Será defendida no dia 12 de dezembro de 2023, às 14:30 horas, por videoconferência, a Dissertação de Mestrado intitulada “Análise de Execução de Aplicação MapReduce na AWS Utilizando os Serviços FaaS e IaaS”, do candidato ao título de Mestre em Computação – Ronald Machado Campbell Júnior.
Link para defesa: https://meet.google.com/mku-qbwp-cfi?hs=224
Análise de Execução de Aplicação MapReduce na AWS Utilizando os Serviços FaaS e IaaS
Resumo:
Em busca de eficiência na execução de aplicações do tipo MapReduce, que processam grandes volumes de dados, e visando reduzir os custos monetários, a utilização de serviços de computação em nuvem se tornou uma opção bem estabelecida. Este estudo teve como objetivo apresentar os comportamentos de diferentes serviços de nuvem, através de uma análise exploratória dos tempos e custos das execuções de uma aplicação MapReduce, com foco na nuvem pública da Amazon, a AWS. Para realizar essa análise, foram implementadas aplicações MapReduce utilizando os frameworks Spark e MARLA, executados nos serviços EC2 e Lambda da AWS, respectivamente. Durante o estudo foi avaliado o impacto das escolhas de recursos, nos tempos de execução e custos. Os experimentos foram conduzidos em diversos cenários, variando os recursos disponíveis, utilizando a aplicação clássica de wordcount. Os resultados revelaram que o ambiente MARLA Lambda proporcionou a execução mais rápida, enquanto o Spark EC2 se destacou por ser mais econômico em termos de custos. Essas descobertas oferecem insights valiosos para a seleção de serviços em nuvem, equilibrando desempenho e economia, de acordo com as necessidades específicas de cada aplicação MapReduce.
Abstract:
In pursuit of efficiency in the execution of MapReduce-type applications that process large volumes of data while aiming to reduce costs, the use of cloud computing services has become a well-established option. This study aimed to present the behaviors of different cloud services through an exploratory analysis of the execution times and costs of a MapReduce application, with a focus on Amazon’s public cloud, AWS. To conduct this analysis, MapReduce applications were implemented using the Spark and MARLA frameworks, running on AWS services EC2 and Lambda, respectively. During the study, the impact of resource choices on execution times and costs was assessed. Experiments were conducted in various scenarios, varying the available resources, using the classic word count application. The results revealed that the MARLA Lambda environment provided the fastest execution, while Spark EC2 stood out as more cost-effective. These findings offer valuable insights for cloud service selection, balancing performance and economy, according to the specific needs of each MapReduce application.
Banca examinadora:
Profa. Lúcia Maria de Assumpção Drummond, UFF – Presidente
Profa. Maria Cristina Silva Boeres, UFF
Prof. Eugene Francis Vinod Rebello, UFF
Prof. Leandro Santiago de Araújo, UFF
Prof. Alfredo Goldman vel Lejbman, USP