Figure 4: Tempo de execuo (em segundos) para as aplicaes BashReduce executando sobre o BeeFS e o NFS em funo do nmero de mquinas slaves usadas. Como esperado, medida que o nmero de mquinas slaves incrementado, o tempo de execuo das aplicaes BashReduce que utilizaram NFS tambm aumenta. Este resultado explicado pela transferncia dos dados pela rede a partir de um servidor centralizado, o qual rapidamente torna-se um gargalo. Assim, o atraso causado pela transferncia dos dados representa a maior parte do tempo de execuo das aplicaes. Por outro lado, as aplicaes que executam utilizando BashReduce sobre o BeeFS apresentam praticamente o mesmo desempenho em todos os cenrios avaliados, demonstrando a escabilidade linear do sistema. Este grau de escalabilidade deve-se ao fato de que os dados so lidos diretamente dos discos locais 15

16 das mquinas slaves em paralelo, reduzindo o trfego da rede. Este resultado comprova a suposio de que uma arquitetura hbrida que utiliza servidores de dados distribudos incrementa substancialmente o paralelismo ao passo que reduz o gargalo no servidor central. 5.2 Comparando BashReduce com Hadoop In this experiment, we use the same workload of the previous experiment and execute similar processing in order to generate the desired outputs. We have used BashReduce over BeeFS and Hadoop with two configurations. In the first configuration, the jobs are submitted using the new MapReduce Java API, i.e., creating a Java program, compiling it, packaging it, and submitting it. In the second one, the jobs are submitted using Haddop Streaming [?] a Hadoop utility which allows users to create and run simpler applications with any executable (e.g. shell utilities), just like BashReduce. The Hadoop cluster was configured using the default options. The most relevant of these options for the experiment are: replication level equal to 3, 64MB block size for new files and, the maximum number of map and reduce tasks running simultaneously per task tracker equal to 8. In all experiments, the Hadoop namenode server and the queen-bee server were run in the same machine. Likewise, the clients in both classes of experiments (Hadoop and BeeFS) were run in the same machines. Henceforth, these configurations are named as follow: BeeFS, o qual consiste de executar as aplicaes BashReduce sobre o BeeFS; Hadoop Tradicional, o qual consiste de executar aplicaes Hadoop utilizando a nova API MapReduce; Hadoop Streaming, o qual consiste de executar aplicaes Hadoop utilizando o Hadoop Streaming. O experimento foi conduzido usando um cluster dedicado com 8 blades, conectados por uma rede Ethernet 100Mbps; cada n tinha dois processadores 4-core 2.67GHz Intel Xeon rodando o sistema operacional 64-bit Ubuntu 9.04 com 8 GB de RAM e 500GB de espao em disco. A Tabela 1 mostra os resultados da execuo das aplicaes para cada uma das trs configuraes descritas. 16

17 Table 1: Makespan (em segundos) para cada configurao: BeeFS, Hadoop Tradicional e Hadoop Streaming Makespan (s) Overhead em relao ao BeeFS (%) BeeFS Traditional Hadoop Hadoop Streaming A Tabela 1 tambm mostra a sobrecarga apresentada nos tempos de execuo tanto para o Hadoop Tradicional quanto para o Hadoop Streaming em relao ao BeeFS. Este comportamento reflete a sobrecarga causadapela criao das tarefas map do Hadoop, o gerenciamento das tarefas e a escrita dos dados de sada [?]. Alm disso, estes resultados mostram que o Hadoop Streaming possui desempenho significativamente inferior quando comparado com outras configuraes, porque ele precisa gerenciar processos externos ao processo Java principal. Esta tcnica no to eficiente quanto executar aplicaes Java diretamente, como so executadas as aplicaes quando utiliza-se Hadoop Tradicional. It is worth to reinforce that Hadoop takes care about coordination and monitoring of both map and reduce tasks in order to provide fault tolerance support. BashReduce, on the other hand, delivers very good performance when it operates together with BeeFS, but it does not to provide any fault tolerance garanties. Therefore, there is a clear trade-off between the performance delivered and the fault tolerance guarantees provided in both approaches. 6 Concluso e Trabalhos Futuros BashReduce uma ferramenta que permite executar aplicaes no estilo Map/Reduce de forma simples utilizando apenas as mquinas de uma LAN. Uma vez que o aplicativo BashReduce no considerava a existncia de um sistema de armazenamento distribudo diferentemente de outras implementaes do modelo Map/Reduce as modificaes efetuadas tornaram possvel que ele pudesse usar o sistema de arquivos BeeFS como uma camada de ar- 17

18 mazenamento distribudo. Desta forma, o aplicativo BashReduce pode explorar a distribuio dos dados em um sistema BeeFS para melhorar o desempenho das aplicaes. Contudo, o desempenho do BashReduce bastante afetado pelo fato de que, diferentemente de outras implementaes do MapReduce, ele no possui um sistema de arquivos distribudo prprio. Neste artigo, foi demonstrado como melhorar significativamente o desempenho do BashReduce adaptando-o para funcionar sobre o BeeFS um sistema de arquivos distribudo que explora o espao em disco das estaes de trabalho conectadas por uma LAN. Esta melhora no desempenho foi conseguida por meio de uma simples modificao no algoritmo original de escalonamento do BashReduce. Para avaliar a efetividade do BashReduce executando sobre o BeeFS foram realizados uma srie de experimentos, comparando-o com o NFS, o qual representa o estado-da-prtica para sistemas de arquivos distribudos em uma LAN. Segundo os resultados dos experimentos, foram obtidos ganhos no desempenho de at 420% nas aplicaes que executaram utilizando o BeeFS em relao s aplicaes que executaram sobre o NFS. BashReduce provides no support for fault-tolerance, thus, it is useful for executing reasonably moderate workloads whose processing has a high probability of being concluded in a reasonable small time window. Another drawback of BashReduce is its intrusiveness in the slave machines. Since these are shared desktops, the execution of unsolicited data-intensive applications may impact the performance that users logged in these desktops experience. We are currently investigating two approaches to mitigate this problem. The first is based on clever heuristics for the placement of replicas in the BeeFS. These heuristics try to increase the chances that files are available for processing in desktops that are idle. They may use historical data about system utilisation to decide where to store the replicas of a file that has been marked as scattered, possibly increasing the replication level of the file. This, coupled with a modification on BashReduce scheduler to avoid tasks to be sent to machines that are not idle, ought to dramatically reduce any inconvenience that BashReduce applications could bring to other users. Another approach uses virtualisation techniques to restrict the amount of resources that a BashReduce task may consume from desktops. 18

