( PDF ) Grid computing e cloud computing: análise dos impactos sociais, ambientais e econômicos da colaboração por meio do compartilhamento de recursos computacionais

Download PDF

ads:

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO – PUC-SP

DIOGO CORTIZ DA SILVA

Grid Computing e Cloud Computing - Análise dos impactos sociais,

ambientais e econômicos da colaboração por meio do compartilhamento

de recursos computacionais

MESTRADO EM TECNOLOGIAS DA INTELIGÊNCIA

E DESIGN DIGITAL

São Paulo

2009

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO – PUC-SP

DIOGO CORTIZ DA SILVA

Grid Computing e Cloud Computing - Análise dos impactos sociais,

ambientais e econômicos da colaboração por meio do compartilhamento

de recursos computacionais

MESTRADO EM TECNOLOGIAS DA INTELIGÊNCIA

E DESIGN DIGITAL

Dissertação apresentada à Banca Examinadora

da Pontifícia Universidade Católica de São

Paulo, como exigência parcial para obtenção

do título de MESTRE em Tecnologias da

Inteligência e Design Digital - Inteligência

Coletiva e Ambientes Interativos sob a

orientação do Prof. Doutor Fernando Antônio

de Castro Giorno

São Paulo

2009

ads:

ERRATA

Página 96

Onde se lê: pode-se (PODEM-SE) Leia-se podem-se

Página 101

Onde se lê: (NECESSÁRIAS)

Leia-se: necessárias

Página 11O

Substituir o Gráfico 11 pelo Gráfico abaixo:

Watts

300 --

I 250

200

1.50

1.00

0% 1.0% 20% 30% 40% 50% 60% 70% 80% 90% 1.00%

. Cor;>sumo Míni mo (Componentes)

. Vari ação CPU

Página 112

Onde se lê: que um recursos computacional Leia-se: que os recursos computacionais

Banca Examinadora

________________________________

AGRADECIMENTOS

A Deus, por guiar meus passos e me dar a certeza de que os desafios estão presentes

em nossas vidas para serem superados.

À minha mãe, que me proporcionou com carinho e humildade todas as coisas

necessárias para que eu pudesse alcançar os objetivos da minha vida.

Ao meu pai, que sempre acreditou no meu potencial e me ensinou que a honestidade

é a chave para uma vida em paz.

Ao meu irmão Denis, que de forma peculiar me incentivou a concluir esse mestrado.

Aos meus avós, que sempre me apoiaram em todas as decisões da minha vida com

carinho incondicional.

Ao meu padrinho Ilson, pelos ensinamentos fundamentais ao longo da minha

juventude.

À minha namorada Fernanda, pelo amor, carinho, compreensão e conselhos na minha

vida.

À Maria Helena, pela dedicação todas as vezes que foram necessárias revisões dessa

dissertação.

Ao José, pela sua disposição em ajudar sempre que necessário.

À Daniela, pelas idéias compartilhadas.

Ao Marcus Vinicius, pela ajuda na etapa inicial dessa conquista.

Ao Luiz, Jefferson, Mark e demais companheiros de trabalho que tornaram essa

tarefa possível.

Ao orientador Prof. Fernando Giorno, pela dedicação, ajuda e ensinamentos durante a

realização desse trabalho.

“Conheça todas as teorias, domine

todas as técnicas, mas ao tocar uma

alma humana, seja apenas outra alma

humana.”

Carl Gustav Jung

RESUMO

SILVA, Diogo Cortiz. Grid Computing e Cloud Computing - Análise dos impactos sociais,

econômicos e ambientais da colaboração por meio do compartilhamento de recursos.

2009. 145 f. Dissertação (Mestrado em Tecnologias da Inteligência e Design Digital) –

Pontifícia Universidade Católica de São Paulo, São Paulo, 2009.

Esta dissertação discute o excesso de recursos computacionais disponíveis mundialmente com

capacidade de processamento excedente e também debate como o emprego dos conceitos de

compartilhamento e colaboração influenciam a integração desses dispositivos para constituir

um ambiente econômico e com alta capacidade de processamento. Atualmente, é possível

encontrar uma grande quantidade de computadores pessoais, servidores, entre outros

dispositivos, que apresentam elevados níveis de ociosidade. Estes poderiam ser utilizados para

outra finalidade, haja vista pesquisas científicas, projetos colaborativos e programas de

inclusão digital carentes de recursos para atingirem seus objetivos. A tecnologia de Grid

Computing, também chamada de Computação em Grade, foi concebida como uma alternativa

para integrar recursos distribuídos geograficamente e pertencentes a diferentes domínios,

habilitando um ambiente computacional abrangente e descentralizado. O objetivo desta

dissertação é analisar como essa tecnologia, baseada no conceito de colaboração, pode gerar

benefícios no contexto social, ambiental e econômico. No âmbito social, Grid Computing

estimula o trabalho colaborativo e o compartilhamento de recursos computacionais e

aplicacões, além de prover funcionalidades que auxiliam na transparência de dados entre

diversos domínios. Essas características também são importantes para a inclusão científica. O

primeiro Estudo de Caso aborda a importância de Grid Computing para o projeto científico do

Superacelerador de Partículas (LHC). No contexto ambiental, essa tecnologia também

apresenta características para tornar os recursos computacionais mais eficientes em relação ao

consumo de energia através do aumento do uso de sua capacidade computacional. O segundo

Estudo de Caso aborda dados em relação à quantidade de máquinas conectadas à Internet e

como uma aplicação de Grid Computing, no modelo de Computação Voluntária, pode torná-

las mais produtivas e, consequentemente, mais eficientes no consumo de recursos energéticos.

Já no contexto econômico, é de importância destacar a sinergia existente entre Grid

Computing e Cloud Computing, as suas vantagens financeiras e a geração de novos modelos

de negócios através da comercialização de plataformas e softwares como serviços na Internet,

e não mais como produtos. O terceiro Estudo de Caso aborda um modelo de Cloud

Computing que disponibiliza recursos computacionais em forma de serviços, permitindo que

empresas e pessoas físicas possam contratar um ambiente computacional de rápido

provisionamento, sem a necessidade de adquirir equipamentos e investir em projetos de

implementação. Por fim, ambas as tecnologias são apontadas como grandes tendências para

os próximos anos, as quais influenciarão a geração de novos modelos de softwares,

plataformas e serviços voltados à Internet.

Palavras-chave: grid computing, cloud computing, colaboração, compartilhamento, Internet

ABSTRACT

SILVA, Diogo Cortiz. Grid Computing and Cloud Computing – Analysis of the social,

environmental and economic impacts of the collaboration through the resources sharing.

2009. 145 f. Dissertação (Mestrado em Tecnologias da Inteligência e Design Digital) –

Pontifícia Universidade Católica de São Paulo, São Paulo, 2009.

This research debates the excess of worldwide available computational resources with

exceeded processing capacity and also how the utilization of the sharing and collaboration

concepts influence the integration of those devices to constitute an economic environment

with high processing capacity. Currently, it is possible to find a great amount of personal

computers, servers and others devices that show high level of idleness, while they could be

being used for another purpose, once there are many scientific researches, collaborative

projects and digital inclusion programs that are short of resources to reach theirs objectives.

The Grid Computing technology was conceived as an alternative to integrate geographically

distributed resources pertaining to different domains, enabling a decentralized computational

environment. The main objective of this research is to analyze how this technology can

generate benefits to the social, environment and economic contexts. In the social approach,

Grid Computing stimulates the collaboration and the sharing of computational resources and

applications, as well as providing features that are very useful for data transparency between

many domains. Those characteristics are also important for the scientific inclusion. The first

Case Study approaches the importance of Grid Computing for the collaborative tasks found in

the scientific project of the Large Hadron Collider (LHC), which allowed many research

institutions and universities around the world to build a shared computational environment of

large scale for processing the data generated by LHC. In the environment context, this

technology also presents some characteristics to make the computational resources more

energy efficient increasing the use of its computational capacities. The second Case Study

analyzes the data related to the amount of personal computers connected in the Internet and

how to implement Grid Computing based on the Volunteer Computing model to make those

computers more productive with no relevant impact in the energy consumption. This research

also highlights the synergy between Grid Computing and Cloud Computing, its financial

advantages and the generation of new business models based on the commercialization of

platform and software as a service in the Internet. The third Case Study analyzes a Cloud

Computing model that delivers computational resources (such as a whole server) as a service,

enabling a scenario where companies and people could contract a computational environment

with a quick provisioning with no need to purchase equipments and to invest in

implementation projects. Finally, it is possible to appoint both technologies as relevant trends

for the coming years, which can be an influence to generate new software models, platforms

and services focused in the Internet.

Keywords: Grid Computing, Cloud Computing, collaboration, Internet

LISTA DE ACRÔNIMOS

TI – Tecnologia da Informação

EELA – E-science grid facility for Europe and Latin America

EGEE – Enabling Grids for E-sciencE

SDK – Software Development Kit

API – Application Programming Interface

TCP – Transmission Control Protocol

IP – Internet Protocol

OV – Organização Virtual

OGSA – Open Grid Services Architecture

SOAP – Simple Object Access Protocol

XML – Extensible Markup Langauge

OGF – Open Grid Forum

CPU – Central Processing Unit

RAM – Random Access Memory

GNU – GNU’s Not Unix

TCO – Total Cost Ownership

GPL – General Public License

SOA – Service-Oriented Architecture

SaaS – Software as a Service

UDDI – Universal Description, Discovery and Integration

QoS – Quality of Service

LISTA DE FIGURAS

Figura 1 – Arquitetura dos Sistemas Distribuídos (TANENBAUM; STEEN, 2002)........40

Figura 2 - Ambiente de Organizações Virtuais (FOSTER; KESSELMAN; TUECKE,

2001).........................................................................................................................................47

Figura 3 – Arquitetura em Camadas (FOSTER; KESSELMAN; TUECKE, 2001)........49

Figura 4 - Interações entre os Componentes (JACOB et al., 2008)....................................54

Figura 5 – O Projeto do Superacelerador de Partículas (LHC, 2009)...............................85

Figura 6 – Cloud Computing: sinergia entre conceitos e tecnologias...............................116

Figura 7 - Matriz taxonômica de Cloud Computing.........................................................123

LISTA DE TABELAS

Tabela 1 – Sítios de computação da segunda camada Tier-1 (WLCG, 2009) ...................88

Tabela 2 – Projeção da quantidade total de recursos...........................................................89

Tabela 3 – Organizações Virtuais filiadas ao LHC (WLCG, 2009)....................................93

Tabela 4 – Penetração de acesso a Internet por regiões (IWS, 2009)...............................103

Tabela 5 – Total de computadores pessoais no mundo (ALMANAC, 2009)....................105

Tabela 6 – Cenário consumo de energia com Grid Computing........................................111

Tabela 7 – Sistemas Operacionais disponíveis no Amazon EC2 (AMAZON, 2009).......130

Tabela 8 – Softwares disponíveis no Amazon EC2 (AMAZON, 2009).............................130

Tabela 9 – Preços de instâncias On-demand do Amazon EC2 (AMAZON, 2009)..........131

Tabela 10 – Preço de transferência de dados na Internet através do Amazon EC2

(AMAZON, 2009)..................................................................................................................131

LISTA DE GRÁFICOS

Gráfico 1 – Investimento no WLCG até o ano de 2008.......................................................87

Gráfico 2 – Projeção da quantidade de Jobs .......................................................................89

Gráfico 3 – Projeção de recursos de CPU por camada........................................................90

Gráfico 4 – Pojeção de recursos de armazenamento em disco por camada .....................91

Gráfico 5 – Projeção de recursos de armazenamento em fita por camada.......................92

Gráfico 6 – Total de Usuário conectado à Internet por região (IWS,2009).....................104

Gráfico 7 – Local de acesso à Internet no Brasil (CETIC, 2009)......................................104

Gráfico 8 – Consumo de energia por recursos computacionais (SCHMID, 2005)..........106

Gráfico 9 – Utilização de CPU em notebook com sistema operacional Linux................108

Gráfico 10 – Utilização de CPU em desktop com sistema operacional Windows...........109

Gráfico 11 – Consumo de energia em relação a utilização de CPU..................................110

SUMÁRIO

1. Introdução............................................................................................................................13

1.1 Motivação......................................................................................................................13

1.2 Objetivos........................................................................................................................14

1.3 Contribuições................................................................................................................15

1.4 Método de Pesquisa.......................................................................................................15

1.5 Organização do trabalho..............................................................................................17

2. Fundamentação teórica......................................................................................................19

2.1 As tecnologias da inteligência ......................................................................................19

2.2 Redes sociais..................................................................................................................21

2.2.1 Comunidades virtuais nas redes sociais..................................................................23

2.3 Riquezas das redes........................................................................................................26

2.3.1 Compartilhamento e produção entre pares ............................................................29

2.4 Inteligência nas redes...................................................................................................32

2.5 Sistemas distribuídos.....................................................................................................38

2.5.1 Histórico ................................................................................................................38

2.5.2 Arquitetura .............................................................................................................39

2.5.3 Características.........................................................................................................40

2.6 Grid Computing ............................................................................................................42

2.6.1 Histórico ................................................................................................................42

2.6.2 Definição ...............................................................................................................44

2.6.3 Organizações Virtuais.............................................................................................46

2.6.4 Arquitetura .............................................................................................................48

2.6.5 Componentes .........................................................................................................52

2.6.6 Tipos ......................................................................................................................54

2.6.6.1 Computação Voluntária.............................................................................................56

2.6.7 A Importância dos padrões ....................................................................................56

2.6.8 Principais sistemas .................................................................................................59

2.6.9 Principais projetos..................................................................................................62

3. Estado da arte em compartilhamento e trabalhos colaborativos nos ambientes das

redes de comunicação.............................................................................................................66

3.1 A Colaboração e a interação na Web 2.0......................................................................66

3.1.1 Análise do artigo.....................................................................................................67

3.2 A confiança em repositórios colaborativos de informação.........................................68

3.2.1 Análise do artigo ....................................................................................................70

3.3 A emergência do compartilhamento como modalidade de produção econômica.......71

3.3.1 Análise do artigo.....................................................................................................72

4. Análise de Grid Computing................................................................................................74

4.1 Contexto social..............................................................................................................74

4.1.1 Trabalho colaborativo.............................................................................................75

4.1.2 Inclusão científica...................................................................................................80

4.1.3 Estudo de Caso – Worldwide LHC Computing Grid.............................................84

4.1.3.1 Visão geral do LHC ..................................................................................................85

4.1.3.2 Coleta de Dados........................................................................................................86

4.1.3.3 Análise.......................................................................................................................93

4.1.3.4 Resultados e contribuições .......................................................................................97

4.2 Contexto Ambiental.......................................................................................................98

4.2.1 Estudo de Caso – Computação Voluntária como uma alternativa de tornar o

consumo de energia mais eficiente................................................................................103

4.2.1.1 Coleta de Dados......................................................................................................103

4.2.1.2 Análise ....................................................................................................................107

4.2.1.3 Resultados e contribuições......................................................................................112

4.3 Contexto Econômico...................................................................................................113

4.3.1 Cloud Computing..................................................................................................115

4.3.1.1 Infra-estrutura.........................................................................................................116

4.3.1.2 Grid Computing e virtualização..............................................................................117

4.3.1.3. Serviços tecnológicos ............................................................................................117

4.3.1.4 Consumidores e Negócios: Market-Oriented Cloud Computing.............................121

4.3.1.5 Tipos de serviço e níveis de abrangência................................................................122

4.3.1.5.1 Tipos de serviços.............................................................................................................123

4.3.1.5.2 Níveis de abrangência ....................................................................................................125

4.3.2 Estudo de Caso – Open Utility Cloud Computing...............................................126

4.3.2.1 Coleta de dados.......................................................................................................127

4.3.2.2 Análise ....................................................................................................................131

4.3.2.3 Resultados e contribuições......................................................................................133

5. Considerações finais..........................................................................................................135

5.1 Tendências e trabalhos futuros...................................................................................137

REFERÊNCIAS BIBLIOGRÁFICAS................................................................................139

WEBGRAFIA........................................................................................................................142

1. Introdução

1.1 Motivação

A evolução da tecnologia fortaleceu a concepção de dispositivos com alto poder de

processamento. É possível encontrar no mercado recursos computacionais com processadores

de última geração capazes de processar grandes quantidades de informações que no passado

só poderiam ser processadas por supercomputadores ou computadores paralelos. Foster

(2002a, p.42) intensifica esse cenário com a seguinte afirmação:

Um computador pessoal em 2001 é tão rápido quanto um supercomputador

em 1990 [...]. Computadores pessoais possuem agora mais de 100 GB de

espaço em disco – A mesma quantidade de um centro de supercomputadores

em 1990.

Porém, é notório perceber que as capacidades de processamentos desses recursos

computacionais muitas vezes não são utilizadas completamente, existindo dispositivos com

capacidade excedente. É possível citar os diversos motivos que influenciam esse cenário, mas

destaca-se na maioria das vezes a execução de atividades que não exigem alto poder de

processamento, como a utilização de aplicações simples, navegação na Internet, entre outras.

Essas características mostra que, em muitos casos, as aplicações não requerem alta

capacidade de processamento; porém, isso não significa que a tecnologia de software não

evoluiu, mas aponta que a indústria de hardware teve um gigantesco salto na produção de

recursos computacionais, produzindo máquinas cada vez mais potentes.

Os servidores muitas vezes são responsáveis pela execução de uma aplicação

específica para a disponibilização de um serviço, enquanto os computadores pessoais são

utilizados pelos usuários para tarefas geralmente utilitárias, como uso de aplicativos de

escritório, aplicações pessoais e navegação na Internet, entre outras.

Em ambos os equipamentos é possível encontrar capacidade de processamento

excedente e ociosidade. No caso dos servidores, geralmente as empresas ou as instituições

responsáveis pelo gerenciamento dos recursos optam pela abundância de equipamentos para

fins de balanceamento de carga e alta-disponibilidade, visando assim a garantia de

continuidade do processo produtivo. Entretanto, essas práticas podem acarretar em uma

grande quantidade de máquinas com pouca utilização ao invés de uma quantidade menor de

recursos com utilização balanceada.

Os computadores pessoais também possuem recursos computacionais, como

processadores e memória, sem utilização total por parte do usuário, mantendo-se assim

máquinas ociosas conectadas à Internet.

