![Page 1: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/1.jpg)
Análise de padrões de uso em grades computacionais oportunistas
Danilo M. R. Conde
![Page 2: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/2.jpg)
Visão geral
Grades computacionais InteGrade LUPA Aprendizado Computacional Análise de Agrupamentos Implementação Atual do LUPA
![Page 3: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/3.jpg)
Grades computacionais
Origem Uso de vários computadores de baixo custo
resultando em grande poder de processamento
Grades oportunistas: uso de computadores não dedicados quando estão ociosos
![Page 4: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/4.jpg)
InteGrade
IME-USP, PUC-Rio, UFMA, UFG, UFMS CNPq, CAPES, IBM, Microsoft
Provê uma infra-estrutura que permite a implantação de grades computacionais oportunistas
![Page 5: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/5.jpg)
InteGrade
Linhas de pesquisa– Tolerância a falhas– Identificação de padrões de uso– Gerenciamento de recursos entre aglomerados– Desenvolvimento de aplicações paralelas– Agentes móveis– Segurança– Desenvolvimento de aplicações para a grade
![Page 6: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/6.jpg)
InteGrade
Orientado a objetos Comunicação CORBA entre módulos C++, Java, LUA
![Page 7: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/7.jpg)
InteGrade – executando uma aplicação na grade
![Page 8: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/8.jpg)
LUPA
Local Usage Pattern Analyzer Coleta dados sobre utilização dos recursos
– CPU, memória, swap, uso de mouse e teclado– Privacidade
Analisa dados de forma a estabelecer padrões de uso
Prediz uso futuro baseado no padrão de utilização atual
![Page 9: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/9.jpg)
LUPA
manhã livre
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
tarde livre
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
almoço e fim livres
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
dia inteiro sem aulas
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
![Page 10: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/10.jpg)
Aprendizado Computacional
O processo de identificação dos padrões é um processo de aprendizado.
Um sistema aprende quando altera sua estrutura, algoritmos e dados de forma a melhorar seu desempenho.
“Qualquer mudança num sistema que melhore o seu desempenho na segunda vez que ele repetir a mesma tarefa, ou uma tarefa da mesma população” (Simon, 1983)
![Page 11: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/11.jpg)
Aprendizado Computacional
Por que aprender ?– Algumas aplicações dependem de exemplos– Mineração de dados– Agentes que atuam em ambientes que não são
completamente conhecidos
![Page 12: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/12.jpg)
Aprendizado Computacional
Supervisionado– Presença de um tutor que fornece exemplos
Não-supervisionado– Aprende relações e propriedades entre um
conjunto de objetos
Por reforço– Recompensa e punição
![Page 13: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/13.jpg)
Análise de Agrupamentos
Análise de conglomerados, clustering, cluster analysis
É uma técnica de aprendizado não-supervisionado cujo objetivo é separar um conjunto de objetos em grupos de objetos semelhantes
![Page 14: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/14.jpg)
Análise de Agrupamentos
![Page 15: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/15.jpg)
Análise de Agrupamentos
![Page 16: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/16.jpg)
Análise de Agrupamentos
Não se trata de um algoritmo, mas de uma técnica com várias implementações diferentes
O processo de aplicar a análise de agrupamentos a um problema possui vários elementos
![Page 17: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/17.jpg)
Análise de Agrupamentos - Elementos
1. Escolha dos dados a serem analisados
2. Seleção de variáveis
3. Homogeneização das variáveis
4. Medidas de semelhança
5. Escolha dos algoritmos e implementação
6. Número de agrupamentos
7. Interpretação dos resultados
![Page 18: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/18.jpg)
Análise de Agrupamentos
Dois principais tipos de algoritmos:– Hierárquicos– De Partição
![Page 19: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/19.jpg)
Análise de Agrupamentos - Algoritmos hierárquicos aglomerativos
Preparação: Construa n agrupamentos, um com cada elemento do conjunto de entrada, rotulando-os de 1 a n, e construa uma matriz de similaridade entre os agrupamentos.
Algoritmo:Repita os seguintes passos até haver apenas um agrupamento:1. Encontre o par de agrupamentos p e q, p > q, com menor
distância entre si, ou seja, os dois elementos mais semelhantes. Eles serão a entrada na matriz com o menor valor.
2. Reduza o número de agrupamentos em um, transformando o agrupamento q na fusão de p e q. Atualize matriz de similaridade, removendo a linha e a coluna referentes a p e calculando as novas distâncias para q.
3. Armazene que nesse passo os agrupamentos p e q foram fundidos e qual era a distância entre eles antes da operação.
![Page 20: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/20.jpg)
Análise de Agrupamentos - Algoritmos hierárquicos aglomerativos
B A C D E
d1
d2
d3
d4
![Page 21: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/21.jpg)
Análise de Agrupamentos - Algoritmos hierárquicos aglomerativos
Formas de calcular as distâncias entre dois agrupamentos– Centróide– Médias das distâncias– Single Linkage: d(A, B) – Complete Linkage: d(A, B)
BjAijid ,:),(min BjAijid ,:),(max
![Page 22: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/22.jpg)
Análise de Agrupamentos – Algoritmo k-Médias (k-means)
Número k de agrupamentos é pré-definido Algoritmo:
1. Escolha k objetos e crie uma partição com cada um deles
2. Insira cada objeto que ainda não está em nenhuma partição à partição da qual ele está menos distante.
3. Calcule a distância de cada objeto a cada uma das partições. Se a partição mais próxima não for a que ele está, mova-o para ela.
4. Repita o passo 3 até convergir, ou seja, não existir mais nenhum objeto que precise trocar de partição.
![Page 23: Análise de padrões de uso em grades computacionais oportunistas Danilo M. R. Conde](https://reader033.vdocuments.mx/reader033/viewer/2022051111/552fc179497959413d8f0236/html5/thumbnails/23.jpg)
Implementação Atual do LUPA
A única informação coletada é a utilização de CPU, a cada 5 minutos
Usando intervalos de 48 horas Atualmente não utiliza análise de agrupamentos Infra-estrutura já está pronta, falta adicionar os
algoritmos mais sofisticados Questões abertas:
– Comportamento do sistema quando não possui dados para identificar o padrão atual
– Quando devem ser recalculados os padrões