19 Agradecimentos Francisco Brasileiro o suporte concendio pelo CNPq (edital /2007-1). 19

Computação intensiva em dados com MapReduce em ambientes oportunistas

Computação intensiva em dados com MapReduce em ambientes oportunistas Computação intensiva em dados com MapReduce em ambientes oportunistas Jonhnny Weslley Silva 1, Thiago Emmanuel Pereira 1, Carla de Araújo Souza 1, Francisco Brasileiro 1 1 Universidade Federal de Campina

Leia mais

Computação intensiva em dados com MapReduce em ambientes oportunistas

Computação intensiva em dados com MapReduce em ambientes oportunistas XXIX Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos 279 Computação intensiva em dados com MapReduce em ambientes oportunistas Jonhnny Weslley Silva 1, Thiago Emmanuel Pereira 1, Carla

Leia mais

HadoopDB. Edson Ie Serviço Federal de Processamento de Dados - SERPRO

HadoopDB. Edson Ie Serviço Federal de Processamento de Dados - SERPRO HadoopDB Edson Ie Serviço Federal de Processamento de Dados - SERPRO Motivação Grandes massas de dados precisam ser processadas em clusters: 1 nó: 100TB@59MB/s = 23 dias Cluster com 1000 nós 33 min!!!

Leia mais

BeeFS: Um Sistema de Arquivos Distribuído POSIX Barato e Eficiente para Redes Locais

BeeFS: Um Sistema de Arquivos Distribuído POSIX Barato e Eficiente para Redes Locais XXVIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos 1033 BeeFS: Um Sistema de Arquivos Distribuído POSIX Barato e Eficiente para Redes Locais Carla A. Souza, Ana Clara Lacerda,

Leia mais

A Cloud Computing Architecture for Large Scale Video Data Processing

A Cloud Computing Architecture for Large Scale Video Data Processing Marcello de Lima Azambuja A Cloud Computing Architecture for Large Scale Video Data Processing Dissertação de Mestrado Dissertation presented to the Postgraduate Program in Informatics of the Departamento

Leia mais

Estratégia para dentificação dos fatores de maior impacto de aplicações Mapreduce

Estratégia para dentificação dos fatores de maior impacto de aplicações Mapreduce Estratégia para dentificação dos fatores de maior impacto de aplicações Mapreduce Fabiano da Guia Rocha Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso - Campus Cáceres Av. dos Ramires,

Leia mais

Marcelo Nery dos Santos. GridFS Um Servidor de Arquivos para Grades e Ambientes Distribuídos Heterogêneos. Dissertação de Mestrado

Marcelo Nery dos Santos. GridFS Um Servidor de Arquivos para Grades e Ambientes Distribuídos Heterogêneos. Dissertação de Mestrado Marcelo Nery dos Santos GridFS Um Servidor de Arquivos para Grades e Ambientes Distribuídos Heterogêneos Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de

Leia mais

SATA 3.5. hd:basic. hdd enclosure caixa externa para disco rígido

SATA 3.5. hd:basic. hdd enclosure caixa externa para disco rígido SATA 3.5 hd:basic hdd enclosure caixa externa para disco rígido hd:basic USER S GUIDE SPECIFICATIONS HDD support: SATA 3.5 Material: Aluminium Input connections: SATA HDD Output connections: USB 2.0

Leia mais

hdd enclosure caixa externa para disco rígido

hdd enclosure caixa externa para disco rígido hdd enclosure caixa externa para disco rígido USER S GUIDE SPECIFICATONS HDD Support: SATA 2.5 Material: Aluminium and plastics Input connections: SATA HDD Output connections: USB 3.0 (up to 5.0Gbps)

Leia mais

Efficient Locally Trackable Deduplication in Replicated Systems. www.gsd.inesc-id.pt. technology from seed

Efficient Locally Trackable Deduplication in Replicated Systems. www.gsd.inesc-id.pt. technology from seed Efficient Locally Trackable Deduplication in Replicated Systems João Barreto and Paulo Ferreira Distributed Systems Group INESC-ID/Technical University Lisbon, Portugal www.gsd.inesc-id.pt Bandwidth remains

Leia mais

Hitachi Unified Storage. Família HUS 100. Henrique Leite! henrique.leite@hds.com! Tuesday, 4 de September de 12! Solutions Consultant!

Hitachi Unified Storage. Família HUS 100. Henrique Leite! henrique.leite@hds.com! Tuesday, 4 de September de 12! Solutions Consultant! Hitachi Unified Storage Família HUS 100 Henrique Leite! Solutions Consultant! henrique.leite@hds.com! Tuesday, 4 de September de 12! 1 Hitachi Data Systems 2011. All rights reserved. AGENDA Direção do

Leia mais

GUIÃO A. Ano: 9º Domínio de Referência: O Mundo do Trabalho. 1º Momento. Intervenientes e Tempos. Descrição das actividades

GUIÃO A. Ano: 9º Domínio de Referência: O Mundo do Trabalho. 1º Momento. Intervenientes e Tempos. Descrição das actividades Ano: 9º Domínio de Referência: O Mundo do Trabalho GUIÃO A 1º Momento Intervenientes e Tempos Descrição das actividades Good morning / afternoon / evening, A and B. For about three minutes, I would like

Leia mais

Replicação de Bases de Dados do Zope Object Database

Replicação de Bases de Dados do Zope Object Database Replicação de Bases de Dados do Zope Object Database Dirceu Pereira Tiegs 1, Daniel Pezzi da Cunha 2 1 Weimar Consultoria Criciúma, SC Brazil 2 Departamento de Ciência da Computação Universidade do Extremo

Leia mais

Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação

Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação Diogo Silveira Mendonça Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de

Leia mais

Easy Linux! FUNAMBOL FOR IPBRICK MANUAL. IPortalMais: a «brainware» company www.iportalmais.pt. Manual