Nesse trabalho, serão abordados os impactos da colaboração através do

compartilhamento de recursos computacionais para a constituição de um ambiente mais

produtivo e menos ocioso. O estudo baseia-se em três vertentes para a análise das vantagens

da tecnologia de Grid Computing e também Cloud Computing:

• Impacto Social: aborda-se a influência do compartilhamento de recursos

computacionais para a construção de um ambiente de computação compartilhado e

de larga escala, o qual pode ser capaz de servir diferentes instituições,

organizações e pessoas ao redor do mundo. Esse ambiente compartilhado também

é importante para transparência de informação, possibilitada devido a arquitetura

descentralizada de Grid Computing.

• Impacto Ambiental: aborda-se os benefícios de Grid Computing através do

uso da capacidade ociosa de recursos computacionais, situação que os tornam mais

eficientes em relação ao consumo de energia. Também são considerados projetos

científicos com foco no meio-ambiente que utilizam uma plataforma de Grid

Computing para o processamento de seus dados.

• Impacto Econômico: o ambiente das redes de comunicação proporciona um

novo modelo econômico baseado no compartilhamento de recursos e também no

trabalhos colaborativos. As vantagens financeiras e os novos modelos de negócios

gerados por Grid Computing e Cloud Computing são tendências que já podem ser

observadas.

1.2 Objetivos

O objetivo desse trabalho é analisar o impacto da tecnologia de Grid Computing na

sociedade e seus benefícios em relação aos contextos social, ambiental e econômico. Analisa-

se também a sinergia entre Grid Computing e Cloud Computing, os seus novos modelos de

negócios e tendências.

1.3 Contribuições

Espera-se com esse trabalho apresentar os benefícios da colaboração através do

compartilhamento de recursos computacionais, incentivando a adoção desse conceito por

empresas, instituições e usuários finais de dispositivos computacionais.

1.4 Método de Pesquisa

O método de pesquisa utilizado é composto do levantamento bibliográfico para o

estudo da influência das tecnologias para a sociedade, dos novos modelos produtivos gerados

pela colaboração e compartilhamento de recursos, e da tecnologia de Grid Computing, seu

conceito, sua arquitetura e seus principais projetos.

Posteriormente, são levantados os trabalhos relacionados ao tema da pesquisa para a

formulação do Estado da Arte em compartilhamento de recursos e trabalhos colaborativos nas

redes de comunicação.

Em seguida, são analisadas as vantagens de Grid Computing e como essa tecnologia

gera benefícios nos contextos sociais, ambientais e econômicos. Também levanta-se dados

referente a Cloud Computing e como tal conceito pode ser empregado em conjunto com a

tecnologia de Grid Computing. A técnica de Estudo de Caso é aplicada com o objetivo de

analisar uma situação concreta e reforçar a dissertação de como a Computação em Grade pode

ser vantajosa para o compartilhamento de recursos, trabalhos colaborativos, utilização

otimizada de recursos energéticos e também para a economia financeira.

Yin (2002) afirma que a técnica de Estudo de Caso é a estratégia mais indicada quando

as questões “como” ou "por que" estão presentes, e quando o foco é no fenômeno

contemporâneo entre alguns contextos na vida real. Serão aplicados, ao todo nesta pesquisa,

três Estudos de Caso, sendo um relevante a cada vertente de estudo (contexto social,

ambiental e econômico).

Mais detalhadamente, as seguintes atividades compõem om método de pesquisa.

1. Levantamento Bibliográfico: a pesquisa inicia-se com o levantamento bibliográfico

relativo ao tema para fomentar a motivação e o objetivo do trabalho, servindo como

embasamento teórico no desenvolvimento da pesquisa.

2. Estudo das Tecnologias da Inteligência: estudo dos impactos das novas tecnologias

no processo de constituição do ser humano. Análise das interações entre os indivíduos

e as novas formas de conhecer possibilitadas pelas tecnologias da inteligência.

3. Análise dos Benefícios gerados pelas Redes de Comunicação: análise das

características das redes de comunicação que possibilitaram o surgimento de uma nova

economia informacional baseada em compartilhamento de recursos e organização

descentralizada.

4. Estudo do conceito de Compartilhamento e Trabalhos Colaborativos: estudo dos

fundamentos do compartilhamento de recursos nas redes de comunicação, trabalho

colaborativo e produção entre pares.

5. Estudo sobre a Tecnologia de Grid Computing: estudo da tecnologia de Grid

Computing, o seu surgimento, a sua arquitetura e seus benefícios através do modelo de

colaboração e compartilhamento.

6. Levantamento sobre trabalhos relacionados: levantamento e análise de projetos de

pesquisas e trabalhos científicos relacionados ao tema do trabalho.

7. Análise do impacto de Grid Computing no contexto Social: discorre-se nesta

atividade como a tecnologia de Grid Computing, através de sua arquitetura baseada na

descentralização, gera benefícios para a sociedade em relação ao compartilhamento de

recursos e trabalhos colaborativos. Um Estudo de Caso é aplicado com o objetivo de

analisar uma situação concreta e reforçar a dissertação sobre o impacto positivo da

Computação em Grade no contexto social.

8. Análise do impacto de Grid Computing no contexto Ambiental: discorre-se nesta

atividade como a tecnologia de Grid Computing cria novas possibilidades para tornar

os recursos computacionais mais eficientes em relação ao consumo de energia. Assim

como na atividade sete, um Estudo de Caso é aplicado para apoiar a dissertação sobre

o impacto positivo de Grid Computing no contexto ambiental.

9. Análise do impacto de Grid Computing e Cloud Computing no contexto

Econômico: discorre-se nessa atividade a sinergia entre ambas as tecnologias, as suas

influências para economia financeira e também as possibilidades de geração de novos

negócios. Assim como nas atividades sete e oito, um Estudo de Caso é aplicado em

uma situação concreta para fomentar a dissertação sobre o impacto de Cloud

Computing no contexto econômico.

10. Fechamento do trabalho: conclusão da pesquisa e proposta de trabalhos futuros.

1.5 Organização do trabalho

No primeiro capítulo dessa pesquisa, Introdução, descreve-se a problemática, a

motivação e os objetivos que serão discutidos nesse trabalho. Apresentam-se também as

contribuições e a metodologia de pesquisa para alcançar os objetivos especificados.

No segundo capítulo, Fundamentação Teórica, apresenta-se o conceito das tecnologias

da inteligência e suas influências na constituição do ser humano. Destaca-se o poder das redes

digitais com a concepção de uma nova economia informacional baseada em

compartilhamento e trabalho colaborativo. Apresenta-se também, nesse capítulo, a tecnologia

de Grid Computing, a suas origens, arquiteturas e principais características.

No terceiro capítulo, Estado da Arte em Trabalhos Coletivos e Colaboração nas Redes

Digitais, são revistos os projetos de pesquisas e trabalhos científicos relacionados ao tema do

trabalho.

No quarto capítulo, Análise dos Benefícios de Grid Computing, apresenta-se uma

análise do impacto da tecnologia de Computação em Grade para os projetos científicos,

trabalhos colaborativos e o meio-ambiente. Também são abordadas as vantagens financeiras e

os novos modelos de negócios gerados por Cloud Computing. A técnica de Estudo de Caso é

aplicada para fomentar a dissertação de como a tecnologia de Computação em Grade é

vantajosa para os contextos social, ambiental e econômico.

No quinto capítulo são apresentadas as conclusões do presente trabalho, suas

contribuições e trabalhos futuros.

2. Fundamentação teórica

Neste capítulo serão estudados os fundamentos da dissertação. Inicialmente, discorrer-

se-á sobre as influências da tecnologia para a sociedade e como isso alterou a forma de

compartilhamento de informações através do surgimento da Internet, ligando indivíduos

separados geograficamente e modificando a interação entre as pessoas com a concepção das

redes sociais e das comunidades virtuais.

Em seguida, serão destacados os novos modelos de produção gerados pelas novas

tecnologias e seus impactos para a concepção de novos conteúdos que são capazes de

abranger meios alternativos e meios comerciais de comunicação.

Posteriormente, serão expostos o conceito, arquitetura, principais sistemas e projetos

de Grid Computing, uma tecnologia de sistemas distribuídos capaz de favorecer o

compartilhamento de informações e novas formas de interações entre indivíduos conectados

ao mesmo ambiente.

2.1 As tecnologias da inteligência

As tecnologias são influentes na constituição da cultura das pessoas e são capazes de

moldar a inteligência de grupos. Isso é possível, segundo Levy (1990), pois o ser humano

possui algumas funções cognitivas, como forma de conhecer e pensar, que são fortemente

influenciadas pela cultura na qual está inserido, modelo denominado transcendental histórico.

A afirmação abaixo enaltece a importância das tecnologias e suas influências na constituição

do modo de pensar dos seres humanos:

Novas maneiras de pensar e conviver estão sendo elaboradas no mundo das

telecomunicações e da informática. As relações entre os homens, o trabalho,

a própria inteligência dependem, na verdade, da metamorfose incessante de

dispositivos de todos os tipos (LEVY, 1990, p.7).

As tecnologias tornam-se partes integrantes do transcendental histórico podendo

influenciar o processo de constituição do ser humano. Levy (1990) exemplifica esse conceito

afirmando que as concepções de tempo e espaço que se tem hoje não são resultados apenas de

idéias sobre tempo e espaço, mas necessitam de um agenciamento técnico para existirem,

como relógios e procedimentos de cartografia, evidenciando assim a importância das

tecnologias para o processo de desenvolvimento humano e social.

Atualmente, é possível destacar uma maior dependência dos indivíduos da sociedade

em relação às tecnologias. Os usuários necessitam estar em constante contato com as

tecnologias que os auxiliam com suas tarefas, ditando um tempo mais veloz e produtivo.

É possível destacar assim que as tecnologias já fazem parte da constituição dos

sujeitos, sendo um fator influente para a transformação da estrutura social, principalmente nos

meios de comunicação e nas formas de adquirir, armazenar e compartilhar conhecimento.

A concepção das tecnologias influencia o modo de conhecer dos indivíduos, que antes

era direcionado por teorias e agora passa a ser constituído por simulações e modelos que não

são possíveis de serem lidos e interpretados, como a forma de textos tradicionais, mas que

geralmente são explorados de uma maneira interativa.

O usuário tem a possibilidade de alterar alguns parâmetros do modelo para obter o

resultado sobre a forma de causa e efeito, adquirindo conhecimento por simulação,

característica que não se assemelha nem com o conhecimento teórico nem com a experiência

prática. Os benefícios do conhecimento por simulação são citados por Levy (1990, p.122):

O conhecimento por simulação, menos absoluto que o conhecimento

teórico, mais operatório, mais ligado às circunstâncias particulares de seu

uso, junta-se assim ao ritmo sociotécnico específico das redes

informatizadas: o tempo real. A simulação por computador permite que uma

pessoa explore modelos mais complexos e em maior número do que se

estivesse reduzido aos recursos de sua imagística mental e de sua memória

de curto prazo, mesmo se reforçadas por este auxiliar, por demais estático,

que é o papel.

É notório que o surgimento das tecnologias modificou o modo de adquirir

conhecimento dos indivíduos atribuindo novas possibilidades a sua cultura. Levy (1990)

dividiu a história da comunicação em três tempos: a oralidade primária, a escrita e a

informática.

Na oralidade primária, destacavam-se as comunidades onde a técnica de comunicação

era principalmente a linguagem oral, sendo assim, todo o saber era transmitido por meio desse

recurso. A memória humana e a fala eram os únicos meios de que a sociedade dispunha para o

armazenamento e a transmissão de conhecimento para as próximas gerações, perdendo-se

assim, conhecimento valioso durante o passar dos tempos.

A escrita foi uma das grandes revoluções na área da comunicação interpessoal, pois

possibilitou separar em diferentes contextos o emissor e o receptor da mensagem. A escrita

permitiu que o armazenamento do conhecimento fosse prolongado e que o receptor pudesse

usufruir de uma informação muito tempo após a sua concepção.

A informática é responsável pela concepção das tecnologias da inteligência que

disponibilizam serviços que auxiliam a comunicação e a forma de obter conhecimento entre

os seres humanos. O modelo de conhecimento por simulação exalta a utilização das

tecnologias para a exteriorização das informações, atribuindo a necessidade de

armazenamento de dados em dispositivos computacionais e a disponibilização dos mesmos

para os usuários quando necessário. Essa situação é fortalecida pelo conceito de inteligência

conectiva que será abordada mais a frente nesta dissertação.

As tecnologias de comunicação também permitiram que indivíduos dispersos

geograficamente pudessem agrupar-se em um ambiente para trocarem informações,

debaterem sobre um assunto e trabalharem de forma coletiva por um objetivo em comum,

influenciando a formação de redes sociais na Internet.

2.2 Redes sociais

Uma rede social é definida como um conjunto de dois principais elementos: os atores

(os quais podem ser pessoas, instituições, etc.) e as suas conexões (interações ou laços

sociais). A rede social tem foco na estrutura social, onde os indivíduos (atores) não devem ser

analisados individualmente, sem que as suas conexões não sejam levadas em consideração.

Uma das características mais ricas das redes sociais está justamente na habilidade de poder

estudar a relação e a interação entre os indivíduos (RECUERO, 2006).

Esse é um conceito que está sendo estudado há muito tempo, porém com o avanço das

redes de comunicação, novas pesquisas surgiram com o foco em redes sociais suportadas

pelos ambientes de comunicação mediada pelo computador, ou seja, como a Internet

possibilitou novas formas de relacionamentos entre indivíduos separados geograficamente.

Wellman et al. (1996) citam que quando os computadores interligam as pessoas, assim

como as máquinas, eles tornam-se redes sociais. O autor parte do pressuposto que

computadores conectam pessoas, e por esta razão podem ser estudados como redes sociais:

A análise de redes sociais concebe a estrutura como um padrão de

organização desses membros da rede e suas relações. Os analistas de redes

sociais trabalham descrevendo os padrões latentes das estruturas sociais,

explicando o impacto destas estruturas em outras variáveis e levando-as em

conta no estudo das medidas da estruturas sociais (WELLMAN, 1997).

O conceito de redes sociais na Internet foi impulsionado quando a US Defense

Departament's Advanced Projects Research Agency desenvolveu a ARPANET com o objetivo

de interligar as redes de computadores das grandes universidades. Desde os anos 80, os

computadores pessoais conectaram-se com alguns centros de comunicações, os quais também

expandiram suas interligações com outros centros, tornando a ARPANET a “rede das redes”,

conhecida posteriormente como Internet.

Wellman et al. (1996) destacam que a Interntet foi a base para o surgimento da

comunicação mediada pelo computador (computer-mediated communication), permitindo que

pessoas de diferentes lugares e com diferentes fusos horários trocassem informações, seja em

uma forma de comunicação síncrona ou assíncrona. Essa situação também é importante para

tornar os laços sociais menos fortes, mais fluidos e amplos, pois a relação das pessoas não fica

restrita somente aos seus lugares de residência e trabalho, como encontrada antigamente nos

pequenos vilarejos. Os indivíduos podem agora, através da comunicação mediada pelo

computador, relacionar-se com outras pessoas com quem compartilham certos interesses,

mesmo que estes não estejam na mesma localidade.

Os laços sociais são fatores importantes em uma rede social, pois são eles que definem

a efetiva conexão entre os indivíduos envolvidos em uma interação social. Wellman, Chen e

Weizhen (2001) definem os laços sociais:

Laços consistem em uma ou mais relações específicas, tais como

proximidade, contato frequente, fluxos de informação, conflito ou suporte

emocional. A interconexão destes laços canaliza recursos para localizações

específicas na estrutura dos sistemas sociais. Os padrões destas relações – a

estrutura da rede social – organiza os sistemas de troca, controle,

dependência, cooperação e conflito.

Esses laços sociais possuem dois tipos: fortes e fracos. A força de um laço pode estar

associada diretamente com a quantidade de tempo, intensidade emocional e intimidade que

caracterizam um laço. Os laços fortes são aqueles caracterizados pela intimidade, proximidade

e pela intencionalidade de estabelecer conexão entre dois indivíduos. Já os laços fracos são

caracterizados por conexões que não remetem características de proximidade e intimidade.

Wellman et al. (1996) citam que muitos dos laços online, podem compreender

características de laços fortes, principalmente por facilitar contatos frequentes, recíprocos e

com finalidades de companheirismo. É comum encontrar pessoas que possuem amigos na

Internet, com quem dividem segredos, recebem apoio emocional e conselhos, mesmo que

nunca tenham se encontrado pessoalmente. Essa é uma característica evidente de laços sociais

fortes na Internet.

Wellman et al. (1996) fortalecem a idéia que a comunicação mediada pelo computador

permite uma relação afetiva entre os seus usuários, citando que há frequentemente uma troca

de suporte emocional através da Internet. Essa situação acontece, segundo o autor, pelo fato

dos usuários passarem muito tempo em frente aos computadores, influenciando a discussão de

seus problemas e dificuldades de forma online.

Em contra partida, Granovetter (1973, apud RECUERO, 2006) afirma que os laços

fracos também são importantes para ajudar a fortalecer a estrutura das redes sociais. Isso

acontece pelo fato dos laços fracos conectarem os grupos constituídos de laços fortes entre

suas conexões. A Internet permite que pessoas ou grupos sociais que não possuem intimidades

possam se relacionar, criando um laço social fraco, para trocar informações e trabalhar em

conjunto visando alcançar um determinado objetivo.

Com o advento da comunicação mediada pelo computador, e principalmente pelo

surgimento da Web, as pessoas não limitam os seus relacionamentos apenas com os seus

familiares, companheiros de trabalho e seus vizinhos. Pelo contrário, os indivíduos que

possuem interesse por determinado assunto podem deixar suas conexões fluírem para a

criação de laços sociais (mesmo que forem laços fracos) com pessoas que tem os mesmos

interesses que o seus, não importando a localização geográfica, podendo ser residentes de

cidades, estados e até países diferentes.

Os estudos das redes sociais foram retomados principalmente após o surgimento da

Web, situação onde os indivíduos começaram a expandir os seus laços de relacionamentos de

forma exponencial. Entretanto, a forma de interação no ciberespaço não é alvo de estudos

somente das redes sociais. Existe um conceito denominado comunidades virtuais que é

bastante abordado por diversos pesquisadores. Na próxima seção, será descrito o conceito de

comunidades virtuais e a sua sinergia com as redes sociais.

2.2.1 Comunidades virtuais nas redes sociais

O conceito de comunidades é um grande desafio de definição para as ciências sociais.

É possível entender como comunidades as aldeias, os grupos étnicos e até mesmo as nações,

apesar de o conceito ter sofrido algumas modificações em sua abordagem ao longo do tempo.

