camente as predições da carga de trabalho superestimam ou subestimam a carga de trabalho real. De posse destes conhecimentos o gerente pode fazer uma escolha mais criteriosa entre as heurísticas apresentadas no Capítulo 4 e, assim, ampliar a utilidade do provedor de SaaS. Caso as predições tipicamente superestimem a carga de trabalho real é recomendável a es- colha da heurística RF. Caso as predições tipicamente subestimem a carga de trabalho real é recomendável a escolha da heurística UT.
Ainda é possível que gerentes ao realizarem predições da carga de trabalho futuro atuem de forma conservadora buscando reservar uma quantidade de recursos elevada que busque evitar ao máximo que requisições não sejam atendidas, ou ainda sejam atendidas violando o SLA. Nestes cenários o gerente estaria lidando com uma superestimativa, intencional, da carga de trabalho e sua melhor escolha também seria a heurística RF.
6.6
Considerações Finais
Neste capítulo foi analisado o comportamento das heurísticas UT e RF frente o comporta- mento de três estratégias tidas como base para avaliação: ON, SUPER e ótimo. De modo geral, todas as heurísticas geraram utilidades positivas para o provedor de SaaS, exceto a estratégia SUPER para os cenários com 10 clientes de SaaS. Utilizar informações mais deta- lhadas sobre o modelo de utilidade do provedor de SaaS permitiu que as heurísticas UT e RF apresentassem as maiores utilidades dentre as quatro heurísticas avaliadas, fazendo com que o planejamento de capacidade se mostrasse viável para o provedor de SaaS. De modo geral, a heurística RF apresentou as melhores utilidades.
A heurística RF demonstrou ser mais conservadora que a heurística UT no momento de realização do planejamento de capacidade. Como consequência RF apresentou melhores valores de utilidade nos cenários com superestimativas na predição da carga de trabalho. Por outro lado, a heurística UT apresentou apresentou melhores valores de utilidade nos cenários com subestimativas na predição da carga de trabalho. Foi demonstrado, ainda, que uma predição mais acurada da carga de trabalho contribui para melhores resultados tanto para a heurística UT como para a heurística RF.
A avaliação da estratégia SUPER, que realiza um superprovisionamento da infraestrutura de IT, demonstrou que a escolha do tipo dos recursos reservados tem um grande impacto na
6.6 Considerações Finais 85
utilidade obtida pelo provedor de SaaS. A quantidade de recursos reservados por SUPER foi uma quantidade intermediária entre as heurísticas RF e UT. De modo geral o uso destes recursos superprovidos se tornou mais caro que o uso de recursos de menor capacidade do mercado sob demanda. Como consequência, a estratégia SUPER apresentou os piores resultados dentre as quatro heurísticas avaliadas.
As simulações apresentadas envolveram um máximo de 100 clientes de SaaS subme- tendo requisições à infraestrutura do provedor de SaaS. As utilidades médias obtidas por cada uma das heurísticas propostas nos cenários com 100 clientes de SaaS foram de: (i) UT: $106.803, 729; (ii) RF: $107.182, 498. Considerando que a empresa BigCommerce6afirma
que possui um total de mais de 20.000 clientes pagantes uma estimativa otimista da utili- dade total que seria obtida pela empresa utilizando cada uma das heurísticas é de: (i) UT: $21.360.746; (ii) RF: $21.436.500.
Capítulo 7
Conclusões e Trabalhos Futuros
Neste capítulo são apresentadas as conclusões do trabalho e trabalhos futuros que podem ser desenvolvidos para complementar o trabalho apresentado nesta dissertação.
7.1
Conclusões
Nesta dissertação foi avaliado o planejamento de capacidade de longo prazo de uma infra- estrutura de TI utilizando recursos adquiridos junto a provedores de Computação na Nuvem que ofertam Infraestrutura como Serviço, ou seja, provedores de IaaS. Foi considerado um cenário no qual um provedor de Software como Serviço, provedor de SaaS, utiliza os recur- sos adquiridos junto ao provedor de IaaS para ofertar sua aplicação. Os recursos adquiridos junto ao provedor de IaaS foram obtidos a partir de dois mercados: o mercado de reservas e o mercado sob demanda. O provedor de IaaS oferece diferentes tipos de recursos em cada mercado e combinações destes tipos podem ser utilizados na composição da infraestrutura.
A aplicação ofertada pelo provedor de SaaS escolhida como estudo de caso foi uma aplicação de comércio eletrônico. Aplicações de comércio eletrônico são aplicações muito estudadas na literatura com vários trabalhos promovendo a caracterização deste tipo de carga de trabalho [Arlitt, Krishnamurthy e Rolia 2001] [Menascé et al. 2003] [Menascé et al. 2000] [Zhang, Cherkasova e Smirni 2007]. Por conta desta ampla caracterização considerar este tipo de aplicação permite, ainda, o uso de geradores de carga de trabalho bem consolidados [Kant, Tewari e Iyer 2001]. Além disto, tem-se disponível a caracterização de um modelo de
7.1 Conclusões 87
negócio de um provedor de SaaS consolidado no mercado, BigCommerce1, que oferta uma aplicação SaaS de comércio eletrônico.
Neste contexto foi desenvolvido um modelo de utilidade para o provedor de SaaS que calcula a utilidade do provedor com base na receita, nos custos e nas penalidades/multas pagas pelo provedor. Foram propostas duas heurísticas para realização do planejamento de capacidade: (i) Heurística baseada na taxa de utilização dos recursos – UT; (ii) Heurística baseada em rede de filas – RF. As heurísticas foram avaliadas com base em um modelo de simulação que utilizou cargas sintéticas geradas a partir da ferramenta Geist [Kant, Tewari e Iyer 2001] e que considerou o modelo de negócio praticado pela BigCommerce como o mo- delo de SaaS e o modelo de negócio praticado pelo serviço Amazon EC22como o modelo
de IaaS. As heurísticas propostas foram confrontadas com três outras estratégias de planeja- mento de capacidade: (i) estratégia que realiza um superprovisionamento da infraestrutura de TI – SUPER; (ii) estratégia que não realiza reserva de recursos – ON; (iii) estratégia que realiza um planejamento de capacidade ótimo.
Os resultados obtidos apontam que a heurística RF apresenta os melhores resultados com uma utilidade média de $84.905, 805 e um ganho médio de 3, 7702%. A heurística UT apresenta uma utilidade média de $84.513, 344 e um ganho médio de 3, 1983%. Tanto a heu- rística RF como a heurística UT obtém utilidades superiores às utilidades apresentadas pelas estratégias ON e SUPER em todos os cenários simulados. Analisando os resultados obti- dos com o planejamento ótimo percebe-se que existe espaço para melhorias nos resultados obtidos pelas heurísticas UT e RF. A análise dos dados demonstrou, ainda, que a heurís- tica RF reserva uma quantidade de recursos inferior à quantidade reserva por UT. Como consequência, RF apresentou melhores valores de utilidade nos cenários com superestimati- vas na predição da carga de trabalho. Por outro lado, a heurística UT apresentou melhores valores de utilidade nos cenários com subestimativas na predição da carga de trabalho.
1http://www.bigcommerce.com/ 2http://aws.amazon.com/ec2