Durante a apresentação dos capítulos anteriores, muitas considerações já foram feitas, ou para dar maior consistência a esse capítulo, ou para facilitar a própria leitura e análise desse trabalho. Nesse capítulo de fechamento, além de pontuarmos as principais constatações obtidas durante a pesquisa e experimentação, iremos apresentar de maneira mais sistemática e sintética os resultados e interpretação dos mesmos.
Podemos afirmar dentro do universo das experimentações realizadas nesse trabalho, que existem constatações empíricas e teóricas que sinalizam que os clusters SSI não possuem uma correspondência linear entre a quantidade de nós e o desempenho do cluster, mas sim, que esse tipo de cluster possui uma capacidade de executar mais instâncias e processos ao mesmo tempo do que executá-los mais rapidamente. De fato, nossos experimentos mostraram que para esse ambiente de teste não houve nenhum ganho em termos de desempenho ao utilizarmos o cluster Kerrighed para se executar as aplicações PovRay e Breve quando comparado ao ambiente monoprocessado e sim um aumento de capacidade. Salientamos que essa afirmação refere-se estritamente ao ambiente de teste proposto, implantado e medido, podendo- se assim ser utilizado como referência ou motivação para pesquisas da mesma natureza, mas não o extrapolado diretamente para ambientes e modelos diferentes do que o apresentado nesse trabalho. Portanto, podemos concluir baseado em nossas experimentações, que um cluster Kerrighed seria mais apropriado para situações onde desejamos ter várias execuções de uma tarefa ao mesmo tempo do que ter uma tarefa isolada sendo executada mais rapidamente. Ressaltamos também que as aplicações que utilizamos nesses testes não suportam processamento paralelo, que poderia prover um ganho de desempenho quando executado num cluster, conforme a Lei de Amdahl.
Segue dois gráficos que clarificam a questão do aumento de capacidade de processamento proporcionado por um cluster:
197
Gráfico 8
Gráfico 9
Ao observar o gráfico 8, percebemos que a partir da execução da terceira instância do benchmark.pov no cluster, ocorreu uma estabilização do tempo de resposta na ordem de 236 segundos até a execução de 10 instâncias desse arquivo do PovRay. Ao contrário do computador standalone, apresentado no gráfico 9, que após a quinta instância executada do benchmark.pov teve a sua estabilidade comprometida, necessitando-se esperar a finalização de uma das instâncias para iniciar uma nova, dobrando o tempo de execução da sexta instância devido a essa espera. Esse foi o comportamento do cluster Kerrighed em laboratório.
0 50 100 150 200 250 300 350 1 2 3 4 5 6 7 8 9 10 Tem p o d e R e sp o sta
Cluster
Instâncias Tempo de Resposta 0 100 200 300 400 500 1 2 3 4 5 6 7 8 9 10 Tem p o d e R e sp o staComputador Standalone
Instâncias Tempo de Resposta198
Para esclarecer os termos “capacidade” e “desempenho” (performance) de computador ou cluster, seguem as definições de Michael Ley21 (LEY, 2011) membro
do CMG (Computer Measurement Group):
Desempenho: Quantidade de tempo que uma transação individual ou parte de uma tarefa leva para ser completada.
Capacidade: Quantidade de trabalho que pode ser realizado num determinado período de tempo.
Ele nos dá alguns exemplos de sua rotina no Reino Unido para ilustrar os conceitos: Desempenho é tempo que se leva para dirigir de Londres para a casa da família no País de Gales, que seria cerca de 200 milhas (370 km).
Capacidade é o número de carros por hora que a rodovia M4 (Rodovia que liga Londres ao País de Gales) pode suportar.
Ao analisar o caminho percorrido nessa pesquisa, concluímos que a própria literatura sobre o tema pode levar a uma expectativa equivocada de que um cluster sempre proverá um ganho de desempenho. A própria denominação para esse tipo de cluster em contraponto ao cluster HA (High Availability) que é HPC (High Performance Cluster), leva ao pesquisador a esperar resultados que não que podem não ser reproduzidos num ambiente de teste real. Vale recordar qual foi a questionamento inicial que serviu de norte para nossa pesquisa:
Seria a Tecnologia de Clusters uma infraestrutura acessível para a implementação de HPC com ênfase em Inteligência Artificial e Design Digital?