Baumann (2003) é uma das referências para o conceito de comunidades, tendo

abordado em seu livro a relação das comunidades e a segurança no mundo atual. O autor

supõe que há uma oposição entre liberdade e comunidade no período contemporâneo:

Há um preço a pagar pelo privilégio de 'viver em comunidade'. O preço é

pago em forma de liberdade, também chamada 'autonomia', 'direito à auto-

afirmação' e à 'identidade'. Qualquer que seja a escolha, ganha-se alguma

coisa e perde-se outra. Não ter comunidade significa não ter proteção;

alcançar a comunidade, se isto ocorrer, poderá em breve significar perder a

liberdade (BAUMANN, 2003, p.10).

A própria definição de Baumann (2003, p.57) fortalece o cenário onde a liberdade é

oposta à forma de pertencer a uma comunidade, conforme a seguinte afirmação:

Tecida de compromissos de longo prazo, de direitos inalienáveis e

obrigações inabaláveis (...) E os compromissos que tornariam ética a

comunidade seriam do tipo do 'compartilhamento fraterno', reafirmando o

direito de todos a um seguro comunitário contra os erros e desventuras que

são os riscos inseparáveis da vida individual.

Baumann (2003) fez um estudo da relação das comunidades com a questão da

segurança, apontando que a elite da sociedade tenta criar os seus próprios ambientes de

interações de forma seletiva, onde somente os eleitos possuem acesso, esquecendo da

comunidade pura, que pode oferecer algum tipo de vantagem aos indivíduos, sem importar-se

com suas classes sociais.

O conceito de comunidade, assim como as redes sociais, também teve uma grande

retomada nos seus estudos com o surgimento da comunicação mediada pelo computador. As

comunidades virtuais na Web vêm sendo abordadas por muitos autores como um conceito

muito próximo às redes sociais.

Castells (2003) cita que o termo comunidade virtual surgiu a partir de novas interações

sociais, ocasionadas principalmente pela Internet. O autor também destaca que é necessário

reestruturar o conceito de comunidade, focando principalmente no seu papel de apoio social,

constituída através de grupos esparsos e não restritos a apenas uma localidade.

Rheingold (1996) foi um dos principais autores a abordar o conceito de comunidades

virtuais, definindo-o como agregações sociais que emergem da rede quando uma quantidade

suficiente de pessoas permanece em discussões públicas longas o suficiente, com sentimento

humano, para formar teias de relações pessoais no ciberespaço.

De acordo com essa definição, demonstra-se que os elementos formadores das

comunidades virtuais são as discussões públicas; as pessoas que se encontram ou que mantêm

contato através da Internet; o tempo e o sentimento, características fáceis de serem

observadas nos ambientes de comunicação mediada pelo computador, consequentemente

também perceptíveis nas redes sociais.

Assim, nota-se uma forte sinergia entre os conceitos de comunidades virtuais e de

redes sociais. Esse fator é tão relevante que influenciou Rheingold (2000) a publicar um texto

onde repensou sobre o seu conceito de comunidades virtuais e a suas relações com as redes

sociais.

Wellman (1997) também é outro autor a citar a forte relação entre os conceitos de

redes sociais e comunidades virtuais, defendendo que os agrupamentos sociais na Internet

teriam a presença de variados tipos de conexão. Seguindo esse raciocínio, o autor prefere

chamar os agrupamentos de redes sociais, ao invés de comunidades, devido à variedade de

seus laços sociais e sua abrangência geográfica.

O conceito de comunidades está fortemente relacionado com um ambiente onde há

relações através de laços sociais fortes. Entretanto, a Internet está influenciando o surgimento

de novos modelos de interações entre indivíduos, onde os grupos passam a ser constituídos

por laços menos fortes e com uma abrangência geograficamente maior, por isso Wellman

(1997) prefere chamar tal conceito de rede social.

É importante destacar que as redes sociais na Internet correspondem, muitas vezes, a

redes sociais na vida concreta, e que a comunicação mediada por computador é uma forma de

manter e criar novos laços sociais, os quais não são obrigatoriamente mantidos apenas no

ciberespaço.

As comunidades virtuais também apresentam características próprias em contraste com

as redes sociais. Recuero (2006) cita que o estudo de comunidades virtuais a partir das redes

sociais seria o mais apropriado, principalmente por esse último conceito permitir um maior

alargamento geográfico dos laços sociais. O autor também defende que a metáfora da rede

social é importante por enfatizar a estrutura da rede, local onde a comunidade virtual é

encontrada.

Assim, pode-se defender a idéia que tanto as redes sociais, quanto as comunidades

virtuais, mesmo apresentando sinergia nas suas definições, não correspondem simplesmente a

um mesmo conceito. Em outras palavras, o grau de proximidade, a intensidade das interações

e o compromisso entre os indivíduos são elementos que ajudam a diferenciar o conceito de

redes sociais e comunidades virtuais.

A rede social torna-se a base dos relacionamentos para a criação de laços sociais entre

os indivíduos, muitas vezes de maneira menos intensa e mais dispersa geograficamente. Já as

comunidades virtuais emergem a partir de tal cenário de interação, onde indivíduos podem se

agrupar de acordo com seus objetivos e interesses em comum, cooperando intensamente entre

si para a construção de laços sociais fortes.

Apesar desses conceitos apresentarem diferenças, vale ressaltar que ambos são

importantes para o surgimento de novas formas de interações e relacionamentos na sociedade,

situação que também influenciou o amadurecimento do conceito de colaboração.

O conceito de redes sociais é evidenciado nessa dissertação por esta pesquisa ter como

objetivo investigar as formas de colaboração e compartilhamento entre os indivíduos, situação

que caracteriza laços sociais mais fluídos e menos fortes, e não interação de intimidade e

suporte emocional, como encontrados em comunidades virtuais.

A tecnologia de Grid Computing, conforme será discorrida mais a frente nesta

dissertação, também favorece a criação de novas formas de redes sociais em seu ambiente,

permitindo que indivíduos possam interagir, criando laço sociais fracos, através do

compartilhamento de recursos computacionais, dados e aplicativos.

As redes sociais têm papéis fundamentais para o surgimento de novos modelos

produtivos, principalmente influenciando o compartilhamento e a colaboração entre os

indivíduos. As redes sociais também têm uma função importante para facilitar a comunicação

e troca de informação, estimulando a colaboração entre indivíduos que não têm laços sociais

fortes, mas que compartilham interesse por um mesmo assunto. Na próxima seção será

abordado sobre uma revolução que modificou o processo produtivo nas redes digitais.

2.3 Riquezas das redes

As redes de comunicação são responsáveis por importantes mudanças na sociedade,

desde a criação de novas formas de interações e relacionamento entre as pessoas até o

surgimento de novos modelos produtivos de conteúdos, produtos e serviços.

De acordo com essa situação, Benkler (2006) afirma que a economia informacional

está sofrendo importantes saltos sociais na concepção dos seus bens, partindo de um

movimento controlado pela indústria privada de informação para uma indústria social, não

proprietária e descentralizada. O grande fator responsável por essa mudança foi o surgimento

das redes de comunicações construídas com recursos capazes de interligar comunidades

distribuídas geograficamente, permitindo assim o aumento da produção nonmarket, ou seja,

uma produção informacional e cultural fora do sistema de mercado e organizada de uma

maneira descentralizada.

Atualmente, o declínio dos preços dos recursos computacionais, dispositivos de

comunicações e armazenamento tornou possível a produção informacional e cultural para uma

significante fração da população mundial conectada à Internet. Em meados do século

dezenove, era necessário um grande investimento de capital físico para a circulação da mídia

impressa em larga escala. O surgimento de diversas técnicas como telégrafos, rádios,

transmissores de televisão a cabo e computadores de grande porte, como os mainframes,

foram necessários para que a informação tivesse um alcance para um público além do limite

local do emissor. Como resultado, a produção de informação tornou-se ainda mais

privilegiada e restrita para as indústrias informacionais que possuíam recursos para

investimento nessas tecnologias.

Entretanto, o surgimento do ambiente de comunicação possibilitado pelas redes de

computadores mudou esse cenário, pois permitiu que o material necessário para a produção de

informação estivesse disponível para um grande número de indivíduos conectados na rede.

Segundo Benkler (2006), a remoção das barreiras físicas na efetiva produção de

informação transformou a criatividade humana e os fatores estruturais da tradicional

economia da informação, concebendo um novo ambiente denominado economia

informacional conectada.

Na economia informacional conectada, o capital necessário para produção de

informação está distribuído na sociedade através dos computadores pessoais e também das

redes sociais, enfatizando a questão de que simples usuários conectados na Internet possam

desenvolver quaisquer atividades que envolvam a criatividade humana através de seus

computadores pessoais, sozinhos ou em cooperação com outras pessoas.

O resultado desse cenário é o florescimento de uma produção informacional e cultural

baseada no ambiente de redes sociais, o qual pode ser aplicado para o surgimento de diversos

recursos que não são tratados como bem de propriedade exclusiva, mas sim como recursos

abertos e compartilhados.

Jenkins (2006) cita que a convergência das mídias também tem papel fundamental para

que simples consumidores, posteriormente chamados de prossumidores, comecem a gerar

conteúdos que podem abranger as mídias tradicionais e também as atuais mídias participativas

e coletivas.

Como exemplo, o mesmo autor cita o episódio ocorrido em 2001, quando um

estudante criou, utilizando o Photoshop

, uma edição do personagem Beto da Vila Sésamo

interagindo com o terrorista Osama Bin Laden. Essa montagem faz parte de uma brincadeira

de internautas denominada “Beto é do Mal”, que traz o personagem como membro da Ku Kux

Klan, ou até mesmo ao lado do Hitler.

Logo após os ataques de 11 de Setembro, um editor de Bangladesh fez pesquisas na

Internet para coletar imagens de Osama Bin Laden com o objetivo de criar cartazes

antiamericanos. O editor provavelmente não conhecendo o personagem Beto e julgado a

imagem de Bin Laden como um bom retrato, utilizou tal conteúdo para a confecção de

cartazes que, pouco tempo depois acabou espalhado por todo o Oriente Médio em

manifestações.

Repórteres da CNN registraram imagens de protestos contra os Estados Unidos da

América onde estavam sendo utilizados cartazes com a imagem de Beto e Osama Bin Laden.

Os representantes do Children's Television Workshop, criadores do programa Vila Sésamo,

descobriram a imagem da CNN e ameaçaram tomar medidas legais contra o seu uso

inapropriado, porém sem direcionar quem seriam os responsáveis por esse abuso - o estudante

que criou a imagem, ou os simpatizantes terroristas que a utilizaram em cartazes.

O que realmente chama a atenção nesse caso é a convergência entre as mídias em um

cenário global. Um jovem estudante fez uma colagem de um personagem de um programa de

televisão e a disponibilizou na Internet, o que possibilitou que cidadãos de países do Oriente

Médio pudessem utilizar o conteúdo para gerar cartazes antiamericanos durante protestos, os

quais foram transmitidos para todo o mundo através de um dos maiores veículos de

informação internacional. Esse é um exemplo de conteúdos gerados por prossumidores que

podem cruzar por meios comerciais e meios alternativos.

É possível destacar que serviços e produtos intangíveis, como os softwares produzidos

1 Photoshop – Aplicativo utilizado para edição de imagem.

por uma coleção de indivíduos organizados muitas vezes pelas redes sociais na Internet, já

estão aptos a competir em relação à qualidade com bens gerados por indústrias especializadas

e orientadas ao mercado. O Sistema Operacional Linux é um grande exemplo de software

desenvolvido colaborativamente por voluntários, sendo capaz de traçar batalhas árduas com

grandes empresas desenvolvedoras de software na busca pelo mercado consumidor.

O compartilhamento e o trabalho colaborativo são questões extremamente valiosas em

um ambiente de interação proporcionado pelas redes sociais, onde usuários de todas as partes

do mundo podem se comunicar, trocar informações e trabalhar em conjunto, seja em assuntos

relacionados aos seus hobbies, profissionais ou até mesmo em prol da ciência.

2.3.1 Compartilhamento e produção entre pares

A concepção da Internet e o rápido crescimento das redes sociais influenciaram a

concepção de um novo meio de produção. A visão existente no fim do século vinte era do

poder de produção centralizado nas indústrias com grande capacidade de investimento e não

se pensava em um conjunto de indivíduos voluntários trabalhando colaborativamente para a

produção de um bem capaz de superar um produto gerado por uma grande indústria. Porém, é

exatamente isso que está acontecendo atualmente e um exemplo incontestável é o processo de

desenvolvimento de software livre.

A emergência dos softwares de código-livre é um fenômeno de sucesso baseado em

colaboração através do compartilhamento de recursos e produção entre pares. O sistema

operacional GNU/LINUX, o servidor Web Apache, a linguagem de programação Perl, são

práticas de sucesso que surgiram apenas da colaboração de voluntários, sem a influência de

uma indústria especializada.

Os voluntários dificilmente participam de projetos colaborativos por serem

influenciados por seus superiores ou por receberem uma oferta em dinheiro, porém dedicam

seu trabalho visando retorno a longo prazo, como a divulgação do seu trabalho na sociedade e

a prestação de serviços.

Benkler (2006) cita que os ambientes das redes digitais possibilitam um novo modelo

de organização de produção baseado em algumas características, como a descentralização, a

colaboração e a não-proprietariedade. Esse novo processo produtivo evidencia as vantagens

do compartilhamento de recursos e resultados com os indivíduos que cooperam sem

influências de mercados, o que foi chamado de produção entre pares baseada em commons,

O termo common significa uma forma particular de estruturar o direito de acesso, uso e

controle sobre recursos. A principal característica de common é o fato de nenhuma pessoa ter

total e exclusiva autoridade sobre os recursos, mas permitir que sejam utilizados por qualquer

indivíduo, entre um número de pessoas, através de regras que possivelmente emergiram das

influências dos próprios usuários.

Os commons podem ser divididos em quatro tipos baseados em dois parâmetros. O

primeiro parâmetro define se o recurso está aberto para qualquer indivíduo ou somente para

um grupo definido de pessoas. Os oceanos, o ar, a luz do sol são exemplos de commons

abertos para qualquer indivíduo. Os bens imóveis privados, como casas e terrenos, são

exemplos de commons abertos somente para um determinado grupo.

O segundo parâmetro é baseado no fato de um bem ser regulamentado ou não-

regulamentado. Geralmente, os commons com acessos limitados são governados por algum

tipo de regra, enquanto os commons abertos não são regulamentados.

A condição de produção entre pares, a qual compartilha semelhantes características

com a tecnologia peer-to-peer, caracteriza um conjunto de práticas de produção baseada em

commons, onde o sistema produtivo depende da ação individual que é auto-selecionável e

descentralizada, ao contrário de uma produção baseada em hierarquia (BENKLER, 2006).

Bauwens (2002) também cita, na mesma linha, que o modelo peer-to-peer não deve ser

visto somente como uma tecnologia, mas que isso tornou-se um processo de produção, uma

maneira de organizar a forma que produtos imateriais são produzidos, distribuídos e

consumidos.

O ambiente conectado das redes sociais favorece a produção entre pares provendo

novos mecanismos que auxiliam os indivíduos distribuídos geograficamente a adotarem

estratégias radicalmente descentralizadas de cooperação, ao invés de utilizarem recursos

proprietários ou bens baseados nos sistemas de mercado. A economia informacional

conectada, influenciada pelo modelo de produção entre pares destaca a importância das

informações produzidas de maneira distribuída e colaborativa.

Bauwens (2002) afirma que um dos maiores exemplos desse tipo de produção é o

software livre. Delanda (2001) cita que os grupos hackers, que muitas vezes se organizam e

formam alguma rede social na Internet, são os grandes responsáveis pelo sucesso dos

softwares livres. O autor defende que o termo hacker não está relacionado com os vândalos

digitais (chamados de crackers), mas sim com pessoas que buscam o desenvolvimento dos

seus próprios softwares.

O autor cita ainda que esses indivíduos não precisam necessariamente possuir o título

de bacharel em ciências da computação, mas que a motivação por criar algo que eles julgam

útil faz com que eles desenvolvam novos softwares sem a presença de uma imposição

profissional ou alguma recompensa econômica.

É possível encontrar na Internet diversas redes sociais focadas no desenvolvimento de

software livre que agrupam pessoas de diversos países sem que haja alguma empresa por trás

ou qualquer mecanismo de mercado presente.

Os voluntários que compartilham interesse pelo objetivo de um determinado projeto

podem trabalhar de forma colaborativa para desenvolverem uma nova aplicação. É importante

destacar que nesse cenário de produção colaborativa entre pares, o compartilhamento é uma

característica fundamental, pois permite que todos tenham acesso às mesmas informações e

produtos desenvolvidos.

Delanda (2001) cita que os dois principais itens responsáveis pelo sucesso do

movimento do software livre são: O modelo das licenças (principalmente a GPL

) e o modelo

de produção. É perceptível que os dois itens apresentam grande sinergia entre si,

principalmente pelo fato das licenças permitirem maior transparência e confiança no processo

colaborativo de desenvolvimento de software. Os voluntários muitas vezes participam dos

projetos de desenvolvimento de software livre por acreditarem que as licenças ajudam a

proteger o intelectual social através do conceito de commons, onde existe a eliminação da

exclusiva propriedade sobre um bem.

Os commons são encontrados na Internet como um meio de expansão das

possibilidades de práticas colaborativas, mobilização comum e compartilhamento de recursos.

Os indivíduos tendem a colaborar mais quando eles encontram um bem gerenciado como um

common, devido as suas características de liberdade e não exclusividade.

O ambiente informacional constituído por redes sociais e influenciado pelos conceitos

de colaboração são também importantes para o fortalecimento de novo modelo de

inteligência, como é chamado por diversos autores. Isto se dá pelo fato de pessoas de

diferentes países, culturas, formações e experiências poderem interagir via Internet para

trabalhar em conjunto, compartilhando os seus conhecimentos específicos.

2 General Public License - Licença para software livre idealizada por Richard Stallman no final dos anos 80.

Para exemplificar esse cenário, pode-se pensar em um projeto de desenvolvimento de

uma nova aplicação, onde pessoas com diferentes tipos de experiências estão trabalhando em

conjunto. Existem indivíduos com conhecimento na linguagem de programação Java, outros

com experiência na linguagem C++ e também pessoas que trabalham apenas com

gerenciadores de bancos de dados.