Easy Linux! FUNAMBOL FOR IPBRICK MANUAL. IPortalMais: a «brainware» company www.iportalmais.pt. Manual IPortalMais: a «brainware» company FUNAMBOL FOR IPBRICK MANUAL Easy Linux! Title: Subject: Client: Reference: Funambol Client for Mozilla Thunderbird Doc.: Jose Lopes Author: N/Ref.: Date: 2009-04-17 Rev.:

Leia mais

Accessing the contents of the Moodle Acessando o conteúdo do Moodle

Accessing the contents of the Moodle Acessando o conteúdo do Moodle Accessing the contents of the Moodle Acessando o conteúdo do Moodle So that all the available files in the Moodle can be opened without problems, we recommend some software that will have to be installed

Leia mais

Welcome to Lesson A of Story Time for Portuguese

Welcome to Lesson A of Story Time for Portuguese Portuguese Lesson A Welcome to Lesson A of Story Time for Portuguese Story Time is a program designed for students who have already taken high school or college courses or students who have completed other

Leia mais

5/10/10. Implementação. Building web Apps. Server vs. client side. How to create dynamic contents?" Client side" Server side"

5/10/10. Implementação. Building web Apps. Server vs. client side. How to create dynamic contents? Client side Server side 5/10/10 Implementação Mestrado em Informática Universidade do Minho! 6! Building web Apps How to create dynamic contents?" Client side" Code runs on the client (browser)" Code runs on a virtual machine

Leia mais

Capítulo Sistemas de Memória Memória Virtual. Ch7b 1

Capítulo Sistemas de Memória Memória Virtual. Ch7b 1 Capítulo Sistemas de Memória Memória Virtual Ch7b Memória Virtual Memória principal funciona como uma cache para o armazenamento secundário (disco) Virtual addresses Physical addresses Address translation

Leia mais

Interoperability through Web Services: Evaluating OGC Standards in Client Development for Spatial Data Infrastructures

Interoperability through Web Services: Evaluating OGC Standards in Client Development for Spatial Data Infrastructures GeoInfo - 2006 Interoperability through Web Services: Evaluating OGC Standards in Client Development for Spatial Data Infrastructures Leonardo Lacerda Alves Clodoveu A. Davis Jr. Information Systems Lab

Leia mais

Xavantes: Structured Process Execution Support for Grid Environments

Xavantes: Structured Process Execution Support for Grid Environments Xavantes: Structured Process Execution Support for Grid Environments Fábio R. L. Cicerre 1, Edmundo R. M. Madeira 1, Luiz E. Buzato 1 1 Instituto de Computação Universidade Estadual de Campinas (UNICAMP)

Leia mais

Tese / Thesis Work Análise de desempenho de sistemas distribuídos de grande porte na plataforma Java

Tese / Thesis Work Análise de desempenho de sistemas distribuídos de grande porte na plataforma Java Licenciatura em Engenharia Informática Degree in Computer Science Engineering Análise de desempenho de sistemas distribuídos de grande porte na plataforma Java Performance analysis of large distributed

Leia mais

Interactive Internet TV Architecture Based on Scalable Video Coding

Interactive Internet TV Architecture Based on Scalable Video Coding Interactive Internet TV Architecture Based on Scalable Video Coding Pedro Gomes Moscoso Dissertação para obtenção do Grau de Mestre em Engenharia de Redes de Comunicações Presidente: Orientador: Co-Orientador:

Leia mais

booths remain open. Typical performance analysis objectives for the toll plaza system address the following issues:

booths remain open. Typical performance analysis objectives for the toll plaza system address the following issues: booths remain open. Typical performance analysis objectives for the toll plaza system address the following issues: What would be the impact of additional traffic on car delays? Would adding Simulação

Leia mais

Live Show Gerenciamento de Ambientes. Danilo Bordini (http://blogs.technet.com/dbordini ) Rodrigo Dias (http://blogs.technet.

Live Show Gerenciamento de Ambientes. Danilo Bordini (http://blogs.technet.com/dbordini ) Rodrigo Dias (http://blogs.technet. Live Show Gerenciamento de Ambientes Danilo Bordini (http://blogs.technet.com/dbordini ) Rodrigo Dias (http://blogs.technet.com/rodias) Live Show! Vocês são do Time! Período do Evento Final de Semana Durante

Leia mais

EUCALYPTUS: UMA PLATAFORMA CLOUD COMPUTING PARA

EUCALYPTUS: UMA PLATAFORMA CLOUD COMPUTING PARA EUCALYPTUS: UMA PLATAFORMA CLOUD COMPUTING PARA QUALQUER TIPO DE USUÁRIO Gustavo Henrique Rodrigues Pinto Tomas 317624 AGENDA Introdução: Cloud Computing Modelos de Implementação Modelos de Serviço Eucalyptus

Leia mais

Solutions. Adição de Ingredientes. TC=0.5m TC=2m TC=1m TC=3m TC=10m. O Tempo de Ciclo do Processo é determinado pelo TC da operação mais lenta.

Solutions. Adição de Ingredientes. TC=0.5m TC=2m TC=1m TC=3m TC=10m. O Tempo de Ciclo do Processo é determinado pelo TC da operação mais lenta. Operations Management Homework 1 Solutions Question 1 Encomenda Preparação da Massa Amassar Adição de Ingredientes Espera Forno Entrega TC=0.5m TC=2m TC=1m TC=3m TC=10m TC=1.5m (se mesmo operador) O Tempo

Leia mais

Banca examinadora: Professor Paulo N. Figueiredo, Professora Fátima Bayma de Oliveira e Professor Joaquim Rubens Fontes Filho

Banca examinadora: Professor Paulo N. Figueiredo, Professora Fátima Bayma de Oliveira e Professor Joaquim Rubens Fontes Filho Título: Direção e Taxa (Velocidade) de Acumulação de Capacidades Tecnológicas: Evidências de uma Pequena Amostra de Empresas de Software no Rio de Janeiro, 2004 Autor(a): Eduardo Coelho da Paz Miranda

Leia mais

GT-Mconf: Sistema de Multiconferência para acesso interoperável web e dispositivos móveis

GT-Mconf: Sistema de Multiconferência para acesso interoperável web e dispositivos móveis Proposta de Serviço Piloto Grupo de Trabalho Segunda Fase GT-Mconf: Sistema de Multiconferência para acesso interoperável web e dispositivos móveis http://www.mconf.org Valter Roesler: roesler@inf.ufrgs.br

Leia mais

É a associação de mais de um fluxo de execução em um único processo.

