CRFTS: una estrategia de programación tolerante a fallos centrada en el clúster y basada en reservas para mejorar la...

Área de la Ciencia:

• Computación en la nube
• Sistemas distribuidos
• Gestión de los recursos

Sus antecedentes:

• La utilización efectiva de los recursos, la programación de tareas y la tolerancia a las fallas son fundamentales en los entornos de nube en evolución.
• La optimización del tiempo de ejecución de tareas (makespan), los gastos operativos, la distribución de la carga y la utilización de recursos requiere un mapeo eficiente de tareas de máquinas virtuales.

Objetivo del estudio:

• Introducir nuevas estrategias de programación y mecanismos de tolerancia a las fallas para entornos en la nube.
• Presentar el modelo de programación tolerante a fallos de agrupación y reserva (CRFTS) para mejorar la calidad del servicio (QoS).

Principales métodos:

• Implementación de la detección proactiva de fallas de máquinas virtuales mediante un mecanismo de latido cardíaco.
• Desarrollo de un marco de tolerancia a fallos basado en reservas para la prestación ininterrumpida de servicios.
• Optimizar la asignación de tareas a las máquinas virtuales (VM) para mejorar la utilización de los recursos y reducir los tiempos de finalización.

Principales resultados:

• CRFTS demostró mejoras significativas en el rendimiento (hasta el 51,2%) y la utilización promedio de recursos (hasta el 26,3%) en comparación con los métodos existentes como HEFT, FTSA-1, DBSA, E-HEFT, LB-HEFT, BDHEFT, HO-SSA y MOTSWAO.
• El modelo mejora la confiabilidad del sistema y optimiza los parámetros de calidad de servicio.

Conclusiones:

• El modelo CRFTS propuesto aborda efectivamente los desafíos en la programación de tareas en la nube y la tolerancia a fallos.
• CRFTS ofrece una solución robusta para optimizar el rendimiento de la nube, la utilización de recursos y la fiabilidad del servicio.