Todos esses indivíduos podem compartilhar os seus conhecimentos para agregar valor

no processo produtivo. O indivíduo que trabalha com a linguagem Java pode ser o

responsável pelo desenvolvimento da interface gráfica de uma aplicação, mas pode estar em

constante contato com os desenvolvedores em C++ que estão responsáveis pela construção de

outra parte do sistema e até mesmo com os administradores dos bancos de dados. Assim, se o

desenvolvedor de Java estiver enfrentando alguma dificuldade, ele poderá ser ajudado por

pessoas com diferentes experiências e perspectivas do projeto. Na próxima seção serão

estudados os novos conceitos de inteligência que emergiram a partir das redes de

comunicação e forma impulsionadas por fatores coletivos e de colaboração.

2.4 Inteligência nas redes

Diversas pesquisas foram iniciadas com foco na reflexão sobre a dimensão e

abrangência do coletivo, estudando de qual forma os indivíduos atuam em grupo, mesmo que

eles apresentem características pessoais diferentes (como país de origem, formação, idade,

sexo, etc.), e como eles podem agregar valor social para o coletivo do qual fazem parte.

As redes sociais na Internet permitem que pessoas pertencentes a distintas culturas e

com diferentes perfis possam trocar experiência em um ambiente de comunicação mediada

pelo computador, possibilitando que novas formas de inteligência possam ser estimuladas

através do compartilhamento e colaboração de cada um dos indivíduos.

Levy (1999) define o termo inteligência coletiva como “uma inteligência distribuída

por toda a parte, coordenada em tempo real, que resulta uma mobilização efetiva das

competências”. Essa definição constata que na Inteligência Coletiva o conhecimento está

espalhado por todos os lugares do mundo, onde cada pessoa pode apresentar um tipo de

conhecimento diferente em relação a outros indivíduos, sejam estes inseridos na mesma ou

em diferentes culturas.

A Internet é um espaço de compartilhamento de informações, um ambiente onde os

indivíduos submetem seus conhecimentos e expertises individuais para objetivos comuns.

Levy (1999) cita também que nenhuma pessoa sabe tudo e que todo o conhecimento reside na

humanidade. De acordo com essa afirmação, exalta-se que, através das redes sociais, é

possível que as tarefas que as pessoas não tinham conhecimento ou não podiam fazer

sozinhas, agora tornam-se possíveis de serem realizadas coletivamente.

Na Wikipedia, embora haja alguns mecnismos de controle, todo o conhecimento foi

gerado por indivíduos espalhados ao redor do mundo em um formato de voluntariado. Pessoas

nascidas em diferentes países, com diferentes idades e formações podem trabalhar em

conjunto, adicionando, editando e removendo informações para enriquecer um determinado

artigo nessa enciclopédia colaborativa. As mesmas características, conforme já abordado

anteriormente, também podem ser facilmente encontradas nos movimentos de

desenvolvimento de software livre.

A Internet possibilitou que novas formas de ações coletivas fossem capazes de serem

realizadas com sucesso. As pessoas conectam-se em um ambiente de comunicação e

computação, onde podem executar suas tarefas com ajuda de algum outro indivíduo que

reside em um país diferente, criando uma situação de cooperação que nunca tinha sido

observada anteriormente.

Rheingold (2002) fortalece a idéia que as novas tecnologias, principalmente aquelas

que potencializam a mobilidade, como as redes de telefonia móvel e as redes wireless, são de

extrema importância para facilitar ações colaborativas através das redes sociais. O autor

defende que o acesso às redes modifica a capacidade e a forma das pessoas executarem suas

atividades, pois elas passam a ter acesso constante a repositórios de informações e também

podem solicitar ajuda para pessoas que não estão presentes no seu espaço físico, mas que são

acessíveis através da comunicação mediada por computador.

Com base nessas características, Rheingold (2002) definiu Smart Mob (Multidão

Esperta), conceito que corresponde a um grupo que se comporta de maneira inteligente ou

eficiente em uma rede onde suas conexões crescem exponencialmente, permitindo que as

pessoas possam agir de forma conjunta. O autor ainda cita que as pessoas que formam a

Smart Mob cooperam através de uma nova forma devido ao fato de utilizarem aparelhos que

possuem tanto capacidade de comunicação quanto de computação.

Rheingold (2002) cita que uma Smart Mob emerge quando redes sociais utilizam

principalmente tecnologias móveis, computação pervasiva e métodos peer-to-peer para

coordenar uma ação coletiva. O autor exemplifica essa afirmação citando o cenário da queda

do presidente das Filipinas, onde os cidadãos filipinos organizados por meio de mensagens de

texto via celular (sms

) promoveram manifestações pacíficas que conseguiram tirar do poder o

presidente Joseph Estrada.

É importante ressaltar que as tecnologias e as redes sociais têm papel fundamental para

identificar e mobilizar as pessoas próximas, criando laços extremamente valiosos para que

possam atuar em conjunto por um mesmo objetivo, muitas vezes sem importar sua cultura,

formação, sexo ou idade. Levy (1999) afirmou que todos os indivíduos na humanidade têm

um tipo de conhecimento e que, por esse motivo, nenhuma pessoa deveria ser desprezada.

Rheingold (2002) escreveu que as interações entre as pessoas podem transformar uma simples

multidão em uma multidão esperta.

Por sua vez, Surowiecki (2006), com uma proposta visionária, defende o que ele

chama de sabedoria das multidões, um assunto extremamente polêmico, já que a grande

maioria das pessoas associa a idéia de multidão com tumulto e desordem. Entretanto, o que o

autor mostra é que as decisões tomadas por uma multidão eclética são mais inteligentes do

que as opiniões geradas por um pequeno grupo de especialistas.

Para defender sua definição, Surowiecki (2006) cita diversos exemplos, podendo ser

destacado o caso do desaparecimento do submarino americano Scorpion no Atlântico Norte.

Nesta situação, os oficiais da marinha em terra possuíam somente informações do possível

local do desaparecimento, o qual correspondia a uma área com raio de 20 milhas em águas

que apresentavam variações de profundidade.

John Crave, um oficial da marinha naquela época, teve a idéia de levar as informações

disponíveis para especialistas das mais diversificadas área do conhecimento, pedindo para que

estimassem o possível local onde estaria o submarino Scorpion.

Após receber todas as coordenadas dos especialistas, Crave utilizou essas informações

em uma fórmula matemática, obtendo um impressionante resultado – apontou a localização

do submarino com um pequeno erro de 200 metros, o que seria uma tarefa bastante difícil, se

fosse trabalhada apenas por especialistas de uma única área de atuação.

Entretanto, Surowiecki (2006) menciona que a sabedoria das multidões é fácil de ser

observada em várias situações na sociedade, porém são muito difíceis de serem obtidas por

terem que obedecer quatro principais características:

3 Short Message Service – Serviço de comunicação presente nas redes de telefonia móvel que permite o envio

e recebimento de mensagens de texto.

• Diversidade – Os indivíduos que compõem a multidão devem ser discrepantes em

relação a sua cultura, formação, área de atuação e opinião. O consenso não é uma

propriedade valiosa; pelo contrário, nesse modelo a diversidade é o fator que

engloba diferentes visões sobre um mesmo assunto, permitindo aproveitar as

opiniões de estudiosos, profissionais de áreas afins, para enriquecer a ótica sobre o

assunto abordado. É notável que esse modelo gere conteúdos úteis (informações) e

inúteis (ruídos), porém destaca-se que a própria multidão tende a anular os ruídos.

• Independência – Os indivíduos devem formular suas opiniões de maneira

individual, sem que haja a influência de outros integrantes da multidão, pois esse

cenário favorece o surgimento de informações e também diminui os ruídos.

• Descentralização – As opiniões coletivas são mais valiosas e inteligentes quando

não há um fator de controle sobre isso, onde os indivíduos possam pensar e emitir

suas opiniões de maneira livre e baseando-se apenas em sua cultura e formação.

• Agregação – As opiniões emitidas por todos os indivíduos que compõem a

multidão devem ser agregadas para formar uma opinião coletiva, assim como

aconteceu na situação do submarino Scorpion.

Rheignold (2008), autor que havia publicado anteriormente um texto sobre multidões

espertas, aponta que uma multidão esperta não necessariamente é uma multidão sábia,

contrapondo alguns pontos de Surowieck (2006).

Rheignold (2008) cita que as tecnologias por si só não garantem democracia e

qualidade das multidões, mas que possivelmente devem haver algumas regras a serem

seguidas para que uma multidão se torne cada vez mais inteligente. O mesmo autor ainda

sugere que as pessoas engajadas nesses movimentos tenham consciência que isso é apenas o

início e que talvez elas devessem assumir uma posição de liderança para fazer as multidões

mais inteligentes, extraindo o bem intelectual mais valioso de cada indivíduo.

É importante destacar que o conceito de multidões existe há muito tempo, antes do

surgimento das tecnologias, mas são elas que, nos dias atuais, facilitam a comunicação entre

seus indivíduos. As formas de interações entre os indivíduos foram reformuladas após a

concepção da comunicação mediada pelo computador, quando passaram a se comunicar em

tempo real sem a necessidade de estarem no mesmo espaço físico e quando começaram a

receber ajuda através de respostas e compartilhamento de informação de forma instantânea.

Mas não é somente a forma de comunicação síncrona, envio e recebimento de

mensagem entre dois ou mais indivíduos em tempo real, que favorece um cenário de

inteligência nas redes. A Web é um espaço onde existem muitas informações que foram

publicadas por diversas fontes em um determinando tempo no passado que estão disponíveis

para serem acessadas a qualquer momento.

No período anterior a Internet, as pessoas necessitavam locomover-se até uma

biblioteca para ter acesso a uma determinada obra. Se ela quisesse obter alguma informação

instantaneamente, a forma mais prática era perguntar para as pessoas ao seu redor, que

poderiam não saber as respostas.

O advento da Internet reformulou totalmente esse cenário. Hoje em dia, a pessoa tem

uma quantidade extremamente alta de informações disponível a partir de dispositivos

conectados na Web em qualquer espaço de tempo. Na Web não existe horário de

funcionamento. Pelo contrário, tornou-se um grande repositório de informações coletivas

aberto 24 horas nos 7 dias da semana, seja através de sites de veículos de comunicação,

portais corporativos, blogs pessoais e até mesmo ferramentas wikis

É justamente seguindo essa mesma linha de raciocínio que De Kerckhove (1997)

define o que ele chama de inteligência conectiva. O autor cita que a Internet é uma espécie de

cérebro global composto através da interligação de cérebros individuais. Ele ainda cita, mais

profundamente, que a Web é uma extensão de nossas próprias mentes interligadas com

recursos das mentes de milhões de indivíduos. As pessoas expandem suas mentes na Internet

através de blogs, sites, sistemas wikis, participação em fórum e comunicação em tempo real

(instant messaging)

De Kerckhove (1997) cita, para fortalecer a sua opinião, que as pessoas buscavam

através de reuniões locais, antes da Internet, uma forma para conectarem suas mentes com o

objetivo de alcançar certo consentimento mental. Porém, com a comunicação mediada por

computador, as pessoas podem fazer isso mesmo estando em diferentes cidades, através do

uso de aplicações de comunicação síncrona ou assíncronas.

Assim, os indivíduos estão em um ambiente de mentes conectadas, onde existe um

grande acesso as informações pertencentes a diversas classes e que podem ter sido construídas

em qualquer espaço de tempo. Na Web é fácil encontrar notícias extremamente recentes até

conteúdos publicados há muitos anos que foram digitalizados e disponibilizados na rede.

É possível perceber uma grande sinergia entre inteligência conectiva e inteligência

coletiva. Entretanto, De Kerckhove (2009) cita em uma entrevista a diferença entre ambos os

conceitos. O autor inicia essa diferenciação da seguinte forma:

Pelo pensamento eu compreendo o mundo, pelo espaço o mundo me

compreende. Pascal compreendeu bem a diferença entre o eu pensante e a

pertinência do ponto no espaço. A nova possibilidade é: eu compreendo o

mundo, o mundo me compreende, sem exclusão, juntos. E cada indivíduo

que compreende o mundo comigo partilha da minha inteligência, da minha

consciência conectiva. É diferente da emergência de uma inteligência

coletiva, como a de que fala Pierre Levy (DE KERCKHOVE, 2009).

O autor ainda acrescenta que a inteligência conectiva tem aplicações reais e não é

apenas uma teoria. Para fortalecer sua afirmação, ele exemplifica que a partir de um

notebook, sem importar sua localização, ele pode se conectar com pessoas com quem trabalha

e pode executar seu trabalho a distância da mesma maneira como seria se ele estivesse cara a

cara com seus companheiros.

É interessante notar que os diversos conceitos de inteligência nas redes apresentados

até o momento compartilham uma mesma característica: os indivíduos estão cada vez mais

interligados com um número maior de conexões e que tendem a aumentar com o passar do

tempo. No presente momento é possível encontrar diversas pessoas que recorrem a Web como

fonte de informação, seja para uma pesquisa acadêmica, para resolver um problema no

trabalho ou para esclarecer uma dúvida pessoal relacionada a assuntos de conhecimento geral.

Entretanto, destaca-se que o conceito de inteligência conectiva é o que melhor

relaciona-se com o tema do trabalho. Conforme foi definido anteriormente, pode-se pensar a

inteligência conectiva como a extensão da mente humana, a qual está interligada com a mente

de inúmeras pessoas. Adicionalmente, pode-se exaltar que as tecnologias apresentam incrível

capacidade de processamento e de armazenamento, tornando-se mais eficientes para

determinadas tarefas em conjunto.

A tecnologia de Grid Computing compartilha, similarmente a Web, características com

o modelo de inteligência conectiva. Os ambientes de Grid Computing são espaços com alta

capacidade de processamento constituídos com recursos de diversas entidades e indivíduos,

permitindo assim que eles fiquem conectados para troca de informações, execução de

aplicações em conjunto e compartilhamento de resultados.

Seguindo o modelo de inteligência conectiva, pode-se pensar um ambiente de Grid

Computing como um cérebro global (aglomerado de recursos computacionais, aplicações e

dados) composto por inúmeros recursos de indivíduos e instituições, os quais podem

compartilhar informações, aplicações e resultados, além de recursos computacionais que

elevam a capacidade de processamento do ambiente. A tecnologia de Grid Computing será

abordada em detalhes nas próximas seções.

2.5 Sistemas distribuídos

Nessa seção trata-se do conceito de sistemas distribuídos, suas características e

arquiteturas.

2.5.1 Histórico

Desde o surgimento dos primeiros computadores devido, entre outros, ao pesquisador

Von Neuman

na década de quarenta, até o avanço das atuais redes de dados, foi constante a

alteração no processo produtivo de software em relação à sua funcionalidade e à sua

complexidade para atender à crescente demanda de utilização das tecnologias ao redor do

mundo.

Os primeiros computadores de grande-porte, chamados mainframes, possibilitaram o

modelo de computação com a utilização de funcionalidades centralizadas em apenas um

dispositivo, ou seja, os recursos estavam todos disponíveis em um mainframe central e os

usuários utilizavam seus serviços disponíveis através de terminais locais ou remotos.

A partir de 1985, o aumento da produção de dispositivos computacionais e o avanço da

Internet foram fatores fundamentais para o surgimento de um novo paradigma no

desenvolvimento de softwares. Os recursos tornaram-se compartilhados e também

distribuídos entre um grande número de computadores separados geograficamente,

característica que fortaleceu a concepção da arquitetura cliente-servidor.

Na arquitetura cliente-servidor, o programa executado em máquinas locais (clientes)

tem acesso aos serviços fornecidos por computadores remotos (servidores) fazendo o acesso

4 John Von Neuman – Matemático húngaro criador do primeiro Computador Digital Eletrônico.

através de uma rede de dados, caracterizando assim um processamento de informação

distribuído entre as duas máquinas.

Entretanto, esse novo modelo de software conduziu a novos desafios em relação ao

desenvolvimento e gerenciamento de programas distribuídos, como também questões técnicas

pertinentes ao ambiente da época: Ausência de estados globais dos recursos remotos (acesso a

memória RAM das máquinas remotas), dificuldades para solucionar problemas básicos

devido à discordância entre as partes responsáveis pelos recursos distribuídos para tomarem

uma ação comum (FISCHER; LYNCH; PETERSON, 1985). Entretanto, hoje em dia já

existem algoritmos específicos que são utilizados para solucionar esses desafios.

No início dos anos 90, com a concepção da Web, a arquitetura de sistemas distribuídos

passou a assumir um papel de tecnologia definitiva para os desenvolvedores de software, que

passaram a visar seus aplicativos com funcionalidades de acesso remoto a sistemas legados,

sistemas de fornecedores e clientes.

Esse cenário favoreceu o surgimento de diversas técnicas e tecnologias de sistemas

distribuídos com foco no processamento e compartilhamento de informações de uma forma

simples e ágil, facilitando assim a tarefa do desenvolvedor de aplicativos e trazendo

transparência para os usuários finais.

2.5.2 Arquitetura

A arquitetura de sistemas distribuídos é abordada por diversos autores – Tanenbaum

(1994) define Sistemas Distribuídos como uma "Coleção de computadores independentes que

se apresenta ao usuário como um sistema único e consistente".

Adicionalmente, Coulouris, Dollimore e Kindberg (2002) também destacam esse

modelo de processamento como uma "Coleção de computadores autônomos interligados

através de uma rede de computadores equipados com software que permita o

compartilhamento dos recursos do sistema: hardware, software e dados".

Baseado nessas duas definições pode-se então consensuar a definição de sistemas

distribuídos como uma coleção de computadores que compartilham os seus recursos

(hardware, software e dados) de uma maneira transparente para a interface humana, ou seja, o

usuário tem a percepção de que todos os recursos utilizados são locais.

Os sistemas distribuídos são construídos através de uma camada lógica denominada

middleware, executada acima da camada do sistema operacional e abaixo das aplicações,

sendo a responsável pelo funcionamento de um sistema distribuído através de diversos

recursos físicos separados, conforme a Figura 1:

Figura 1 – Arquitetura dos Sistemas Distribuídos (TANENBAUM; STEEN, 2002)

2.5.3 Características

Algumas características são típicas na definição de um sistema distribuído, porém cada

um pode apresentar propriedades diferentes dependendo da sua finalidade. As características

julgadas importantes para grande parte dos sistemas distribuídos são destacadas nesse

trabalho.

Transparência

Um dos objetivos mais importantes de um sistema distribuído é o fato de ocultar, para

o usuário, que os processos utilizados por ele são fisicamente distribuídos por diversos

computadores (TANENBAUM; STEEN, 2002). Alguns aspectos de transparência são

destacados a seguir:

• Transparência do acesso: oculta a maneira de como um recurso é alcançado.