É a associação de mais de um fluxo de execução em um único processo. Profa. Rita Rodorigo Threads Um processo é uma abstração que reúne uma série de atributos como espaço de endereçamento descritores de arquivos abertos, quotas, etc. Um processo possui ainda uma área de

Leia mais

INSTALANDO O LAM-MPI NO DEBIAN

INSTALANDO O LAM-MPI NO DEBIAN INSTALANDO O LAM-MPI NO DEBIAN Brivaldo Junior 25 de Março de 2006 1 Introdução A comunicação de processos por troca de mensagens é muito utilizada em programação paralela, especialmente em máquinas parelelas

Leia mais

Tipos de Redes. Dois tipos fundamentais de redes

Tipos de Redes. Dois tipos fundamentais de redes Redes de Tipos de Redes Dois tipos fundamentais de redes LAN = Local Area Network Interliga um conjunto de computadores locais, próximos Tecnologias mais típicas: Ethernet / FastEthernet / GigabitEthernet

Leia mais

Strings. COM10615-Tópicos Especiais em Programação I edmar.kampke@ufes.br 2014-II

Strings. COM10615-Tópicos Especiais em Programação I edmar.kampke@ufes.br 2014-II Strings COM10615-Tópicos Especiais em Programação I edmar.kampke@ufes.br Introdução Uma estrutura de dados fundamental Crescente Importância Aplicações: Busca do Google Genoma Humano 2 Caracteres Codificação

Leia mais

Tipos de Redes. Redes de Dados. Comunicação em Rede Local. Redes Alargadas. Dois tipos fundamentais de redes

Tipos de Redes. Redes de Dados. Comunicação em Rede Local. Redes Alargadas. Dois tipos fundamentais de redes Tipos de Redes Redes de Sistemas Informáticos I, 2005-2006 Dois tipos fundamentais de redes LAN = Local Area Network Interliga um conjunto de computadores locais, próximos Tecnologias mais típicas: Ethernet

Leia mais

Métodos Formais em Engenharia de Software. VDMToolTutorial

Métodos Formais em Engenharia de Software. VDMToolTutorial Métodos Formais em Engenharia de Software VDMToolTutorial Ana Paiva apaiva@fe.up.pt www.fe.up.pt/~apaiva Agenda Install Start Create a project Write a specification Add a file to a project Check syntax

Leia mais

Algoritmo K-Means Paralelo com base no MapReduce para Mineração de dados agrícolas

Algoritmo K-Means Paralelo com base no MapReduce para Mineração de dados agrícolas 312 Algoritmo K-Means Paralelo com base no MapReduce para Mineração de dados agrícolas Lays Helena Lopes Veloso 1, Luciano José Senger 1 1 Departamento de Informática Universidade Estadual de Ponta Grossa

Leia mais

Análise de Big Data Streams

Análise de Big Data Streams Análise de Big Data Streams Identificando e tratando fluxo Hadoop Marcelo Vaz Netto Nilson Moraes Filho 14/07/14 Propósito do Artigo Original Programming Your Network at Run-time for Big Data Applications

Leia mais

Silvano Nogueira Buback. Utilizando aprendizado de máquina para construção de uma ferramenta de apoio a moderação de comentários

Silvano Nogueira Buback. Utilizando aprendizado de máquina para construção de uma ferramenta de apoio a moderação de comentários Silvano Nogueira Buback Utilizando aprendizado de máquina para construção de uma ferramenta de apoio a moderação de comentários Dissertação de mestrado Dissertação apresentada como requisito parcial para

Leia mais

Em 1999, a ThinNetworks inaugurou no Brasil um novo segmento a redução de custos com desktops. É pioneira no desenvolvimento e fabricação de produtos

Em 1999, a ThinNetworks inaugurou no Brasil um novo segmento a redução de custos com desktops. É pioneira no desenvolvimento e fabricação de produtos Em 1999, a ThinNetworks inaugurou no Brasil um novo segmento a redução de custos com desktops. É pioneira no desenvolvimento e fabricação de produtos exclusivos no segmento de MulEterminais e Thin Clients.

Leia mais

Capítulo 11: Implementação de Sistemas de Arquivos. Operating System Concepts 8 th Edition

Capítulo 11: Implementação de Sistemas de Arquivos. Operating System Concepts 8 th Edition Capítulo 11: Implementação de Sistemas de Arquivos Silberschatz, Galvin and Gagne 2009 Sobre a apresentação (About the slides) Os slides e figuras dessa apresentação foram criados por Silberschatz, Galvin

Leia mais

Erasmus Student Work Placement

Erasmus Student Work Placement Erasmus Student Work Placement EMPLOYER INFORMATION Name of organisation Address Post code Country SPORT LISBOA E BENFICA AV. GENERAL NORTON DE MATOS, 1500-313 LISBOA PORTUGAL Telephone 21 721 95 09 Fax

Leia mais

Software product lines. Paulo Borba Informatics Center Federal University of Pernambuco

Software product lines. Paulo Borba Informatics Center Federal University of Pernambuco Software product lines Paulo Borba Informatics Center Federal University of Pernambuco Software product lines basic concepts Paulo Borba Informatics Center Federal University of Pernambuco Um produto www.usm.maine.edu

Leia mais

APRESENTAÇÃO. ABNT CB-3 Comitê Brasileiro de Eletricidade Comissão de Estudo CE 03:064.01 Instalações Elétricas de Baixa Tensão NBR 5410

APRESENTAÇÃO. ABNT CB-3 Comitê Brasileiro de Eletricidade Comissão de Estudo CE 03:064.01 Instalações Elétricas de Baixa Tensão NBR 5410 APRESENTAÇÃO ABNT CB-3 Comitê Brasileiro de Eletricidade Comissão de Estudo CE 03:064.01 Instalações Elétricas de Baixa Tensão NBR 5410 Instalações elétricas de baixa tensão NBR 5410:1997 NBR 5410:2004

Leia mais

Curso CP100A - Google Cloud Platform Fundamentals (8h)

Curso CP100A - Google Cloud Platform Fundamentals (8h) Curso CP100A - Google Cloud Platform Fundamentals (8h) Este curso virtual liderado por um instrutor, com 8 horas de duração, introduz os participantes aos produtos e serviços do Google Cloud Platform.

