Por fim, resta mostrar como derivar B(TDEF), a probabilidade de que o tempo de resposta seja maior que o dado limiar. Para calcular B(TDEF) é preciso achar ResponseT imeDistribution(x), a distribuição cumulativa de probabilidade do tempo de resposta. Para tal fim, é preciso modelar a carga aplicada aos recursos de TI, os proces- sos de chegada e de atendimento de transações, etc. Tal modelo é baseado em um modelo aberto de filas [Kle76a]. Modelos abertos de filas são adequados quando há um número grande de potenciais clientes, situação comum no comércio eletrônico. No trabalho aqui desenvolvido, assume-se que o processo de chegada é caracterizado por uma distribuição de Poisson, o que é de fato uma boa aproximação para curtos espaços de tempo [MAR+03c] – e que o tempo de serviço é caracterizado por uma distribuição exponencial. Uma vez que
2.6 Sobre a probabilidade de desistência 16
uma dada transação vai usar recursos de possivelmente todas as classes de recursos, o seu tempo de resposta é a soma de |RC| variáveis aleatórias – cada classe de recursos acessada tem sua própria distribuição –, o que pode ser resolvido através do produto de suas trans- formadas de Laplace. Vale a pena salientar que, caso os efeitos de cache estejam sendo considerados, o número de classes de recursos acessadas é uma variável aleatória. Portanto, o tempo de resposta de uma transação não é obtido através da simples soma |RC| variáveis aleatórias. Este caso é um pouco mais delicado e é tratado no apêndice D. Obtida a dis- tribuição ResponseT imeDistribution(x), a probabilidade de desistência do consumidor final do serviço é B(TDEF)) = 1 − ResponseT imeDistribution(TDEF). O cálculo de B(TDEF) é apresentado detalhadamente nos apêndices A, B, C, D e E.
Capítulo 3
Resultados da Pesquisa
Este capítulo apresenta um guia para facilitar a leitura dos apêndices da dissertação. Cada apêndice constitui um artigo científico publicado ou submetido a algum veículo de publi- cação internacional. Sendo assim, estes artigos estão escritos em Inglês e destacam-se entre os artigos pioneiros de BDIM. Em alguns destes artigos o autor desta dissertação atuou como primeiro autor, enquanto que, nos demais artigos, apesar de não ser o primeiro autor, teve sig- nificativa participação na elaboração destes. A seguir apresenta-se um resumo, destacando as contribuições de cada um dos estudos realizados nos artigos científicos. Além disso, a par- ticipação do autor desta dissertação na elaboração de cada um dos artigos é explicitada. Tais artigos representam as contribuições trazidas à gerência de TI, especificamente às atividades de projeto de infra-estruturas de TI e de Acordos de Níveis de Serviço, que resultaram nesta dissertação. Note que, com o intuito de facilitar o entendimento do trabalho, os apêndices não são apresentados na mesma ordem com que foram publicados ou submetidos.
3.1 Projeto Ótimo de Infra-Estruturas de TI pela Perspec-
tiva do Negócio
Dois artigos abordam o projeto ótimo de infra-estruturas de TI pela perspectiva do negócio. O primeiro deles (apêndice A) corresponde ao artigo científico publicado no veículo interna- cional 39o Hawaii International Conference on System Science (HICSS 2006). O segundo (apêndice D) diz respeito ao artigo científico submetido ao periódico Performance Evalua-
3.1 Projeto Ótimo de Infra-Estruturas de TI pela Perspectiva do Negócio 18
tion. A seguir discorre-se sobre cada um deles. O primeiro artigo, intitulado de "Optimal Design of e-Commerce Site Infrastructure from a Business Perspective", discute um método formal para projetar infra-estruturas de TI segundo a perspectiva do negócio. Enquanto a maioria dos estudos atuais trata de metodologias que se restringem a três métricas – tempo de resposta, disponibilidade e custo –, o modelo formal proposto repensa tal atividade através da adoção de uma quarta métrica, o impacto negativo nos negócios. O modelo apresentado neste artigo traz um diferencial em relação ao modelo básico descrito no capítulo anterior: a carga aplicada aos recursos de TI é modelada através de um modelo conhecido por Cus- tomer Behavior Model Graph(CBMG) [MAD04]. CBMG permite representar a carga que uma dada sessão iniciada por um consumidor final dos serviços impõe à infra-estrutura de TI.
Um CBMG compreende um conjunto de estados com probabilidades de transição as- sociadas (grafo direcionado e ponderado). Cada estado do CBMG pode ser visto como uma página do site de comércio eletrônico sendo acessada. Há basicamente dois tipos de sessões: as sessões geradoras de faturamento – revenue generating (RG) sessions – e as sessões não-geradoras de faturamento — non-revenue generating (NRG) sessions. Sessões geradoras de faturamento são aquelas que visitam algum estado gerador de faturamento do CBMG. Como exemplo de estado gerador de faturamento tome a página do site de comércio eletrônico onde o pagamento dos itens previamente adicionados ao carrinho de compras é realizado. Sessões não-geradoras de faturamento não visitam nenhum estado gerador de fat- uramento do CBMG, no entanto impõem carga aos recursos de TI. Consumidores finais que só realizam consultas de preços sem efetivamente concretizar a compra, por exemplo, geram sessões não-geradoras de faturamento. Note que, a consideração de sessões não-geradoras de faturamento acrescenta mais realismo ao modelo básico apresentado no capítulo anterior. Por fim, considerando que a modelagem da carga imposta é feita por meio de CBMG, os serviços de TI são agora modelados por meio de um modelo multi-classe aberto de teoria das filas [Kle76a]. Neste modelo, cada classe CBMG representa uma classe no modelo de teoria das filas.
Neste trabalho, além do projeto ótimo de infra-estruturas de TI pela perspectiva do negó- cio, o uso da metodologia proposta em infra-estruturas adaptativas [KC03] também foi dis- cutido.