• Transparência da posição: oculta a localização de onde o recurso é

encontrado.

• Transparência da migração: oculta a possibilidade de um recurso poder

mover-se para outra posição.

• Transparência de deslocamento: oculta a possibilidade de um recurso poder

ser movido para outra posição enquanto estiver em uso.

• Transparência de replicação: oculta que um recurso pode ser replicado.

• Transparência de concorrência: oculta que um recurso pode ser utilizado por

diversos usuários concorrentes.

• Transparência de falha: oculta a falha e a recuperação de um recurso.

• Transparência de persistência: oculta se um aplicativo está sendo executado

em memória real ou em disco.

Um sistema distribuído é considerado transparente se o usuário, ao utilizá-lo, tem a

sensibilidade de um único sistema, e sem necessariamente perceber que ao utilizar certa

funcionalidade está executando processos em diversas máquinas fisicamente separadas.

Escalabilidade

Escalabilidade é a característica do sistema que define a funcionalidade de gerenciar e

atender o crescimento de demanda de trabalho de forma uniforme (BONDI, 2000). Essa

funcionalidade habilita o sistema a suportar o aumento da carga de trabalho, adequando a sua

utilização, de modo a minimizar ou eliminar impactos no desempenho do sistema.

São constantes as dificuldades de escalabilidade em sistemas que possuem alguma

funcionalidade centralizada, como por exemplo, serviços disponibilizados por um único

servidor.

Interoperabilidade

Interoperabilidade é a propriedade referente a habilidade de diversos sistemas e

tecnologias trabalharem juntos. IEEE (1990) define interoperabilidade como a habilidade de

dois ou mais sistemas trocarem informações e poderem utilizar esses dados após a troca.

Em outras palavras, interoperabilidade significa a possibilidade um sistema

desenvolvido com a tecnologia A comunicar-se com outra plataforma desenvolvida com a

tecnologia B sem a necessidade de grandes mudanças em suas arquiteturas. Para tal feito,

torna-se importante a padronização das interfaces das tecnologias.

Portabilidade

Portabilidade é a característica de mover, sem a necessidade de grandes adaptações e

modificações, uma determinada aplicação executada em um ambiente A para um ambiente B

que possua as mesmas interfaces. Garen (2007) reforça a definição de portabilidade:

Portabilidade não implica que uma aplicação será simplesmente transferida

para uma nova plataforma, mas também não significa que um grande

esforço é necessário para que ela funcione. Portabilidade é simplesmente a

habilidade de utilizar o programa em outro sistema com razoável custo e

esforço.

Dependabilidade

Dependabilidade é a habilidade para disponibilizar um serviço considerado confiável.

O serviço entregue por um sistema tem o seu comportamento definido pela percepção dos

usuários; portanto, a sua funcionalidade deve estar de acordo com a sua especificação.

Os atributos da característica de dependabilidade são:

• Disponibilidade: prontidão para a entrega do serviço quando requisitado.

• Confiabilidade: continuação da entrega do serviço correto.

• Segurança: ausência de consequências catastróficas no ambiente.

• Integridade: ausência de mudanças impróprias no sistema.

• Manutibilidade: habilidade para reparos e manutenções.

O conceito de tolerância a falha também é aplicado à característica de dependabilidade

e sugere preservar a entrega do serviço corretamente mesmo na presença de falhas.

Geralmente, esse conceito é implementado utilizando técnicas de detecção de erros e seus

subsequentes procedimentos de recuperação (AVIZIENIS;LAPRIE;RANDELL, 2001).

2.6 Grid Computing

A tecnologia de Grid Computing será abordada com mais detalhes nesta seção, como o

seu histórico, definição, arquitetura, principais sistemas e projetos.

2.6.1 Histórico

A história dos sistemas distribuídos concebendo os conceitos de Grid Computing

surgiu na década de 80, período de intensa pesquisa, desenvolvimento e disponibilização de

hardware, software e aplicações para computadores paralelos.

Nessa época, os desenvolvedores de sistemas estavam focados em aplicações de larga

escala que facilmente atingiam os limites dos recursos computacionais, mesmo sendo

executadas nos computadores paralelos mais rápidos presentes no momento. Essa situação

fortaleceu a pesquisa pelo processamento além dos limites locais das máquinas para alcançar

resultados de problemas de larga escala.

Grid Computing foi pensado inicialmente como uma arquitetura para estender os

paradigmas da computação paralela de clusters firmementes acoplados para sistemas

geograficamente distribuídos. Porém, essa tecnologia está sendo altamente utilizada como

uma plataforma para a integração de aplicações e recursos fracamente acoplados.

Nos anos 90, surgiu um projeto nos Estados Unidos da América denominado US

Gigabit testbed, com foco nas aplicações distribuídas em áreas metropolitanas (metropolitan-

area) e também em áreas mais abrangentes (wide-area). O projeto era composto de quatro

ambientes de testes (testbeds) com os objetivos de investigar o potencial das arquiteturas de

redes e prover interface de contato para aplicações distribuídas.

O projeto I-WAY (Information Wide Area Year) é considerado a primeira

implementação de Grid Computing e tinha como objetivo interligar redes de

supercomputadores. Em 1995, durante uma conferência sobre supercomputação,

pesquisadores pioneiros integraram um ambiente de teste com mais de 17 redes

interconectadas.

Mais de 60 aplicações foram desenvolvidas para a conferência e disponibilizadas no I-

WAY, assim como, um software rudimentar de Grid para prover acesso, segurança e

coordenar os recursos. Esse projeto abriu as portas para o paradigma de Computação em

Grade no meio acadêmico.

A tecnologia de Grid Computing tornou-se um conceito global devido ao trabalho de

diversas instituições ao redor do mundo para o desenvolvimento e especialização dessa

técnica (BERMAN; FOX; HEY, 2003).

O programa SETI@HOME foi um dos projetos pioneiros na implementação de uma

moderna infra-estrutura de Grid Computing orientada à Internet. Esse projeto tinha como

objetivo analisar os dados captados pelo telescópio de rádio instalado em Arecibo, Puerto

Rico, para a busca de sinais de vidas extraterrestre.

2.6.2 Definição

Grid Computing, também chamada de Computação em Grade em português, é o

conceito que está reformulando as infra-estruturas computacionais, tornando-as mais

produtivas e eficientes. Essa tecnologia tem como objetivo elevar a capacidade computacional

do ambiente, através da integração de dispositivos distribuídos geograficamente. O termo

Grid Computing surgiu como analogia aos sistemas de distribuição de energia (Power Grids),

devido a sua característica de prover recursos de forma contínua e transparente.

A arquitetura de Grid Computing visa o gerenciamento de acesso a recursos remotos

de modo escalável, seguro e com alto-desempenho, disponibilizando um cenário de

colaboração científica com o objetivo de compartilhar recursos para grupos de trabalhos

distribuídos geograficamente (BERMAN; FOX; HEY, 2003).

Foster, Kesselman e Tuecke (2001) definem Grid Computing como um ambiente capaz

de conduzir o compartilhamento de recursos de forma segura, coordenada e flexível entre

coleções dinâmicas de indivíduos e instituições. Chetty e Buyya (2002) definem como “A

habilidade de compartilhar, selecionar e agregar recursos distribuídos geograficamente para

solucionar problemas de larga escala na ciência, engenharia e comercio"

Baseado em todas as definições acima identifica-se, como característica principal dos

ambientes em grade, o compartilhamento e a integração de recursos distribuídos para o

aumento da capacidade de processamento. Esses recursos são geralmente os processadores, as

memórias RAM

e os dispositivos de armazenamento, os quais apresentam em sua grande

maioria capacidade excedente, ou seja, possuem carga de trabalho menor do que a sua

capacidade total.

De acordo com esse cenário, a tecnologia de Grid Computing visa à integração de

componentes distribuídos para a constituição de um supercomputador virtual disponível para

diversas aplicações.

Tradicionalmente, o usuário ao submeter uma aplicação a um ambiente de Grid

Computing está utilizando transparentemente a capacidade excedente de diversos dispositivos

distribuídos geograficamente e pertencentes a distintos usuários e instituições.

Atualmente, o conceito de sistemas distribuídos está tornando-se popular além das

fronteiras acadêmicas, situação que influenciou o surgimento de diversas nomenclaturas como

5 Memória de acesso aleatório que permite a leitura e a escrita, tornando-se a principal memória em

computadores.

Compute Grids, Data Grid, Bio Grid, Knowledge Grid, Cluster Grid e simplesmente Grid.

Foster (2002b) sugere então três propriedades para que um sistema seja considerado um Grid

Computing:

• Coordenação de recursos que não estão sujeitos a um controle centralizado.

• Utilização de padrões abertos, protocolo de propósito geral e interfaces.

• Prover qualidade de serviço não-trivial.

É possível, com base nessas afirmações, exaltar a diferença entre a arquitetura de

Cluster e Grid Computing. A análise de uma arquitetura de Cluster demonstra certas

propriedades presentes também em um sistema de Grid Computing, como o

compartilhamento de carga de trabalho e a distribuição de serviços através de uma rede local.

Porém, em um ambiente de Cluster, o controle dos servidores e serviços geralmente é

centralizado, descaracterizando-o como um sistema de Grid Computing. Buyya (2002)

reforça a diferença com a seguinte afirmação:

Se acontece o compartilhamento de recursos gerenciado por um único

sistema global sincronizado e centralizado, então é um cluster. Em um

cluster, todos os nós trabalham cooperativamente em um objetivo comum e

o objetivo é a alocação de recursos executada por um gerente centralizado e

global. Em Grid, cada nó, possui seu próprio gerente de recursos e política

de alocação.

A Web também apresenta características presentes em um sistema de Grid, como a

utilização de protocolos de propósitos gerais e abertos, mas também não pode ser considerada

(pelo menos até o presente momento) uma arquitetura de Grid, devido à ausência de

coordenação de recursos para garantir a qualidade de serviços (FOSTER, 2002b).

Gentzsch (2002 apud MAROWKA, 2002) argumenta, em contra partida as três

propriedades definidas por Foster (2002b), que essas definições podem reduzir o potencial e a

rica variedade das tecnologias de Grid, com diferentes arquiteturas, modelos operacionais,

aplicações.

De acordo com Marowka (2002), a definição de Grid é uma visão aberta que

dificilmente pode ser definida. A tentativa de definir Grid pode alcançar somente o horizonte

tecnológico previsto que, em média, tem um espaço de dois anos. A tecnologia de Grid

Computing remete a novos paradigmas de processamento que podem acarretar no surgimento

de novas arquiteturas e padrões, podendo mudar a sua direção e, consequentemente, a sua

definição.

Porém, consolidando as definições acima, é notório destacar que o acesso simples a

um conjunto de recursos distribuídos geograficamente e a colaboração entre comunidades e

organizações são as características fundamentais para obter sucesso em uma arquitetura de

Grid Computing.

2.6.3 Organizações Virtuais

A característica elementar de colaboração entre organizações distintas e distribuídas

traz grandes desafios à tecnologia de Grid Computing. Foster, Kesselman e Tuecke (2001,

p.2) destacam como principal desafio no conceito de Grid Computing o "[...]

compartilhamento de recursos coordenados e a solução de problemas em organizações

virtuais dinâmicas e multi-institucionais".

O compartilhamento citado não se refere a uma simples troca de arquivo, mas envolve

acesso direto a computadores, aplicações, dados, entre outros recursos que são necessários

para solucionar colaborativamente um determinado problema.

Com base nessa característica, a ação de compartilhamento deve ser altamente

controlada, com os provedores e consumidores definindo políticas claras de utilização, como,

quais os recursos que serão compartilhados, quem está habilitado a compartilhar e sobre qual

condição.

Os conjuntos de indivíduos e instituições definidos pelas mesmas regras de

compartilhamento são denominados Organizações Virtuais (OV). Exemplos de OVs são: uma

determinada Pesquisa Científica, Membros de um Consorcio, Membros de uma Pesquisa de

Mercado, entre outros, podendo estes variar em seu escopo de trabalho, tamanho, duração,

comunidade e estrutura, mesmo participando do mesmo ambiente de Grid Computing.

Em Grid Computing é notório a necessidade por um ambiente flexível para o

relacionamento de compartilhamento, com níveis precisos de controle sobre como os recursos

podem ser compartilhados e usados.

Foster, Kesselman e Tuecke (2001) defendem que as tecnologias tradicionais de

Computação Distribuída não tratam desses desafios, citando como exemplo a Internet,

tecnologia destinada a comunicação e a troca de informação entre computadores, sem prover

serviços de coordenação de recursos entre os sítios de computação.

Outro exemplo a ser citado são os Provedores de Serviços de Aplicações (ASP), que

disponibilizam seus serviços com algumas restrições, como o uso de uma Virtual Private

Network para a comunicação com seus clientes.

A tecnologia de Grid Computing foca exatamente o compartilhamento dinâmico entre

organizações, sendo considerada como um complemento para as tecnologias de Computação

Distribuídas tradicionais. O potencial de uso das Organizações Virtuais para a tecnologia de

Grid Computing é destacada:

Nós acreditamos que as Organizações Virtuais têm potencial para

mudar drasticamente a maneira que nós usamos os computadores

para solucionar problemas, assim como a Web mudou a forma como

trocamos informações (FOSTER; KESSELMAN; TUECKE, 2001,

p.3).

A Figura 2 tem como objetivo clarificar um ambiente de Grid Computing composto

pelas interações entre os Participantes, as Organizações Reais e Organizações Virtuais.

Figura 2 - Ambiente de Organizações Virtuais (FOSTER; KESSELMAN; TUECKE, 2001)

A Figura 2 exemplifica um cenário composto por três Organizações Reais (círculos) e

duas Organizações Virtuais – A OV P é responsável por agrupar participantes interessados no

consórcio Aerospace Design, enquanto a OV Q é responsável por agrupar indivíduos que

concordam em compartilhar seus recursos com o projeto de Ray Tracing Computation.

Os participantes da Organização Real da esquerda participam apenas em projetos da

OV P; os participantes da Organização Real da direita participa em projetos da Organização

Virtual Q; enquanto a terceira Organização Real possui participantes em P e Q. O modelo de

Grid Computing é bastante dinâmico, e suas políticas de governança e acesso aos recursos

variam de acordo com as Organizações Reais, e Organizações Virtuais envolvidas na

constituição do ambiente.

2.6.4 Arquitetura

As Organizações Virtuais são conceitos que exigem da arquitetura de Grid Computing

novas funcionalidades e modelos de integrações para a abrangência de recursos

geograficamente distribuídos pertencentes a diferentes entidades. Esse desafio acarretou a

necessidade pela busca da definição de um modelo de arquitetura capaz de integrar recursos

atendendo o requisito de interoperabilidade.

Foster, Kesselman e Tuecke (2001) defendem a arquitetura de Grid Computing como a

responsável pela definição de mecanismos básicos para que cada usuário de uma Organização

Virtual possa negociar, estabelecer e gerenciar os relacionamentos de compartilhamento. A

arquitetura deve ser aberta e baseada em padrões, facilitando a extensibilidade,

interoperabilidade, portabilidade e compartilhamento de códigos.

Pode-se também construir API's

e SDK's

para a disponibilização de abstrações

necessárias para tornar um Grid utilizável. Essas práticas, juntamente com a arquitetura de

Grid Computing, constituem o que atualmente é chamado de middleware, o serviço necessário

para suportar aplicações em um ambiente distribuído.

Para facilitar o desenvolvimento de novas funcionalidades em um ambiente de Grid,

foi concebida uma arquitetura escalável em camadas. A Figura 3 demonstra as cinco camadas

de uma arquitetura de Grid Computing:

6 Application Program Interface – É um conjunto de regras e padronizações adotado por um software para que

algumas de suas funcionalidades possam ser utilizadas por outros aplicativos.

7 Software Development Kit – É um conjuto de ferramentas utilizadas para o desenvolvimento de softwares

Figura 3 – Arquitetura em Camadas (FOSTER; KESSELMAN; TUECKE, 2001)

Camada de fábrica

Na arquitetura de Grid Computing, a camada de nível mais baixo é denominada fábrica

e corresponde aos dispositivos físicos ou recursos que os usuários do Grid desejam

compartilhar (FOSTER, 2002a). Os componentes pertencentes à fábrica implementam as

operações locais que ocorrem em recursos específicos, como resultado de uma operação

iniciada em camadas de níveis superiores.

Esses recursos podem ser entidades físicas ou lógicas, e podem utilizar protocolos que

não são específicos da arquitetura de Grid Computing, como por exemplo, o NFS

para acesso

ao local de armazenamento de dados.

Exemplos dos tipos de recursos da camada de fábrica são: recursos computacionais,

recursos de armazenamento, rede e dispositivos especializados, como telescópios,

microscópios, entre outros.

Camada de conectividade

A camada de conectividade define os protocolos de comunicação e autenticação

requeridos por uma transação em uma rede de Grid Computing. Esses protocolos derivam

atualmente do TCP/IP, e habilitam a possibilidade de troca de dados entre os recursos

presentes na camada da Fábrica.

8 NFS – Protocolo de acesso a arquivos através da rede.

Porém, é possível, com o avanço da tecnologia de Grid Computing, que novos

protocolos sejam necessários para o desenvolvimento de diversas funcionalidades e serviços.

Em relação às soluções de autenticação, os mecanismos presentes nos ambientes de

Organizações Virtuais dependem das seguintes características:

• Single sign-on: oferece a funcionalidade para o usuário autenticar-se apenas uma

vez no ambiente de Grid e assim ter acesso aos múltiplos recursos presentes na

camada de Fábrica.

• Delegação: o usuário tem a possibilidade de delegar os seus direitos para que um

programa possa acessar determinados recursos.

• Integração com diversas soluções de segurança: cada sítio ou provedor de

recursos pode aplicar qualquer solução de segurança localmente, como por

exemplo, Kerberos

e Unix

. Entretanto, o ambiente de Grid Computing deve estar

apto para interoperar ao mesmo tempo com diversos tipos de segurança de

diferentes locais.

• Relações baseadas em confiança: para que o usuário possa usufruir de múltiplos

provedores de recursos ao mesmo tempo, o sistema de segurança deve prover

serviços para que isso possa acontecer sem a necessidade de solicitar cooperação

entre os provedores.