Leia mais

User interface evaluation experiences: A brief comparison between usability and communicability testing

User interface evaluation experiences: A brief comparison between usability and communicability testing User interface evaluation experiences: A brief comparison between usability and communicability testing Kern, Bryan; B.S.; The State University of New York at Oswego kern@oswego.edu Tavares, Tatiana; PhD;

Leia mais

SISTEMA DISTRIBUÍDO DE MONITORAMENTO/DETERMINAÇÃO DE SERVIÇOS E RECURSOS DIPONÍVEIS DE UM AMBIENTE DE GRID COMPUTACIONAL

SISTEMA DISTRIBUÍDO DE MONITORAMENTO/DETERMINAÇÃO DE SERVIÇOS E RECURSOS DIPONÍVEIS DE UM AMBIENTE DE GRID COMPUTACIONAL SISTEMA DISTRIBUÍDO DE MONITORAMENTO/DETERMINAÇÃO DE SERVIÇOS E RECURSOS DIPONÍVEIS DE UM AMBIENTE DE GRID COMPUTACIONAL Thais Cabral de Mello, Bruno Schulze, Luis Rodrigo de Oliveira Gonçalves 1 Laboratório

Leia mais

ESTUDO COMPARATIVO ENTRE A FERRAMENTA SMS - (SUPERVISOR MONITOR SCHEDULER) E A FERRAMENTA ECFLOW (FERRAMENTA DE WORK-FLOW) NA OPERAÇÃO DO CPTEC

ESTUDO COMPARATIVO ENTRE A FERRAMENTA SMS - (SUPERVISOR MONITOR SCHEDULER) E A FERRAMENTA ECFLOW (FERRAMENTA DE WORK-FLOW) NA OPERAÇÃO DO CPTEC ESTUDO COMPARATIVO ENTRE A FERRAMENTA SMS - (SUPERVISOR MONITOR SCHEDULER) E A FERRAMENTA ECFLOW (FERRAMENTA DE WORK-FLOW) NA OPERAÇÃO DO CPTEC RELATÓRIO FINAL DE PROJETO DE INICIAÇÃO CIENTÍFICA (PIBIC/CNPq/INPE)

Leia mais

Software reliability analysis by considering fault dependency and debugging time lag Autores

Software reliability analysis by considering fault dependency and debugging time lag Autores Campos extraídos diretamente Título Software reliability analysis by considering fault dependency and debugging time lag Autores Huang, Chin-Yu and Lin, Chu-Ti Ano de publicação 2006 Fonte de publicação

Leia mais

FLISOL 2015. Criptografia é importante! Aprenda meios simples de proteger arquivos com ferramentas livres.

FLISOL 2015. Criptografia é importante! Aprenda meios simples de proteger arquivos com ferramentas livres. FLISOL 2015 Criptografia é importante! Aprenda meios simples de proteger arquivos com ferramentas livres. Prof. Esp. Paulo Henrique S. Barbosa facebook.com/groups/facimplinux ImperatriX hackerspacema groups.google.com/group/hackerspacema

Leia mais

Proposta de Serviço Piloto Grupo de Trabalho Segunda Fase

Proposta de Serviço Piloto Grupo de Trabalho Segunda Fase Proposta de Serviço Piloto Grupo de Trabalho Segunda Fase SCIFI2 Sistema de Controle Inteligente para Redes sem Fio 2 Luiz Claudio Schara Magalhães, PhD - UFF Agosto de 2011 1. Concepção do serviço 1.1.

Leia mais

Arquitetura e Sistema de Monitoramento para

Arquitetura e Sistema de Monitoramento para Arquitetura e Sistema de Monitoramento para 1 Computação em Nuvem Privada Mestranda: Shirlei A. de Chaves Orientador: Prof. Dr. Carlos Becker Westphall Colaborador: Rafael B. Uriarte Introdução Computação

Leia mais

Guião A. Descrição das actividades

Guião A. Descrição das actividades Proposta de Guião para uma Prova Grupo: Ponto de Encontro Disciplina: Inglês, Nível de Continuação, 11.º ano Domínio de Referência: Um Mundo de Muitas Culturas Duração da prova: 15 a 20 minutos 1.º MOMENTO

Leia mais

NORMAS PARA AUTORES. As normas a seguir descritas não dispensam a leitura do Regulamento da Revista Portuguesa de Marketing, disponível em www.rpm.pt.

NORMAS PARA AUTORES. As normas a seguir descritas não dispensam a leitura do Regulamento da Revista Portuguesa de Marketing, disponível em www.rpm.pt. NORMAS PARA AUTORES As normas a seguir descritas não dispensam a leitura do Regulamento da Revista Portuguesa de Marketing, disponível em www.rpm.pt. COPYRIGHT Um artigo submetido à Revista Portuguesa

Leia mais

PROTOCOLOS DE COMUNICAÇÃO

PROTOCOLOS DE COMUNICAÇÃO PROTOCOLOS DE COMUNICAÇÃO 3º ANO / 2º SEMESTRE 2014 INFORMÁTICA avumo@up.ac.mz Ambrósio Patricio Vumo Computer Networks & Distribution System Group Descrição do File Transfer Protocol - FTP FTP significa

Leia mais

João Matias. Managing Director Oracle Portugal

João Matias. Managing Director Oracle Portugal João Matias Managing Director Oracle Portugal Pontos de Partida. Para onde Vamos? Evolução. Estratégia. Desafios. A vida começa aos quarenta... Evolução O passado recente dos ambientes de IT Best of Breed

Leia mais

ÍNDICE PORTUGUÊS INDEX ENGLISH

ÍNDICE PORTUGUÊS INDEX ENGLISH ÍNDICE PORTUGUÊS 1. Características... 2 2. Conteúdo da Embalagem... 3 3. Como usar o Receptor de TV Digital... 3 4. Tela de Vídeo... 6 5.Requisitos Mínimos... 6 6. Marcas Compatíveis... 8 INDEX ENGLISH

Leia mais

Banco de Dados Distribuídos

Banco de Dados Distribuídos A imagem não pode ser exibida. Talvez o computador não tenha memória suficiente para abrir a imagem ou talvez ela esteja corrompida. Reinicie o computador e abra o arquivo novamente. Se ainda assim aparecer

Leia mais

Heterogeneous multi-core computer architectures and

Heterogeneous multi-core computer architectures and Heterogeneous multi-core computer architectures and Dedicated processing structures for Signal processing applications Nuno Roma Ongoing research! Heterogeneous any-core processing!