A Tecnologia de Cluster é uma infraestrutura acessível e adequada para aplicações HPC com ênfase em Inteligência Artificial e Design Digital, mas algumas observações e conclusões necessitam ser pontuadas. Dividiremos em três tópicos: viabilidade econômica, viabilidade técnica e considerações finais sobre a pesquisa.
21 Michael Ley começou trabalhando na área de capacidade e desempenho desde 1980 na fabricante inglesa de computadores ICL onde se especializou em testes de modelagem e desempenho. Posteriormente ele trabalhou para o BACS (Serviço de nacional de transferência eletrônica de fundos no Reino Unido) onde se tornou Gerente de Capacidade. Hoje ele trabalha num dos maiores bancos da cidade de Londres. Michael Ley é atualmente membro do Comitê Executivo do CGM do Reino Unido, tendo por anos apresentado matérias sobre modelagem e processos. Ele também foi responsável pelas propostas do CMG para o ITSMF do qual o padrão ITIL é oriundo.
199
Viabilidade Econômica do Cluster Kerrighed
Para iniciarmos essa análise faz-se necessário introduzirmos dois conceitos de computação que não são o tema do nosso trabalho, mas que são indispensáveis para analisarmos a viabilidade econômica da utilização de clusters em geral e o cluster construído para a realização dessa pesquisa em particular. Esses temas são computação em grid e a computação em cloud. O motivo de introduzirmos esses conceitos seria a impossibilidade de analisarmos em termos econômicos a utilização de tecnologia de cluster sem compará-la as tecnologias de grid e cloud, pois são plataformas alternativas para realizar uma tarefa computacional que demande uma capacidade de processamento significativa. Já abordamos alguns conceitos de grid nessa pesquisa e cluster é o nosso tema principal, porém apresentaremos novamente uma breve descrição dessas tecnologias para facilitar a comparação.
Segundo Buyya22 (BUYYA, 2011), cluster é um tipo de sistema paralelo e distribuído,
que consiste de uma coleção de computadores interconectados operando conjuntamente como um único recurso computacional integrado.
Buyya define grid como um tipo de sistema paralelo e distribuído que habilita o compartilhamento, seleção e agregação dinâmica de recursos autônomos geograficamente distribuídos, dependendo assim da disponibilidade, capacidade, desempenho, custo e requerimentos de qualidade de serviço desse sistema para que o mesmo seja utilizado.
Segundo Buyya et al. cloud é um tipo de sistema paralelo e distribuído que consiste de uma coleção de computadores conectados e virtualizados que são dinamicamente disponibilizados e a apresentados como um ou mais recursos de computação unificada baseada em SLA (Service-Level Agreement), estabelecido através de uma negociação entre o provedor do serviço e o consumidor.
22Rajkumar Buyya é professor de Ciência da Computação e Engenharia de Software e diretor do laboratório CLOUS (Cloud Computing and Distributed Systems) na Universidade de Melbourne, Austrália. Ele também serve como fundador e presidente da Manjrasoft Pty Ltd., uma companhia iniciada na Universidade que comercializa inovações em computação em Grid e Cloud.
200
Em um artigo Buyya (BUYYA, 2011) e colaboradores sugerem analisarmos a tendência de busca através da WEB sobre essas três tecnologias, nesse caso analisamos apenas os acessos realizados no Brasil. Segue o gráfico:
Gráfico 10
Podemos observar claramente no gráfico a supremacia da computação em cloud em comparação ao cluster e grid no que tange à pesquisa sobre o assunto e também a publicação de novos conteúdos sobre tema na WEB. Atribuímos esse comportamento a dois fatores, primeiro o financeiro, pois a primeira vista, a contratação de um recurso computacional por um valor mensal seria mais barato do que se implantar um cluster ou mesmo um sistema de grid. O segundo fator seria o técnico, pois ao se adquirir um recurso computacional via cloud, o sistema viria, em teoria, pronto para o uso. Vale ressaltar também que o acesso a informações referentes à computação em cloud não significa necessariamente a adoção efetiva da tecnologia, que por ser mais recente terá naturalmente mais pessoas buscando informação sobre a mesma.