Camada de recursos

A camada de recursos desenvolve, sob a camada de conectividade, protocolos (APIs e

SDKs) para a negociação segura, iniciação, monitoramento e controle de operações de

compartilhamento em recursos individuais. A camada de recursos invoca funções da camada

de fábrica para o acesso e controle dos recursos.

Destaca-se que, nessa camada, ocorre exclusivamente o gerenciamento de recursos

individuais e não há qualquer controle sobre o estado global e atômico do sistema como um

9 Protocolo de transporte de rede que oferece serviços de segurança.

10 Sistema Operacional Multitarfa que possui determinados serviços de segurança.

todo. A camada de recursos distingue-se em duas classes:

• Protocolos de Informação: responsável por obter informações sobre a

estrutura e o estado dos recursos.

• Protocolos de Gerenciamento: responsável por negociar acesso a um recurso

compartilhado.

Camada coletiva

Enquanto a camada de recursos preocupa-se apenas com recursos individuais, a

camada coletiva tem enfoque na captura de interações entre coleções de recursos. Os

principais serviços são destacados a seguir:

• Co-alocação, Alocação, escalonamento e negociação de recursos

(brokering): permite que os participantes de uma Organização Virtual possam

solicitar alocação de um, ou mais recursos, para o escalonamento de tarefas.

• Replicação de dados: gerencia o armazenamento de dados de uma

Organização Virtual.

• Contabilidade e Pagamento: coleta informações sobre a utilização de

recursos para propósito de cobrança.

• Colaboração: permite o trabalho colaborativo distribuído através do

compartilhamento e troca de informações, síncrona ou assíncrona, entre usuários

potenciais de uma comunidade.

As funcionalidades citadas anteriormente destacam serviços que são utilizados na

prática. Vale ressaltar que os protocolos da camada de recursos são genéricos e largamente

disponibilizados, enquanto os protocolos da camada coletiva são focados nas aplicações ou

domínios específicos.

Camada de aplicação

A camada de aplicação compreende as aplicações geradas pelos usuários no ambiente

de uma Organização Virtual. As aplicações desenvolvidas utilizam os serviços definidos nas

camadas inferiores, como acesso aos dados, descoberta de recursos, entre outras

funcionalidades (FOSTER; KESSELMAN; TUECKE, 2001).

Conforme já abordado, os componentes das camadas coletivas são responsáveis pela

disponibilização de serviços necessários para a execução de uma aplicação, ou seja, a camada

de aplicação depende diretamente da camada coletiva para a execução de determinadas

funcionalidades.

2.6.5 Componentes

A arquitetura em camadas da tecnologia de Grid Computing foi descrita anteriormente.

Nessa seção, serão abordados os principais componentes de Grid Computing para habilitação

de uma plataforma robusta e confiável. A IBM (2008) destaca os seis principais componentes:

Segurança

Os computadores e servidores em uma plataforma de Grid são responsáveis pela

execução de diversas aplicações, muitas vezes processando informações valiosas para uma

determinada organização. Os componentes de segurança estão concentrados em serviços de

criptografia, autenticação e autorização, provendo maior segurança para a plataforma.

Interface do usuário

O acesso às informações que estão sendo executadas em uma plataforma de Grid

Computing é um aspecto importante para as Organizações Virtuais. Os usuários necessitam ter

acesso às informações de maneira simples e fácil. As Interfaces disponibilizadas são

responsáveis por atender esse requisito, geralmente através de duas maneiras:

• Interface fornecida pela aplicação que o usuário está executando.

• Interface habilitada pelo administrador da plataforma de Grid, geralmente em

forma de um portal Web, para prover acesso as aplicações e recursos disponíveis.

Gerenciamento da carga de trabalho

Os usuários executam diversas aplicações em um ambiente de Grid Computing e

necessitam ter informações sobre os recursos disponíveis para alcançar melhor desempenho.

Sendo assim, as aplicações estabelecem comunicação com o gerenciador de carga de trabalho

para a descoberta de recursos e seus respectivos estados dentro de uma plataforma de Grid.

Em muitas implementações de Grid Computing, o gerenciador de carga de trabalho é

chamado de Broker, sendo o responsável pela descoberta de recursos disponíveis e

apropriados para a execução de uma aplicação, com base nas características da própria

aplicação e parâmetros fornecidos pelos usuários.

Em algumas plataformas, o broker pode atuar em conjunto com o serviço chamado

MDS, o qual provê informações sobre recursos disponíveis em um Grid e seus respectivos

estados.

Escalonador

Uma vez que os recursos tenham sidos identificados pelo sistema de Broker, o próximo

passo é a definição de recursos que serão utilizados para a execução de uma aplicação e

atribuição de Jobs. Deve-se levar em consideração a prioritização de filas, gerenciamento de

carga, recursos reservados, monitoramento e progresso.

É coerente citar que se a execução de uma aplicação corresponde a um conjunto de

Jobs independentes e sem nenhuma interdependência, então, não é necessário a utilização de

um Escalonador especializado.

Entretanto, se for necessário a alocação de recursos específicos ou a execução de Jobs

concorrentes que requererem comunicação inter-processo, um escalonador específico pode ser

utilizado para coordenar eficientemente a execução em Grid.

Gerenciamento de dados

A aplicação pode, em muitas vezes, ser iniciada em recursos que não possuem os

dados necessários para a execução; portanto, o gerenciador de gados deverá movimentar os

dados para os locais necessários através de várias máquinas e diversos protocolos.

Gerenciamento de recursos

O gerenciador de recursos é responsável pela iniciação de um determinado Job em um

recurso específico, assim como o monitoramento do estado de um conjunto de Jobs e a coleta

de seus resultados quando finalizado.

A Figura 4 ilustra as interações entre os componentes da plataforma de Grid

Computing citados acima.

Figura 4 - Interações entre os Componentes (JACOB et al., 2008)

É importante destacar que uma plataforma de Grid Computing não é implementada

utilizando apenas os componentes citados; pelo contrário, é um ambiente aberto que pode

envolver tecnologias adicionais e protocolos existentes.

2.6.6 Tipos

As tecnologias de Grid podem ser atualmente classificadas em três principais tipos:

• Grid Computing – Grade Computacional

• Data Grid – Grade de Dados

• Network Grid – Grade de Redes

Há também um novo conceito chamado Computação Voluntária, o qual pode abranger

qualquer um desses três tipos.

Grade computacional

O foco das grades computacionais é a integração de diversos recursos computacionais

para a habilitação de um ambiente com alto poder de processamento. Uma característica

fundamental desses ambientes é a exploração dos recursos excedentes em computadores

pessoais e servidores, diminuindo a ociosidade presente nesses dispositivos e aumentando a

capacidade de processamento do ambiente de Grid Computing.

As grades computacionais possibilitam que aplicações que exigem alto poder de

processamento possam ser executadas em um ambiente constituído por diversas máquinas

distribuídas geograficamente e de forma descentralizada. Essas características influenciaram o

nome Grid Computing como um conceito de integração de recursos compartilhados e

distribuídos.

Grade de dados

A grade de dados visa o aproveitamento dos espaços de armazenamento disponíveis e

ociosos em diversas máquinas interligadas para a constituição de um repositório de dados com

alta capacidade de armazenamento. Esses ambientes, dependendo da quantidade de máquinas,

podem facilmente alcançar as medidas de Terabyte.

Grade de redes

Este tipo de grade tem a funcionalidade de prover serviços de comunicação tolerantes

a falha e com alto nível de desempenho. As grades de redes utilizam a capacidade total ociosa

de um canal de comunicação para o aumento da largura da banda disponível, e também

aproveitam a existência dessa interligação para promover serviços de colaboração e

compartilhamento.

Vale ressaltar que as tendências demonstram futuras integrações desses tipos de

tecnologia de Grid Computing com diversos conceitos, possibilitando o surgimento de novos

tipos de ambientes como, por exemplo, Mobile Grid, Semantic Grid, entre outros.

2.6.6.1 Computação Voluntária

A tecnologia de Grid Computing é em muitas vezes citada também como Computação

Voluntária. Pode-se destacar que a Computação Voluntária é um modelo derivado de Grid

Computing. Conforme visto em sua arquitetura, a tecnologia de Computação em Grade visa a

integração de recursos computacionais para criar um ambiente de processamento com alta

capacidade, onde os usuários podem compartilhar dados, executarem aplicações em conjunto

e trabalharem colaborativamente.

Baseado nessas características, é possível afirma que Computação Voluntária é um

modelo de processamento que utiliza a tecnologia de Grid Computing como arquitetura, mas

que apresenta um ambiente menos interativos para os seus participantes.

Em Computação Voluntária, os usuários participam apenas compartilhando os seus

recursos computacionais, mas raramente possuem acesso ao ambiente informacional, o que

não permite que eles coletem informações ou iniciem uma aplicação. Em outras palavras, o

modelo de Computação Voluntária apresenta o conceito de voluntariado relacionado somente

ao compartilhamento de recursos computacionais de forma passiva, onde os voluntários

raramente são envolvidos no projeto para ajudar de forma mais interativa, seja executando

uma aplicação ou compartilhando resultados.

2.6.7 A Importância dos padrões

A integração de dispositivos heterogêneos e distribuídos geograficamente é uma

característica eminente em um ambiente de Grid Computing, tornando necessária a adoção de

determinados padrões para a habilitação da interoperabilidade entre os recursos.

Os padrões são necessários para definir e facilitar as técnicas de comunicação entre

diversos dispositivos, sistemas e ambientes de Grid Computing. A OGSA (Open Grid Service

Architecture) foi desenvolvida por membros do grupo, atualmente denominado OGF (Open

Grid Forum), e tem como base os conceitos e tecnologias de Web Services

, representando

uma evolução para a arquitetura dos sistemas de Computação em Grade.

A OGSA define o que são os serviços de Grid, as suas estruturas gerais e a forma de

disponibilização no ambiente através dos padrões existentes em Web Services, como o

11 Web Services é a solução utilizada para a integração e a comunicação entre diferentes sistemas e aplicações.

protocolo SOAP

e a linguagem de marcação XML

Essas características remetem a um sistema com padrões abertos de comunicação para

proporcionar interoperabilidade. Em um ambiente orientado a serviços, a interoperabilidade

pode ser particionada em dois subproblemas - A definição das interfaces de serviços e os

protocolos que podem ser utilizados para invocar uma determinada interface.

A visão orientada a serviços permite endereçar a necessidade por mecanismos de

definições de interfaces padrões, transparência local e remota, e adaptação para os sistemas

operacionais locais.

Também se destaca a simplificação da virtualização, ou seja, a funcionalidade que

permite o acesso consistente através de múltiplas plataformas com transparência de

localização, habilitando o mapeamento de múltiplas instâncias de recursos lógicos em um

mesmo recurso físico (FOSTER et al., 2002).

Na OGSA todos os dispositivos são tratados como serviços - recursos computacionais,

recursos de armazenamento, redes, aplicativos e bancos de dados. A OGSA também abrange

seis principais áreas definidas em termos de capacidade frequentemente requiridas em um

cenário de Grid Computing para definir os seus serviços.

Com base nos serviços descritos abaixo, é possível destacar que a OGSA cobre os

principais desafios presentes na arquitetura e nos componentes que formam um ambiente de

Grid Computing.

Serviços de infra-estrutura

Os serviços de infra-estrutura são um conjunto de funcionalidades comum requiridas

por serviços de níveis superiores. A OGSA utiliza a tecnologia de Web Services para construir

sua infra-estutura e também Web Service Description Language (WSDL) para definir as

interfaces dos serviços.

Os serviços de infra-estrutura são os responsáveis pela nomeação de recursos,

comunicação e descoberta. Na OGSA um recurso é uma entidade física ou lógica que suporta

o uso ou a operação de uma aplicação de computação ou de um ambiente de informação

computacional. Os recursos geralmente fornecem algum tipo de capacidade, como os

servidores, redes, memórias, aplicações e bancos de dados.

12 SOAP é o protocolo desenvolvido que permite a chamada remota de funções em diferentes sistemas.

13 XML - Recomendação da W3C para gerar linguagens de marcação para necessidades específicas.

Serviços de gereciamento de execução

Os serviços de gerenciamento de execução são responsáveis por tratar problemas de

gerenciamento para a conclusão de unidades de trabalho, incluíndo os serviços da OGSA e as

aplicações legadas. Em outras palavras, esses serviços estão preocupados com a execução de

unidades de trabalho, como alocação, provisionamento e o gerenciamento do ciclo de vida.

Serviços de gerenciamento de dados

Os serviços de gerenciamento de dados estão relacionados com os processos de

localizar, armazenar, transferir e gerenciar os recursos de dados. A arquitetura de dados da

OGSA apresenta um conjunto de ferramentas de serviços de dados e interfaces que são

capazes de tratarem diversos cenários. Estes serviços direcionam o acesso a dados através de

Web Services para dados estruturados e não estruturados.

Serviços de segurança

A segurança é a habilidade de proteger os recursos presentes no ambiente, tanto os dos

usuários, quanto os dos provedores de recursos. Vale ressaltar que os recursos correspondem

geralmente a informações, dados, comunicação e serviços de processamento de dados, os

quais são disponibilizados muitas vezes em forma de serviço. Os serviços de segurança tem

como finalidade prover autenticação, autorização, garantia de integridade.

Serviços de gerenciamento de recursos

Os serviços de gerenciamento de recursos provêem o gerenciamento de capacidades

para os recursos presentes no ambiente de Grid Computing. Estes recursos podem ser os

recursos individuais, componentes do Grid e também a infra-estrutura da OGSA.

Serviços de informação

Os serviços de informação correspondem a habilidade de criar e acessar informações

sobre o ambiente de Grid Computing e os seus recursos. As informações correspondem aos

dados dinâmicos e qualquer dado logado no sistema.

2.6.8 Principais sistemas

Nas seções anteriores foram descritos os conceitos, as arquiteturas, os tipos e os

componentes de Grid Computing. Nesta seção, serão abordadas as implementações dos

principais sistemas de Grid Computing como, por exemplo, os projetos colaborativos

GLOBUS, gLITE, OurGrid, BOINC e também produtos corporativos.

GLOBUS

Globus Toolkit (GLOBUS, 2008) é um projeto open-source que visa à habilitação da

tecnologia Grid permitindo que as pessoas compartilhem ciclos de CPU, bancos de dados e

outras ferramentas em distintas corporações, instituições e comunidades geográficas, sem

sacrificar a autonomia local.

O Globus oferece módulos e bibliotecas para o monitoramento, descoberta e

gerenciamento de recursos, sendo um sistema caracterizado como uma coleção de serviços

que permite o desenvolvimento de aplicações em maneira incremental, podendo adicionar

serviços extras conforme necessário.

Os serviços do Globus são divididos em serviços locais e serviços globais, sendo que

os serviços globais são constituídos através da integração de diversos serviços locais.

O Globus Toolkit também inclui módulos para segurança, gerenciamento de recursos,

gerenciamento de dados, comunicação, detecção de falhas e portabilidade, os quais são

empacotados como uma coleção de componentes que podem ser utilizados para o

desenvolvimento de aplicações.

O destaque do Globus Toolkit é a sua disponibilização como software livre,

característica que permite a adoção de uma estratégia colaborativa, permitindo que inúmeras

pessoas ao redor do mundo possam melhorar, alterar e adicionar novas funcionalidades ao

sistema.

gLITE

gLITE (2009) é um middleware de Grid Computing que nasceu do trabalho

colaborativo de mais de 80 pessoas de 12 diferentes grupos acadêmicos e centros de pesquisas

industrias, os quais fazem parte do projeto EGEE.

O gLite (2009) provê um ambiente de trabalho para o desenvolvimento de aplicações

de Grid que utilizam o poder da computação distribuída através da Internet. O gLite segue a

arquitetura orientada a serviços (SOA), a qual habilita a interoperabilidade entre diferentes

serviços de Grid e facilita a intergração com padrões, como a própria OGSA.

É importante destacar que as evoluções no gLITE foram também fortemente

influenciadas pelo projeto do LCG, projeto de Grid Computing utilizado pelo expermento do

Superacelerador de Partículas.

OurGrid

O OurGrid (2009) é um middleware de Grid Computing brasileiro que teve sua origem

na Universidade Federal de Campina Grande e está em produção desde 2004. A comunidade

do OurGrid está aberta para a sociedade e a sua capacidade de processamento é obtida através

do compartilhamento de recursos por parte de seus usuários. É importante destacar que os

usuários que colaboram com mais recursos têm prioridades para executarem suas tarefas.

O OurGrid é um software open-source desenvolvindo em Java usando a licença GPL,

firmando o seu comprometimento com a comunidade ativa de usuários e desenvolvedores. A

plataforma de Grid do OurGrid atua no processamento de aplicações do tipo Bag-of-Tasks, o

que corresponde as aplicações paralelas nas quais suas tarefas são independentes, permitindo

que cada tarefa possa ser processada paralelamente no Grid sem que haja necessidade de

comunicação entre elas.

BOINC

O BOINC (BOINC, 2008) é uma das principais plataformas de Grid Computing que

segue o modelo de Computação Voluntária. O seu sistema foi desenvolvido na Universidade

da Califórnia (Berkeley), mesma instituição dos criadores do SETI@HOME.

O sistema tem enfoque na colaboração dos usuários para a composição de uma

plataforma de Grid com alta capacidade de processamento. O BOINC disponibiliza um

aplicativo de protetor de tela que, ao ser executado, utiliza os recursos das máquinas dos

usuários para processamento da plataforma de Computação em Grade.

Essa característica é um dos grandes méritos para o projeto BOINC por incentivar a

economia computacional através da utilização de recursos de máquinas ociosas ao redor do

mundo, fator que possibilita a geração de um ambiente a ser utilizado por diversos projetos,

pesquisas científicas e trabalhos colaborativos.

Nos últimos anos, muitas iniciativas de projetos de pesquisas científicas vêm sendo

possibilitadas através do uso do sistema BOINC. Instituições que necessitam de um ambiente

com alta capacidade de processamento, encontram o BOINC como uma plataforma de suporte

para suas aplicações, pois tal tecnologia habilita um ambiente, composto por máquinas

pertencentes a diversas instituições em vários países, para execução de aplicações de larga

escala.

O BOINC suporta a execução de diversos projetos, pertencentes a distintas

organizações, e também fornece APIs em C++ para o desenvolvimento de aplicações para

acesso aos recursos do sistema. Hughes (2005) cita que o BOINC foi desenhado para ser um

middlware menos complexo do que aqueles que seguem as implementações do OGSA.