Leia mais

HMI Caracteristicas e extensões utilizando FT View ME v6.1 e PanelView Plus 6

HMI Caracteristicas e extensões utilizando FT View ME v6.1 e PanelView Plus 6 HMI Caracteristicas e extensões utilizando FT View ME v6.1 e PanelView Plus 6 Dangelo Ávila Gerente de Produto Email: dmavila@ra.rockwell.com Cel: (021) 98207-5700 PUBLIC PUBLIC - 5058-CO900H Agenda 1.

Leia mais

Mestrado em Ciências Jurídicas Especialização em História do Direito 2015-16

Mestrado em Ciências Jurídicas Especialização em História do Direito 2015-16 Mestrado em Ciências Jurídicas Especialização em História do Direito Unidade curricular História do Direito Português I (1º sem). Docente responsável e respectiva carga lectiva na unidade curricular Prof.

Leia mais

DISTRIBUTED SYSTEMS ARCHITECTURES. Ian Sommerville, 8º edição Capítulo 12 Aula de Luiz Eduardo Guarino de Vasconcelos

DISTRIBUTED SYSTEMS ARCHITECTURES. Ian Sommerville, 8º edição Capítulo 12 Aula de Luiz Eduardo Guarino de Vasconcelos DISTRIBUTED SYSTEMS ARCHITECTURES Ian Sommerville, 8º edição Capítulo 12 Aula de Luiz Eduardo Guarino de Vasconcelos Objetivos Explicar as vantagens e desvantagens das arquiteturas de sistemas distribuídos

Leia mais

USPTO No. 15143095 USPTO No. 15143095 USPTO No. 15143095 USPTO No. 15143095 USPTO No. 15143095 USPTO No. 15143095 USPTO No. 15143095 WORK PLAN FOR IMPLEMENTATION OF THE UNITED STATES PATENT AND

Leia mais

Computação Móvel J2ME

Computação Móvel J2ME Computação Móvel J2ME Java 2 Platform (1) Java 2 Standard Edition (J2SE) Desktop applications Java 2 Enterprise Edition (J2EE) Server applications Java 2 Micro Edition (J2ME) Handheld/embedded devices

Leia mais

User Guide Manual de Utilizador

User Guide Manual de Utilizador 2400 DPI OPTICAL GAMING MOUSE User Guide Manual de Utilizador 2014 1Life Simplify it All rights reserved. www.1-life.eu 2 2400 DPI OPTICAL GAMING MOUSE ENGLISH USER GUIDE...4 MANUAL DE UTILIZADOR PORTUGUÊS...18

Leia mais

Easy Linux! FUNAMBOL FOR IPBRICK MANUAL. IPortalMais: a «brainmoziware» company www.iportalmais.pt. Manual Jose Lopes

Easy Linux! FUNAMBOL FOR IPBRICK MANUAL. IPortalMais: a «brainmoziware» company www.iportalmais.pt. Manual Jose Lopes IPortalMais: a «brainmoziware» company www.iportalmais.pt FUNAMBOL FOR IPBRICK MANUAL Easy Linux! Title: Subject: Client: Reference: Funambol Client for Microsoft Outlook Doc.: Author: N/Ref.: Date: 2009-04-17

Leia mais

Utilizando subversion como controle de versão

Utilizando subversion como controle de versão Utilizando subversion como controle de versão Heitor Rapcinski Este documento descreverá a utilização de subversion como ferramenta de controle de versão mostrando as facilidades da sua utilização para

Leia mais

para que Software www.aker.com.br Produto: Página: 6.0 Introdução O Aker Firewall não vem com Configuração do PPPoE Solução

para que Software www.aker.com.br Produto: Página: 6.0 Introdução O Aker Firewall não vem com Configuração do PPPoE Solução 1 de 6 Introdução O não vem com a opção de configuração através do Control Center, para a utilização de discagem/autenticação via PPPoE. Este documento visa demonstrar como é feita a configuração do PPPoE

Leia mais

Cigré/Brasil. CE B5 Proteção e Automação. Seminário Interno de Preparação para o Colóquio do SC B5 2009

Cigré/Brasil. CE B5 Proteção e Automação. Seminário Interno de Preparação para o Colóquio do SC B5 2009 Cigré/Brasil CE B5 Proteção e Automação Seminário Interno de Preparação para o Colóquio do SC B5 2009 Rio de Janeiro, 15-16 de setembro de 2009 Dados do Artigo Número: PS1 107 Título: Client Conformance

Leia mais

UNIVERSIDADE DE SÃO PAULO FACULDADE DE EDUCAÇÃO JOÃO FÁBIO PORTO. Diálogo e interatividade em videoaulas de matemática

UNIVERSIDADE DE SÃO PAULO FACULDADE DE EDUCAÇÃO JOÃO FÁBIO PORTO. Diálogo e interatividade em videoaulas de matemática UNIVERSIDADE DE SÃO PAULO FACULDADE DE EDUCAÇÃO JOÃO FÁBIO PORTO Diálogo e interatividade em videoaulas de matemática São Paulo 2010 JOÃO FÁBIO PORTO Diálogo e interatividade em videoaulas de matemática

Leia mais

Marcelo Frate Instituto Federal de São Paulo Campus Boituva. Fabio Luciano Verdi Universidade Federal de São Carlos Campus Sorocaba

Marcelo Frate Instituto Federal de São Paulo Campus Boituva. Fabio Luciano Verdi Universidade Federal de São Carlos Campus Sorocaba Alexis Saito Ericsson Telecomunicações Marcelo Frate Instituto Federal de São Paulo Campus Boituva Fabio Luciano Verdi Universidade Federal de São Carlos Campus Sorocaba Qualidade de Serviço em redes Qualidade

