Heurísticas Aumentadas Baseadas em Preditores de Demanda para Planejamento de Capacidade em Plataformas de IaaS

Resumo

As plataformas de Computação em Nuvem no modelo IaaS oferecem diferentes mercados para a aquisição de instâncias de máquinas virtuais. No mercado sob demanda o usuário adquire uma instância, pagando apenas pelo tempo utilizado, podendo cancelar a aquisição quando ela não for mais necessária. Enquanto no mercado de reserva, um usuário reserva uma instância por um período maior (1 ou 3 anos na AWS) se comprometendo a pagar por ela durante esse período. Apesar de ser um  comprometimento a longo prazo, o mercado de reserva oferece descontos no custo incorrido por hora em comparação ao mercado sob demanda, o que torna ele mais vantajoso para demandas de longo prazo. Todavia, a decisão sobre qual mercado
escolher não é uma tarefa trivial, uma vez que envolve tanto o prazo de encerramento de contratos existentes quanto as demandas futuras a serem supridas. Para mitigar esse problema, a literatura sugere o uso de heurísticas que consideram a  demanda atual e histórico de compras para a tomada de decisão. No entanto, embora ofereçam um desempenho mínimo garantido, estas são limitadas pela falta de conhecimento sobre a demanda futura, que influencia significativamente a qualidade das decisões no planejamento de capacidade. Este trabalho investiga como a integração de modelos de predição de séries temporais com heurísticas online pode melhorar o planejamento de capacidade reduzindo os custos incorridos pela alocação de recursos. Os resultados mostram que é possível obter reduções no custo da alocação usando predições de curto ou longo prazo geradas a partir de modelos de predição de séries temporais presentes na literatura.