Sistemas corporativos

Os sistemas apresentados acima são frutos de projetos colaborativos focados em

pesquisas científicas. Porém, é notório destacar que atualmente as empresas estão buscando

um ambiente tecnológico mais produtivo e menos ocioso, oferecendo assim retorno de

investimento em tempo reduzido.

Com base nesse desafio, as grandes empresas de tecnologia lançaram seus produtos de

Grid Computing para auxiliar as corporações, instituições, órgãos governamentais, entre

outros, a constituir um ambiente computacional tecnicamente robusto e financeiramente

econômico.

Os sistemas de Computação em Grade corporativos visam à implementação desses

conceitos em recursos presentes nos datacenters para atender requisitos de balanceamento de

carga, alta disponibilidade e diminuição do TCO

A implementação consiste na integração de diversos servidores que atendam diversos

serviços e demandas em um único ambiente de Grid Computing, capaz de gerenciar a carga

de trabalho sem a necessidade de aquisição de novos equipamentos.

Atualmente está em evidência no mercado de Tecnologia da Informação um termo

denominado Cloud Computing, em português Computação em Núvem. Será abordado mais a

frente nesta dissertação a sinergia entre Grid Computing e Cloud Computing, bem como os

14 TCO – Estimativa financeira do custo total da posse de recursos, tal como software e hardware.

seus novos modelos de negócios.

2.6.9 Principais projetos

Na seção anterior foram apresentados os principais sistemas de Grid Computing

existentes até o momento. Entretanto, é necessário destacar os maiores e principais projetos de

Computação em Grade ao redor do mundo, sendo esses responsáveis por grande parte das

pesquisas científicas que são executadas em ambiente de alta capacidade de processamento.

Os dois maiores projetos na atualidade são: EGEE (Enabling Grids for E-science) e OGS

(Open Science Grid).

EGEE

Enabling Grids for E-sciencE (EGEE, 2008) é atualmente a maior infra-estrutura

multidisciplinar de Grid Computing. É formada por mais de 140 instituições e oferece um

ambiente escalável e confiável para comunidades de pesquisas da Europa e outros países ao

redor do mundo.

A infra-estrutura atualmente é composta por aproximadamente 300 sítios de

processamento espalhados por 50 países, integrando um ambiente de computação com

aproximadamente 80.000 CPUs e responsável por atender a demanda de 10.000 usuários.

O EGEE é ideal para pesquisas científicas, especialmente para projetos que executam

aplicações que requerem recursos considerados impraticáveis quando usadas as infra-

estruturas tradicionais da Tecnologia da Informação.

O projeto EGEE foi dividido em fases. Atualmente o seu estado encontra-se na terceira

fase:

• EGEE 1: o projeto EGEE iniciou suas atividades focadas em duas áreas bem

definidas: Física de Partículas e Biomedicina, pois já haviam aplicações de Grid

nesses dois campos de pesquisas, fator que favorecia o projeto piloto do EGEE. A

primeira fase do projeto teve encerramento oficial no dia 31 de Março de 2006.

• EGEE 2: iniciou suas atividades em 1 de Maio de 2006, expandindo o escopo

do projeto de apenas dois campos científicos para uma variedade maior de

aplicações e áreas do conhecimento. Na segunda fase do projeto, a infra-estrutura

de Grid tornou-se ideal para qualquer pesquisa científica que requeria alta

capacidade de processamento.

• EGEE 3: a terceira fase do projeto EGEE iniciou-se em 1 de Maio de 2008

tendo como co-fundador a comissão européia. O EGEE 3 tem como objetivo a

expansão e otimização da infra-estrutura de Grid Computing que atualmente

processa 300.000 Jobs diariamente, submetidos por diversos domínios de

pesquisas.

A arquitetura do EGEE consiste em um conjunto de serviços de middlewares

disponibilizados em uma coleção global de recursos de computação e armazenamento. Uma

estrutura de suporte também é dedicada à operação do ambiente e possui as seguintes

divisões:

• Production Service: a infra-estrutura é composta por aproximadamente 250

centros de recursos globais, provendo em torno de 4.000 CPU e dezenas Petabytes

de espaço para armazenamento. Essa infra-estrutura é utilizada diariamente por

milhares de cientistas espalhados em mais de 200 Organizações Virtuais. Essa

infra-estrutura executa a última versão do middleware gLite e oferece um ambiente

estável e robusto.

• Pre-Production Service: ambiente para teste e avaliação de mudanças e novas

funcionalidades aplicadas ao middleware. Adicionalmente, o serviço de Pré-

Produção estende a atividade de certificação do middleware para a avaliação do

ambiente em comparação às condições reais de produção.

• EGEE Network Operations Centre (ENOC): serviços de operação que

refletem a coordenação entre o EGEE e a rede dos provedores de recursos.

O projeto EGEE tem grande apelo pela colaboração e incentiva que instituições,

organizações e pesquisadores, colaborem com o projeto através do compartilhamento de

recursos, dados, aplicações ou até mesmo apenas juntando-se a uma Organização Virtual

existente para trabalhos colaborativos.

O EGEE também incentivou a criação de um novo projeto para atender as demandas

da América Latina. O EELA (EELA, 2008) tem como objetivo a expansão da atual infra-

estrutura para constituir um ambiente com 41 Centros de Recursos, sendo que 13 estão

localizados na Europa e 28 na América Latina, mobilizando aproximadamente 3000 CPUs e

mais de 700 Terabytes. O Brasil está envolvido no projeto EELA através da participação de

institutos de pesquisas e universidades.

OSG

O Open Science Grid (OSG, 2008) é um projeto suportado pelo National Science

Foundation

e tem como missão a integração de recursos computacionais e dispositivos de

armazenamento de comunidades de pesquisas para estabelecer uma infra-estrutura comum de

Grid Computing para satisfazer a crescente demanda dos projetos científicos por capacidade

computacional.

OSG é um consorcio de softwares, serviços, provedores de recursos e pesquisadores de

universidades, laboratórios de pesquisas e centros de computação espalhados pelo território

dos Estados Unidos da América, que juntos integram e operam o projeto OSG.

O OSG também valoriza a colaboração entre seus membros, os quais compartilham

seus recursos computacionais para a formação de um ambiente com capacidade de

processamento superior ao que se conseguiria em um projeto individual. O OSG também

fornece projetos para inclusão de comunidades de pesquisas, as quais não são familiares com

a tecnologia de Grid Computing, através da modificação das suas aplicações para utilização

do ambiente de computação fornecido pelo OSG.

A interoperabilidade é uma das características principais no projeto OSG, uma vez que

estão sempre almejando a integração da sua infra-estrutura com outros diversos projetos de

Computação em Grade.

Nota-se a sinergia de diversos projetos para a habilitação de um ambiente para um

determinado tipo de pesquisa, como o projeto de Grid Computing do Superacelerador de

Partículas, onde ambos os projetos EGEE e OSG juntaram forças para a constituição de um

ambiente com poder de processamento extremamente impressionante, conforme será

15 National Science Foundation – Agência Norte-Americana responsável pelo suporte as pesquisas e educação

nos campos de ciência e engenharia.

abordado mais profundamente nessa pesquisa. O modelo de operação do OSG fornece

facilidades distribuídas para acesso aos recursos de processamento e armazenamento,

apresentando as seguintes características:

• Proprietários registram seus recursos no OSG.

• Pesquisadores recebem a permissão de acesso a esses recursos registrando-se

em uma ou mais Organizações Virtuais.

• Administradores registram suas Organizações Virtuais no OSG.

• Cada recurso e cada Organização Virtual são suportados por um Centro de

Suporte determinado no momento do registro.

Ressalta-se que uma Organização Virtual corresponde a indivíduos de diversas

instituições. As instituições e as Organizações Virtuais são os elementos que fazem parte do

OSG Consortium, enquanto os pesquisadores individuais são considerados apenas usuários.

Assim que uma Organização Virtual é aprovada e registrada no ambiente do OSG,

todos os membros associados e que assinaram a política de utilização (Acceptance Use

Policy) são liberados para acessarem os recursos do sistema de Computação em Grade.

O middleware do OSG é composto basicamente pela integração do sistema Condor-G

com alguns serviços do GLOBUS, mas também pode apresentar integração com alguns

outros sistemas para adicionar novas funcionalidades ao seu ambiente.

A infra-estrutura do OSG está sendo utilizada por diversos projetos espalhados ao

redor do mundo, auxiliando comunidades de pesquisas que necessitam de alta capacidade de

processamento para executarem suas aplicações. Projetos científicos sobre Aquecimento

Global, Física de Partículas (Superacelerador de Partículas), entre outros, são exemplos de

participantes do OSG.

3. Estado da arte em compartilhamento e trabalhos colaborativos

nos ambientes das redes de comunicação

Neste capítulo serão estudados três artigos relacionados ao tema da pesquisa para a

formulação do estado da arte em compartilhamento e trabalhos colaborativos nos ambientes

das redes de comunicação.

Silva e Blattmann (2007), referenciados na seção 3.1, tratam dos impactos da Internet,

e principalmente da Web 2.0, habilitando novos modelos de produção baseados na

colaboração.

McGuinness et al. (2006), referenciados na seção 3.2, descrevem a proposta de um

mecanismo para o gerenciamento do nível de confiança em conteúdos criados e armazenados

em repositórios colaborativos.

Benkler (2004), referenciado na seção 3.3, descreve novos modelos de interações

coletivas para habilitar modalidades produtivas descentralizadas e eficientes.

Inicialmente, será feita uma síntese dos artigos estudados. Após isso, para cada um

deles haverá uma análise das suas características em contraste com o tema da dissertação para

que os principais pontos que apóiam o objetivo desse trabalho sejam levantados.

3.1 A Colaboração e a interação na Web 2.0

Silva e Blattmann (2007) citam que a Internet tornou-se a principal responsável pela

mudança no modelo de organização e acesso aos conteúdos na sociedade da informação. Este

cenário proporcionou a habilitação de um ambiente influente para a disseminação da

colaboração e inteligência coletiva, principalmente através da interação, troca e

armazenamento de informações.

A criação da Web foi um dos grandes estímulos para a utilização da Internet como meio

de comunicação para trabalhos colaborativos, pois criou serviços capazes de facilitar a troca

de informações entre pessoas interessadas no mesmo assunto, mesmo que separadas

geograficamente. Atualmente está em evidência o termo Web 2.0, um ambiente que permite

aos usuários maior interação e manipulação das informações.

Esse termo surgiu durante uma conferência entre as empresas MediaLive e O'Reilly

Media, na qual discutiu-se a possibilidade de tornar a Web mais dinâmica, de modo que os

usuários pudessem participar colaborativamente na criação e edição de conteúdo.

A Web 2.0 é uma nova concepção tecnológica descentralizada onde os usuários

participam ativamente na criação, seleção e troca de conteúdos disponibilizados em um

ambiente aberto, como um simples sítio ou uma aplicação Web sofisticada.

O destaque da Web 2.0 é a interação online entre os usuários acessando o mesmo

conteúdo, ou seja, permitindo que eles possam compartilhar entre si informações relevantes a

um determinado trabalho, pesquisa ou simplesmente disponibilizando um conteúdo de

conhecimento geral.

Um dos mais evidentes serviços disponibilizados pela Web 2.0 são os sistemas wikis.

Silva e Blattmann (2007) citam que o termo wiki foi criado por Ward Cunningham e surgiu da

expressão havaiana “wiki wiki”, que significa rapidez e velocidade. Os autores ainda citam

que Cunningham resolveu nomear assim um dos seus sistemas por ser esta a primeira

expressão que aprendeu ao chegar ao Havaí, onde foi solicitado que utilizasse o ônibus

expresso (wiki wiki).

O seu primeiro sistema considerado wiki (Portland Pattern Repository) foi

disponibilizado na Web em 1995 e tinha como objetivo desenvolver um ambiente onde os

próprios usuários pudessem criar conteúdos compartilhados. Com base no sucesso alcançado

por esse projeto, diversas alternativas foram criadas para a construção de textos

colaborativamente e também para servir de ferramenta de apoio para a gestão do

conhecimento (SILVA; BLATTMANN, 2007).

A principal diferença entre wikis e outras ferramentas utilizadas na Internet, como blog

e sítios, é principalmente o fato de wiki prover funcionalidades que permitem que os

conteúdos possam ser editados e atualizados constantemente, sem a necessidade de uma

prévia autorização do autor da versão anterior. Essa característica possibilita a correção de

erros e a inserção de novas informações dinamicamente, habilitando um cenário onde não

existe um autor proprietário de nenhum texto, podendo o conteúdo ser modificado por

qualquer usuário.

3.1.1 Análise do artigo

O artigo em pauta faz uma análise do impacto da Web 2.0 para o surgimento de uma

nova forma de produção. É importante destacar que as redes de comunicação são as camadas

de sustentabilidade para estimular a colaboração e o trabalho coletivo por indivíduos ou

grupos espalhados geograficamente, pois permitem uma eficiente comunicação e

funcionalidades que apóiam o compartilhamento de recursos.

A Internet, em sinergia com a Web 2.0, é uma das principais características de um novo

modelo de interação na sociedade da informação. Principalmente através de sistemas wikis, a

Web 2.0 disponibiliza serviços que permitem o trabalho colaborativo e coletivo para a criação

e melhoria dos conteúdos existentes no ambiente informacional das redes de comunicação.

A Web 2.0 foi um dos primeiros ambientes que possibilitou, na comunicação mediada

pelo computador, que indivíduos pudessem criar seus conteúdos a partir de conteúdos criados

por outras pessoas, fortalecendo assim a idéia de compartilhamento e colaboração. Entretanto,

novas tecnologias também estão surgindo, com base na mesma filosofia, para serem aplicadas

em outros contextos.

A tecnologia de Grid Computing difere-se da Web 2.0 por ter como principal objetivo a

integração de recursos computacionais para o estabelecimento de um ambiente de

processamento com alta capacidade. Mas é certo que essa tecnologia, em um contexto amplo,

segue a mesma filosofia da Web 2.0, principalmente por permitir que os indivíduos possam

criar e disponibilizar seus conteúdos em um ambiente compartilhado, valorizando muito o

conceito de colaboração.

3.2 A confiança em repositórios colaborativos de informação

McGuinness et al. (2006) destacam em seu artigo a Wikipedia como um dos maiores

mecanismos wiki disponíveis, uma enciclopédia online que possui mais de novecentos mil

autores registrados e mais de três milhões de artigos publicados em diferentes idiomas.

A Wikipedia tornou-se um sistema valioso de conteúdos reconhecido mundialmente,

principalmente devido ao aumento do número de pessoas citando-o como fonte de informação

confiável. Diversos estudos apontam que a Wikipedia é extremamente valiosa para artigos de

ciências, embora também existam afirmações de incoerência em determinados artigos.

McGuinness et al. (2006) exemplificam esse cenário citando a situação em que um jornalista e

um oficial da administração do governo Kennedy afirmaram que a Wikipedia possuía

informações incorretas sobre a biografia do presidente americano.

Os repositórios colaborativos de informação apresentam uma grande vantagem:

beneficiam-se da contribuição de uma vasta diversidade de usuários, ou seja, da colaboração

dos indivíduos para a geração de novos conteúdos.

É certo que existem algumas ameaças presentes no ambiente, como usuários sem

conhecimento no assunto, usuários utilizando fontes irrelevantes ou indivíduos agindo de

maneira suspeita para prejudicar o meio. O gerenciamento da confiabilidade torna-se um

crítico componente no desenvolvimento desses sistemas. Se não houver a presença de

qualquer mecanismo de controle de confiança, esses repositórios de informações

colaborativas podem encontrar dificuldade em atribuir níveis de coerência.

A ausência de um mecanismo de confiabilidade pode acarretar em serviços que

provêem somente os conteúdos aos usuários finais, mas não as informações de onde eles

foram extraídos. As grandes implementações de sistemas wikis, como a Wikipedia, já estão

direcionando esses desafios. Entretanto, atualmente, o nível desejado ainda não foi atingido

para que os sistemas alcancem o objetivo de disponibilizar informações sobre a relevância e

as fontes dos conteúdos dos artigos.

McGuinnes et al. (2006) abordam um modelo de medidas baseado em citações para

determinar os níveis de confiabilidade de um artigo. Em muitas situações, o usuário final

propende em acreditar nos conteúdos disponibilizados em sítios e blogs quando a fonte citada

corresponde a entidades de reputação reconhecida, como um jornal do porte do The New York

Times. Essa situação ocorre principalmente quando o autor do blog ou sítio é desconhecido.

No cenário da Wikipedia, a situação é semelhante, sendo destacado um algoritmo de

classificação da confiabilidade baseado na relação de citações entre entidades. Basicamente, o

mecanismo propõe um modelo no qual o número de referências para um termo implicará

diretamente em sua relevância e grau de confiabilidade.

A proposta de McGuinnes et al. (2006) visa expandir a Wikipedia agregando uma

ferramenta de gerenciamento da confiabilidade através de uma nova aba associada aos artigos

da enciclopédia. A aba deve ser integrada junto às abas existentes, como article, edit, history e

deve ser responsável por disponibilizar os artigos renderizados, baseando-se no modelo de

quantidade de citações, de tal maneira que seja possível identificar os fragmentos de textos

mais confiáveis que compõem o artigo.

McGuinnes et al. (2006) divulgaram um resultado do seu mecanismo, após um

experimento aplicado em uma cópia do banco de dados da Wikipedia de 2005, onde foi

possível denotar que essa ferramenta de gerenciamento de confiança teve um ótimo

desempenho, pois marcou como mais confiáveis os featured articles, ou seja, artigos que são

revistos e editados por especialistas no assunto.

O mesmo mecanismo também apontou os clean-up articles como menos confiáveis,

classificação que representa os artigos que geralmente são destacados pelos administradores

da Wikipedia como conteúdos com qualidade abaixo do indicado e que necessitam de revisões

adicionais.

3.2.1 Análise do artigo

O artigo em pauta traz um estudo sobre o nível de confiança dos conteúdos gerados

colaborativamente, onde uma grande quantidade de indivíduos pode adicionar e editar

informações em um repositório compartilhado de informações.

Este é um desafio que está sempre presente quando a questão envolve

compartilhamento e colaboração. No ambiente da Web, por ser um espaço aberto, isso se torna

ainda mais difícil de ser endereçado. Já em Grid Computing, por proporcionar um espaço um

pouco mais restrito, o gerenciamento da confiança é mais fácil de ser tratado.

É comum encontrar projetos de Grid Computing que exigem que as instituições e

indivíduos que queiram integrar o seu ambiente tenham que assinar contratos e termos de

responsabilidades para obterem acesso a infra-estrutura, aplicações e dados.

