Monitoramento em Tempo Real de Workflows Científicos Executados em Paralelo em Ambientes Distribuídos
Autores
|
5315 |
Julliano Trindade Pintas
|
2401,51
|
|
5316 |
2401,51
|
Informações:
Publicações do PESC
A maioria dos workflows científicos de larga escala apresenta execução de longa duração, tornando inviável para o cientista monitorar o estado da execução durante todo o tempo em um terminal. Nesta dissertação, apresentamos uma nova abordagem para monitoramento em tempo real de workflows científicos executados em paralelo, baseado em consultas aos dados de proveniência gerados em tempo real, que identifica eventos pré-configurados e notifica o cientista por meio de tecnologias de dispositivos móveis e redes sociais. A avaliação da solução proposta, intitulada SciLightning, foi realizada por meio do monitoramento da execução em paralelo do workflow de análise filogenética chamado SciPhy no ambiente de nuvem Amazon EC2 usando a máquina de execução de workflows em nuvem SciCumulus. A avaliação demonstrou que a abordagem proposta é eficaz no que tange ao monitoramento e notificação de eventos, e pode ser acoplada a soluções para a gerência de execução de workflows e que a notificação de eventos do workflow em tempo real é fundamental, uma vez que permite ajustes finos de parâmetros de execução de forma online.
Most large-scale scientific workflows presents long duration execution, making it impractical for scientists to monitor the running status all the time through a terminal. In this dissertation, we present a new approach for real-time monitoring of scientific workflows executed in parallel, based on queries to data provenance generated in real time, identifying preconfigured events and notifying scientist through mobile devices and social networks technologies. The evaluation of the proposed solution, called SciLightning, was performed by monitoring the parallel execution of the phylogenetic analysis workflow called SciPhy in the Amazon EC2 cloud environment using the workflows cloud execution engine SciCumulus. The evaluation demonstrated that the proposed approach is effective with respect to monitoring and event notification, and can be easily coupled to management execution solutions of workflows that event notification workflow in real time is critical, since allows fine tuning of execution parameters online.