Leia mais

Weather Search System

Weather Search System Weather Search System PROJECTO DE COMPUTAÇÃO EM NUVEM RELATÓRIO Grupo 2 Gonçalo Carito - Nº57701 Bernardo Simões - Nº63503 Guilherme Vale - Nº64029 Índice Weather Search System...1 1. A Solução Implementada...3

Leia mais

21/03/12. Consulta distribuída. Consulta distribuída. Objetivos do processamento de consultas distribuídas

21/03/12. Consulta distribuída. Consulta distribuída. Objetivos do processamento de consultas distribuídas Processamento de Consultas em Bancos de Dados Distribuídos Visão geral do processamento de consultas IN1128/IF694 Bancos de Dados Distribuídos e Móveis Ana Carolina Salgado acs@cin.ufpe.br Bernadette Farias

Leia mais

Wiki::Score A Collaborative Environment For Music Transcription And Publishing

Wiki::Score A Collaborative Environment For Music Transcription And Publishing Wiki::Score A Collaborative Environment For Music Transcription And Publishing J.J. Almeida 1 N.R. Carvalho 1 J.N. Oliveira 1 1 Department of Informatics, University of Minho {jj,narcarvalho,jno}@di.uminho.pt

Leia mais

Avaliação do Controle de Acesso de Múltiplos Usuários a Múltiplos Arquivos em um Ambiente Hadoop

Avaliação do Controle de Acesso de Múltiplos Usuários a Múltiplos Arquivos em um Ambiente Hadoop Avaliação do Controle de Acesso de Múltiplos Usuários a Múltiplos Arquivos em um Ambiente Hadoop Eduardo Scuzziato 1, João E. Marynowski 1,2, Altair O. Santin 1 1 Escola Politécnica Ciência da Computação

Leia mais

Universidade Federal do Rio de Janeiro Escola Politécnica Departamento de Eletrônica e de Computação

Universidade Federal do Rio de Janeiro Escola Politécnica Departamento de Eletrônica e de Computação Universidade Federal do Rio de Janeiro Escola Politécnica Departamento de Eletrônica e de Computação Gerenciador de Filas de Processamento de Dados para o Cluster do CEPEL. Autor: Daniel de Souza Dias

Leia mais

Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Coordenação de Pós-Graduação em Informática

Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Coordenação de Pós-Graduação em Informática Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Coordenação de Pós-Graduação em Informática Dissertação de Mestrado Processamento Paralelo de Grandes Quantidades de Dados

Leia mais

SAPOTI: Servidores de Aplicações confiáveis Tcp/Ip

SAPOTI: Servidores de Aplicações confiáveis Tcp/Ip SAPOTI: Servidores de Aplicações confiáveis Tcp/Ip Egon Hilgenstieler, Roverli Pereira Ziwich, Emerson Fabiano Fontana Carara, Luis Carlos Erpen De Bona, Elias Procópio Duarte Jr. Universidade Federal

Leia mais

Técnicas de Desenvolvimento para Sistemas Real Time com LabVIEW

Técnicas de Desenvolvimento para Sistemas Real Time com LabVIEW Técnicas de Desenvolvimento para Sistemas Real Time com LabVIEW André Oliveira Engenheiro de Vendas Rodrigo Schneiater Engenheiro de Aplicações NIDays 2011 1 Agenda Projeto Entendendo Modelos de Agendamento

Leia mais

Modelo de simulação de um processo de requisições em um servidor web de alta disponibilidade

Modelo de simulação de um processo de requisições em um servidor web de alta disponibilidade Modelo de simulação de um processo de requisições em um servidor web de alta disponibilidade Tiago de Azevedo Santos tiago@iff.edu.br João José de Assis Rangel joao@ucam-campos.br RESUMO Este trabalho

Leia mais

Sistemas de computação e análise de dados

Sistemas de computação e análise de dados Sistemas de computação e análise de dados I Workshop RENAFAE Eduardo Gregores LHC: Uma nova escala em computação 20 MByte/s 100 MByte/s 1500 MByte/s Stored (After Level 3) 2 Processamento Distribuído 3

Leia mais

NoSQL: onde, como e por quê? Rodrigo Hjort rodrigo@hjort.co

NoSQL: onde, como e por quê? Rodrigo Hjort rodrigo@hjort.co NoSQL: onde, como e por quê? Rodrigo Hjort rodrigo@hjort.co Quem aqui usa banco de dados? Por que precisamos de SQL? Onde usamos SQL (i.e. ACID)? MAS... Universo digital em expansão Fonte: IDC White Paper,

Leia mais

Manual do usuário. Xperia P TV Dock DK21

Manual do usuário. Xperia P TV Dock DK21 Manual do usuário Xperia P TV Dock DK21 Índice Introdução...3 Visão geral da parte traseira do TV Dock...3 Introdução...4 Gerenciador do LiveWare...4 Como atualizar o Gerenciador do LiveWare...4 Utilização

Leia mais

Para iniciar um agente SNMP, usamos o comando snmpd. Por padrão, aceita requisições na porta 161 (UDP).

Para iniciar um agente SNMP, usamos o comando snmpd. Por padrão, aceita requisições na porta 161 (UDP). EN3610 Gerenciamento e interoperabilidade de redes Prof. João Henrique Kleinschmidt Prática SNMP 1 MIBs RMON No Linux os arquivos MIB são armazenados no diretório /usr/share/snmp/mibs. Cada arquivo MIB

Leia mais

desenvolvimento de software em indústria, comunidades acadêmicas e científicas uma fábrica de software?... joa@ufrpe.br silvio@cesar.org.

desenvolvimento de software em indústria, comunidades acadêmicas e científicas uma fábrica de software?... joa@ufrpe.br silvio@cesar.org. desenvolvimento de software em indústria, comunidades acadêmicas e científicas uma fábrica de software?... joa@ufrpe.br silvio@cesar.org.br laboratórios de desenvolvimento... Produção de Software: histórico

