Avaliação de modelos de agrupamento para detecção de comportamento de aplicações em termos de demanda e uso de recursos.

• Main Author: MEDEIROS, Gabriel Paiva.
• Publication Date: 2023
• Format: Bachelor thesis
• Language: por
• Source: Repositório Institucional da UCB
• Download full: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30434
• topic: Observação de aplicações; Comportamentos e aplicações; Padrões de comportamento - aplicações; Otimização de infraestrutura - aplicações; Algoritmos de agrupamento - medição; Algoritmo K–Means; Algoritmo DBSCAN; Algoritmo Mean Shift; Application observation; Behaviors and applications; Behavior patterns - applications; Infrastructure optimization - applications; Clustering Algorithms - Measurement; K-Means Algorithm; DBSCAN Algorithm; Mean Shift Algorithm; Ciência da Computação.

Vem se tornando cada vez mais comum a utilização de técnicas de observação de aplicações. Observar uma aplicação gera dados importantes sobre o seu funcionamento e da infraestrutura onde ela está inserida. Analisar o comportamento de aplicações é um elemento chave que permite entender e provisionar recursos computacionais, otimizando o uso da infraestrutura em que se executam as aplicações. Embora haja o reconhecimento comportamental das aplicações em relação ao uso de recursos computacionais a partir de decisões humanas, a detecção de comportamentos de alto e baixo consumo de memória, por exemplo, através de modelos preditivos ainda não é muito comum, o que abre oportunidades de estudos nesta área. O presente trabalho se propõe a detectar comportamentos de uma aplicação a partir de diferentes algoritmos de agrupamento. Os resultados mostram que é possível detectar cada comportamento para facilitar a compreensão e alocação eficiente de recursos de computação.