| Summary: | Made available in DSpace on 2018-08-02T00:03:50Z (GMT). No. of bitstreams: 1
tese_11505_dissertacao-abnt.pdf: 1674667 bytes, checksum: 9ffc5dc2f541b173363d42a60080ca2a (MD5)
Previous issue date: 2017-08-07 === A sociedade atual é dependente de redes de computadores, portanto gerenciar essas redes é tarefa de fundamental importância. Para que se possa gerenciar redes de computadores é necessário que se conheça como a informação trafega por elas. Uma das maneiras de se obter esse conhecimento é através da geração das matrizes de tráfego, que indicam o volume de informações trocadas entre cada par de dispositivos da rede. Para gerar essas matrizes é necessária a instalação de observadores afim de medir o tráfego nos enlaces, entretanto essa operação é muito custosa. Nos últimos anos, algoritmos de processamento de cadeia de dados baseados em estruturas de dados probabilísticas permitiram o monitoramento do tráfego a um baixo custo computacional. A manipulação de estruturas de dados probabilísticas nos observadores pode ser feita de forma rápida e com pouco espaço de memória. Entretanto, mesmo com estruturas de dados probabilísticas, ainda é necessária a instalação de observadores em todos os dispositivos da rede monitorada para geração das matrizes de tráfego, o que incorre em altos custos de implantação. Nesse contexto, esta dissertação propõe e define o problema de Minimização do Conjunto de Observadores para Geração de Matrizes de Tráfego (MCO-MT) que consiste em minimizar a quantidade de observadores instalados na rede, ou seja, minimizar o tamanho do conjunto de observadores necessários para gerar matrizes de tráfego utilizando estruturas de dados probabilísticas. O problema é modelado e resolvido como um problema de Cobertura de Conjuntos. Além da definição do MCO-MT, este trabalho propõe: i) o desenvolvimento de uma ferramenta, denominada BitMatrix, para simulação e validação da geração de matrizes de tráfego utilizando algoritmos de processamento de cadeia de dados baseados em estruturas de dados probabilísticas, ii) dois algoritmos para resolver o MCO-MT: uma heurística gulosa e uma heurística gulosa aleatória combinada com uma busca local para formar um algoritmo GRASP e iii) um algoritmo de processamento de cadeia de dados baseado em estrutura de dados probabilísticas para gerar matrizes de tráfego a partir de um conjunto reduzido de observadores. Extensos experimentos computacionais são apresentados para validar a eficácia das soluções propostas
|
|---|