Leia mais

Guião M. Descrição das actividades

Guião M. Descrição das actividades Proposta de Guião para uma Prova Grupo: Inovação Disciplina: Inglês, Nível de Continuação, 11.º ano Domínio de Referência: O Mundo do trabalho Duração da prova: 15 a 20 minutos 1.º MOMENTO Guião M Intervenientes

Leia mais

inciência Iniciação Científica Embrapa Anais da X Jornada de Iniciação Científica da Embrapa Amazônia Ocidental

inciência Iniciação Científica Embrapa Anais da X Jornada de Iniciação Científica da Embrapa Amazônia Ocidental inciência Iniciação Científica Embrapa Anais da X Jornada de Iniciação Científica da Empresa Brasileira de Pesquisa Agropecuária Ministério da Agricultura, Pecuária e Abastecimento Anais da X Jornada de

Leia mais

ALARM REPORT ALARM TYPE = (A)... ALARM-NUMBER = 1 (1)... STATUS AT ABORTION: (3)... (4)... ERROR REASON: (6)... (7)...

ALARM REPORT ALARM TYPE = (A)... ALARM-NUMBER = 1 (1)... STATUS AT ABORTION: (3)... (4)... ERROR REASON: (6)... (7)... Informe de Alarme RRN 05835 Causa de Ativação da Mensagem Informe de alarme gerado nas seguintes condições: D algum erro ocorreu durante o Backup Contínuo de Dados o que leva a um cancelamento dessa função

Leia mais

Rafael Jessen Werneck de Almeida Martins. Recomendação de pessoas em redes sociais com base em conexões entre usuários

Rafael Jessen Werneck de Almeida Martins. Recomendação de pessoas em redes sociais com base em conexões entre usuários Rafael Jessen Werneck de Almeida Martins Recomendação de pessoas em redes sociais com base em conexões entre usuários Dissertação de Mestrado Dissertação apresentada como requisito parcial para a obtenção

Leia mais

Para iniciar um agente SNMP, usamos o comando snmpd. Por padrão, aceita requisições na porta 161 (UDP).

Para iniciar um agente SNMP, usamos o comando snmpd. Por padrão, aceita requisições na porta 161 (UDP). EN3610 Gerenciamento e interoperabilidade de redes Prof. João Henrique Kleinschmidt Prática SNMP Net-SNMP (http://www.net-snmp.org) é um conjunto de aplicações usado para implementar SNMPv1, SNMPv2 e SNMPv3.

Leia mais

Virtualização de Sistemas Operacionais

Virtualização de Sistemas Operacionais Virtualização de Sistemas Operacionais Leandro Brito 1, Linsmar Pinheiro 1, Roberto Carlos Santana 1, Thiago Vasconcelos 1, Vanessa Ferraz 1 1 Curso de Sistemas de Informação na Faculdade Integrada da

Leia mais

Types of Investments: Equity (9 companies) Convertible Notes (10 companies)

Types of Investments: Equity (9 companies) Convertible Notes (10 companies) IMPACT INVESTING WE STARTED... A Venture Capital Fund Focused on Impact Investing Suport: Financial TA Criterias to select a company: Social Impact Profitabilty Scalability Investment Thesis (Ed, HC,

Leia mais

Um cluster de servidores de email pode ser usado para servir os emails de uma empresa.

Um cluster de servidores de email pode ser usado para servir os emails de uma empresa. CLUSTERS Pode-se pegar uma certa quantidade de servidores e juntá-los para formar um cluster. O serviço então é distribuído entre esses servidores como se eles fossem uma máquina só. Um cluster de servidores

Leia mais

Planejamento de execução de aplicação baseada no tipo de tarefa com o foco na análise de desempenho

Planejamento de execução de aplicação baseada no tipo de tarefa com o foco na análise de desempenho Planejamento de execução de aplicação baseada no tipo de tarefa com o foco na análise de desempenho Emerson da Silva Borges, Maurício Amaral de Almeida Pós-Graduação / Strictu Sensu - Programa de Mestrado

Leia mais

Google File System. Danilo Silva Marshall Érika R. C. de Almeida

Google File System. Danilo Silva Marshall Érika R. C. de Almeida Google File System Danilo Silva Marshall Érika R. C. de Almeida Tópicos abordados Sistemas de arquivos Sistemas de arquivos distribuídos Google File System Gmail File System Linux Windows Gspace Referências

Leia mais

Caracterização dos servidores de email

Caracterização dos servidores de email Caracterização dos servidores de email Neste documento é feita a modulação de um servidor de email, com isto pretende-se descrever as principais funcionalidades e características que um servidor de email

Leia mais

Windows NT 4.0. Centro de Computação

Windows NT 4.0. Centro de Computação Windows NT 4.0 Centro de Computação Tópicos Introdução Instalação Configuração Organização da rede Administração Usuários Servidores Domínios Segurança Tópicos È O sistema operacional Windows NT È Características:

Leia mais

Compartilhamento de Dados em Storage de Alta Disponibilidade

Compartilhamento de Dados em Storage de Alta Disponibilidade Compartilhamento de Dados em Storage de Alta Disponibilidade Leonardo Antônio dos Santos¹ Orientadora Prof. Esp. Sabrina Vitório Oliveira Sencioles¹ Co-orientador M.Sc. Pedro Eugênio Rocha² ¹Faculdades

Leia mais

Using Big Data to build decision support tools in

Using Big Data to build decision support tools in Using Big Data to build decision support tools in Agriculture Laboratory of Architecture Karen Langona and Computer Networks OSDC PIRE 2013 Edinburgh Workshop Climate and Agricultural Planning Agriculture

Leia mais

Integrated Network Operations Support System ISO 9001 Certified A Plataforma Integradora Integrated Platform O INOSS V2 é uma poderosa plataforma de operação e gestão centralizada de redes e serviços de

Leia mais

Garantindo aquilo que não pode Falhar: O seu site de contingência. Marcos Tadeu

Garantindo aquilo que não pode Falhar: O seu site de contingência. Marcos Tadeu Garantindo aquilo que não pode Falhar: O seu site de contingência. Marcos Tadeu Senior System Engineer 1 Agenda 1 2 3 DRA Overview Exemplos de funcionalidade Demo 4 Resumo e Q & A SYMANTEC VISION 2013

Leia mais