A maioria dos projetos de Grid Computing encontrada hoje em dia está focada em

pesquisas científicas, por isso existe a possibilidade haver um controle sobre as instituições

que podem ou não fazer parte deste ambiente. Se no futuro, essa tecnologia for a base para o

processamento de informações da sociedade conectada na Internet, talvez o seu desafio de

gerenciar a confiança passe a ser semelhante como o que encontramos nos dias de hoje na

Web.

É importante destacar que já existem alguns projetos de Grid abertos na Internet onde

os indivíduos podem facilmente participar. Entretanto, na sua grande maioria, eles utilizam o

modelo de Computação Voluntária, ou seja, os indivíduos colaboram de forma passiva apenas

compartilhando seus recursos computacionais para ser integrado no ambiente e assim gerar

capacidade de processamento, sem a necessidade de terem acesso aos dados e aplicações que

estão sendo executadas.

Vale ressaltar também que a própria arquitetura descentralizada da tecnologia auxilia a

tratar os problemas de gerenciamento de confiabilidade. O fato do ambiente não ter um

controle centralizado e ser composto por recursos de diferentes instituições, nos quais as

informações são armazenadas de forma distribuída por todos eles, influencia em um ambiente

mais seguro e transparente, conforme será estudado mais a fundo nessa dissertação.

3.3 A emergência do compartilhamento como modalidade de produção

econômica

Benkler (2004) cita que o supercomputador mais rápido do mundo e o segundo meio

de transporte mais eficiente nos Estados Unidos são habilitados através de um modelo de

gerenciamento de recursos que não é totalmente especificado nas economias contemporâneas.

A plataforma de computação distribuída SETI@HOME, baseada na arquitetura de

Grid Computing, envolve mais de quatro milhões de voluntários cedendo ciclos ociosos de

suas CPUs para habilitar o seu ambiente de processamento. O sistema de transporte baseado

em carona corresponde a quase 16% de todas as viagens urbanas dentro do território

americano. Ambos os modelos confiam em relações sociais e éticas de compartilhamento para

mobilizar e alocar recursos.

É importante destacar que nenhuma dessas duas práticas envolve recursos públicos ou

recursos financeiros. Os computadores pessoais e os automóveis são bens privados e rivais, do

inglês rival goods, o que significa que a sua utilização pode eliminar, ou pelo menos diminuir,

a utilização por parte de outros indivíduos.

A prática de compartilhamento que envolve esses dois modelos não está limitada a

uma comunidade onde os participantes se conhecem; pelo contrário, representam instâncias

onde o compartilhamento social é extremamente impessoal, ou ocorre entre entidades sem

afiliações definidas. Essa definição caracteriza a confiança total no compartilhamento social

através da vontade própria dos voluntários, sem a necessidade de ocorrer qualquer troca

financeira.

O compartilhamento social está tornando-se uma modalidade comum de produção

valiosa nos mais avançados modelos de economia, como informação, educação, cultura,

computação e setores de comunicação. Os softwares livres, a computação distribuída e a

forma de produção entre pares são exemplos notáveis de uma prática de compartilhamento

mensurável e de larga escala.

Benkler (2004) ainda sugere que a estrutura de capital distribuído, presente nas

comunicações contemporâneas e nos sistemas de computação, é a grande responsável pelo

aumento da característica de compartilhamento social como modalidade de produção

econômica. A diminuição do custo de capital necessário para ações individuais e o avanço das

tecnologias também permitiram grande aumento na produção descentralizada, baseada nas

relações sociais e não em mercados ou hierarquias.

Benkler (2004) apresenta dois estudos de caso sobre compartilhamento: Carpooling

que é um sistema baseado em carona para o compartilhamento de assentos disponíveis em

automóveis e os projetos de Grid Computing.

Os dois estudos de casos, Carpoooling e Grid Computing compartilham quatro

principais características em um ambiente colaborativo:

1- Os modelos envolvem práticas de compartilhamento de larga escala entre

indivíduos sem relações sociais ou completamente desconhecidos entre eles.

2- Os recursos econômicos compartilhados são privados.

3- A existência de modelos de mercados onde a capacidade excedente dos recursos

privados podem ser destacáveis e utilizáveis.

4- O resultado da prática de compartilhamento em ambos os estudos de caso são

bens rivais.

Com base nas características citadas acima, destaca-se o modelo de Carpooling e

Computação Distribuída como exemplos de práticas colaborativas através do

compartilhamento, assim como as redes peer-to-peer, a produção entre pares e o modelo de

desenvolvimento de softwares livres.

3.3.1 Análise do artigo

No artigo em pauta, Benkler (2004) demonstra as vantagens geradas pelo modelo de

produção baseada na colaboração através do compartilhamento de recursos. Foram destacadas

também duas grandes práticas colaborativas de sucesso, o Carpooling e Grid Computing, as

quais foram constituídas através da colaboração voluntária em larga escala para a produção de

produtos e serviços confiáveis.

É importante citar que os modelos baseados em compartilhamento podem, em muitas

vezes, gerar mecanismos produtivos com qualidade superior aos modelos orientados ao

mercado. Como exemplo, pode-se citar o Linux, um sistema operacional produzido

coletivamente que apresenta características e funcionalidades semelhantes em relação aos

sistemas operacionais produzidos pelas grandes indústrias.

No estudo de caso sobre Computação Distribuída, Benkler (2004) destaca o projeto de

Grid Computing chamado SETI@HOME, que através da colaboração e do compartilhamento

de recursos na Internet tornou-se um dos mais poderosos ambientes de processamento. Vale

ressaltar também que foi a partir do trabalho colaborativo que esta tecnologia foi concebida na

comunidade científica. No próximo capítulo serão discutidas em mais detalhes as relações de

Grid Computing em contraste com a colaboração.

4. Análise de Grid Computing

A tecnologia de Grid Computing foi uma grande quebra de paradigma no modelo de

computação distribuída, pois permitiu novas oportunidades de utilização de recursos

distribuídos e novas formas de interação em um ambiente informacional. Neste capítulo serão

abordadas as vantagens e os impactos da tecnologia de Computação em Grade nos contextos

sociais, ambientais e econômicos. A técnica de Estudo de Caso será aplicada para fomentar a

dissertação de como a tecnologia pode influenciar positivamente o trabalho colaborativo, a

inclusão científica, os novos modelos econômicos e a redução de consumo de recursos

energéticos.

4.1 Contexto social

A consolidação da Internet, e principalmente da Web como tecnologia de comunicação

em tempo real foi um dos grandes saltos para o surgimento de novas formas de interação na

sociedade. As redes sociais são responsáveis por uma nova forma de comunicação e troca de

informações em abrangência global, permitindo que indivíduos de diversos países possam

estabelecer relações entre si.

As redes sociais na Internet são valiosas para a sociedade, pois são elas que ajudam a

alavancar a criação de novos conteúdos, serviços e produtos. Uma pessoa que não conseguia

realizar uma determinada tarefa sozinha pode criar laços, através das redes sociais, com

indivíduos que compartilham os mesmos interesses que os seus para executarem as tarefas em

conjunto, não importando sua localização geográfica.

Assim, é possível notar que as redes sociais na Internet apresentam grande participação

para o crescimento e amadurecimento dos trabalhos colaborativos que são encontrados hoje

na sociedade, pois são elas que facilitam o estabelecimento de laços sociais entre indivíduos

que desejam atuar em busca de um determinado objetivo, seja para a criação de um novo

software ou a adição de um novo artigo na wikipedia.

É importante citar também que novas tecnologias surgem, a cada dia que passa, para

influenciar positivamente o compartilhamento de conteúdo e o trabalho colaborativo. Grid

Computing é uma das recentes tecnologias que envolvem os conceitos de coletividade para

possibilitar cenários de processamento de dados e compartilhamento de informações nunca

antes observados em nenhuma outra tecnologia.

Indivíduos podem agrupar-se para compartilhar os seus recursos computacionais e

assim constituir um ambiente de computação paralela com alta capacidade, o qual também

permite que eles compartilhem seus dados, aplicações e resultados. A influência de Grid

Computing em relação ao trabalho colaborativo e a inclusão científica será abordada adiante.

4.1.1 Trabalho colaborativo

A tecnologia de Grid Computing apresenta uma arquitetura descentralizada e

distribuída, conforme abordado no capítulo dois deste trabalho, característica que fortalece um

cenário favorável aos trabalhos colaborativos.

A necessidade por um ambiente com alta capacidade de processamento, sem que fosse

necessária a aquisição de supercomputadores, foi um dos motivos para que pesquisadores de

diversas áreas buscassem o desenvolvimento de um novo sistema distribuído que fosse capaz

de integrar a capacidade ociosa de recursos computacionais espalhados geograficamente. Os

principais sistemas de Grid Computing existentes no momento são frutos de projetos coletivos

de desenvolvimento de software, seja entre instituições de pesquisas, ou entre indivíduos

voluntários espalhados ao redor do mundo

Entre os principais sistemas de Grid Computing, pode-se destacar o Globus Toolkit, um

software open source desenvolvido por uma comunidade de voluntários trabalhando por um

mesmo objetivo - construir um sistema distribuído capaz de integrar recursos para gerar um

ambiente computacional de larga escala.

A participação coletiva é um dos pontos de sucesso de muitos bens tecnológicos,

incluindo os sistemas de Computação em Grade. No caso do Globus, a aceitação do sistema

foi tão relevante que incentivou novos voluntários a participar da comunidade para melhorar a

aplicação existente e desenvolver novas funcionalidades.

Globus foi primeiramente constituído como um projeto de software open-

source em 1996. Desde aquele tempo, o time de desenvolvimento do Globus

expandiu-se de poucos indivíduos para uma comunidade distribuída e

internacional. Em resposta a esse crescimento, a comunidade Globus

(Globus Alliance) estabeleceu em Outubro de 2005 uma nova infra-

estrutura de desenvolvimento de software e um modelo de governança

baseado em meritocracia, os quais juntos tornam mais fácil e transparente o

processo de inscrição a comunidade Globus (GLOBUS, 2009).

O aumento da quantidade de voluntários trabalhando no projeto Globus tornou-o uma

das atuais referências na área de Grid Computing. É importante destacar que o conceito de

Computação em Grade surgiu, em um primeiro momento, no meio científico de pesquisas,

situação em que comunidades estavam preocupadas em solucionar seus problemas de

processamento de dados em larga escala, para posteriormente ser adotado como tecnologia

promissora pelas grandes empresas desenvolvedoras de sistemas.

Com base no levantamento do histórico de Grid Computing, pode-se apontar que esse

conceito emergiu da sociedade informacional na busca por um novo paradigma tecnológico,

capaz de romper os limites dos supercomputadores da época, sem a necessidade de envolver

as grandes indústrias especializadas. Uma revolução tecnológica que teve a sua origem e sua

fundamentação no coletivo, com indivíduos motivados a inovar e criar um sistema importante

para a sociedade, permitindo que seus cidadãos pudessem realizar trabalhos nunca antes

possibilitados por qualquer infra-estrutura computacional.

Como diversas outras tecnologias, Grid Computing é um exemplo claro de que um

bem é capaz de influenciar e orientar as grandes indústrias, mesmo tendo surgido através da

produção não-trivial, sem a orientação de mercados e baseado apenas no coletivo de

indivíduos trabalhando por um objetivo comum.

Adicionalmente ao modelo de desenvolvimento do seu middleware, baseado no

trabalho colaborativo, a tecnologia de Grid Computing também possibilita o que pode ser

denominada 2-Ways Collaboration. Esse termo refere-se à capacidade de usufruir da

colaboração através do compartilhamento de recursos computacionais para constituir um

ambiente com alta capacidade de processamento. Entretanto, é importante destacar que esse

mesmo ambiente fornece funcionalidades que impulsionam o trabalho colaborativo devido à

sua arquitetura descentralizada, agilizando o modelo de compartilhamento de informações,

acesso a dados e a execução de atividades em conjunto.

Conforme mencionado, a maioria dos sistemas de Grid Computing é fruto de um

trabalho colaborativo e estão prontos para serem implementados com a finalidade de

constituir um ambiente computacional com alta capacidade de processamento, principalmente

através da integração de recursos computacionais distribuídos geograficamente.

Entretanto, um dos grandes desafios dos projetos que utilizam Grid Computing é a

alocação de recursos computacionais para constituir uma infra-estrutura com capacidade para

processar dados de problemas de larga escala. Dependendo da necessidade do projeto, o

ambiente de Grid Computing não apresenta uma efetiva funcionalidade se a quantidade de

recursos que o compõem for muito baixa.

Por exemplo, uma instituição de inclusão digital pode ter em sua infra-estrutura uma

coleção de vinte ou trinta recursos computacionais, entre servidores e computadores pessoais,

sendo que sua aplicação requer um ambiente computacional referente, no mínimo, a mil

servidores para o processamento de suas informações.

De acordo com esse cenário, uma possível solução seria a utilização de recursos de

entidades parceiras e voluntários simpatizantes com o tema do projeto. Isso é possível devido

a Grid Computing apresentar uma característica flexível e abrangente, graças a sua arquitetura

e o seu modelo de Organizações Virtuais, o que permite que a integração de recursos não

fique atrelada somente ao limite de uma única organização. Essa tecnologia visa à integração

de recursos computacionais pertencentes a diversas entidades em diferentes domínios

espalhados geograficamente.

Os projetos de Grid Computing que obtiveram maiores sucessos foram justamente

aqueles que confiaram na colaboração de indivíduos e entidades compartilhando a capacidade

ociosa de seus recursos para a constituição de uma infra-estrutura computacional.

Conforme já abordado no capítulo três deste trabalho, o projeto SETI@HOME é

considerado por muitos pesquisadores como um dos programas pioneiros a integrar recursos

computacionais pertencentes a diversos domínios, atualmente sendo composto por mais de

4.500.000 participantes no mundo todo. Se não houvesse a colaboração por parte dos

voluntários, o projeto SETI@HOME possivelmente não teria capacidade de processamento

suficiente em sua infra-estrutura computacional para tratar a quantidade de informações

necessárias, o que poderia levá-lo ao fracasso.

É notório destacar o quanto a colaboração é benéfica e agrega valor para as

plataformas de Grid Computing, principalmente se considerada a capacidade computacional

alcançada através da integração de dispositivos compartilhados por voluntários conectados na

Internet. Entretanto, o alto nível de processamento obtido com a Computação em Grade não é

a única vantagem da tecnologia, ela também oferece funcionalidades para a execução de

aplicações em conjunto e compartilhamento de informações.

Conforme citado anteriormente, essa tecnologia possibilita a colaboração em dois

caminhos - inicialmente creditando confiança na colaboração coletiva para agregar recursos e

formar um ambiente computacional com alta capacidade de processamento, o qual passa a

fornecer funcionalidades que favorecem o trabalho colaborativo.

A possibilidade da Computação em Grade fornecer um ambiente favorável ao trabalho

colaborativo está fortemente ligada à característica de sua arquitetura descentralizada, o que

permite que seu controle não esteja nas mãos de uma única entidade, mas distribuído por

todos os indivíduos que compõem uma determinada Organização Virtual.

Não existe apenas uma única definição para Grid Computing. Essa é uma tecnologia

que provê uma visão aberta sobre sua arquitetura, que pode ser modelada para constituir um

ambiente de acordo com as necessidades de um projeto.

O conceito de Organizações Virtuais, conforme citado no capítulo dois, foca a concep-

ção de um grupo de trabalho formado por entidades e usuários interessados no mesmo assun-

to, permitindo que eles compartilhem seus recursos e aplicações para constituir um ambiente

computacional necessário para a execução de suas tarefas.

Os problemas que antes eram difíceis de serem resolvidos sozinhos, com a tecnologia

de Computação em Grade tornam-se mais fáceis de serem tratados em conjunto com os mem-

bros de uma Organização Virtual. Essa situação não está ligada somente a alta capacidade de

processamento de informação obtida com essa tecnologia, mas também se relaciona com a

possibilidade de pessoas de diferentes países e interessadas no mesmo projeto ingressarem em

uma OV para compartilhar a execução de suas aplicações e seus dados.

O fator de descentralização é muito importante também para garantir a segurança do

ambiente e a transparência das informações, podendo permitir a auto-sobrevivência de uma

determinada aplicação.

Em Computação em Grade, ao contrário dos sistemas centralizados, é improvável que

uma única entidade prejudique toda a infra-estrutura computacional, pois a mesma interfere

somente na porção do ambiente correspondente aos seus recursos, o que poderia, dependendo

do nível de colaboração da entidade, degradar o desempenho, mas nunca fazer com que ele

fosse afetado completamente.

Essa característica é evidente em um ambiente de Grid Computing, pois não existe um

único ponto de controle centralizado. Se o ambiente é composto por 50 mil servidores e uma

entidade X decide se desligar do sistema, o resultado é que somente os recursos pertencentes a

X (por exemplo, 10 mil servidores) serão eliminados da infra-estrutura. Entretanto, a tecnolo-

gia apresenta funcionalidades para auto-regular o seu ambiente, permitindo que o mesmo con-

tinue ativo e executando suas tarefas nos dispositivos que ainda fazem parte de sua infra-es-

trutura (40 mil servidores).

Em um sistema centralizado, se o proprietário do ambiente resolvesse desativá-lo, isso

impactaria todos os usuários que fazem uso de seus serviços. Entretanto, isso não acontece em

Grid Computing, pois o ambiente estará ativo, mesmo com baixíssimo desempenho, até o últi-

mo participante ativo. Essa situação depende da configuração escolhida para a constituição da

infra-estrutura de Computação em Grade.

Para exemplificar a situação de um trabalho colaborativo, pode-se destacar um projeto

de Grid Computing com foco em renderização de filmes, onde exista um ambiente de

processamento de dados constituído através da integração de recursos computacionais

distribuídos geograficamente e pertencentes a diversos membros de uma Organização Virtual.

Nesse cenário, não há um controle central, mas existe um ambiente onde o

processamento ocorre de forma distribuída entre os recursos computacionais de uma OV.

Todos os membros de uma OV podem integrar seus recursos ao ambiente para gerar mais

capacidade e também podem executar suas aplicações, as quais podem ser compartilhadas

com todos os outros membros.

De acordo com as características citadas acima, percebe-se que a concepção do

conceito de Organização Virtual em um ambiente descentralizado favorece o coletivo,

principalmente por disponibilizar todos os recursos distribuídos de forma transparente. Os

usuários podem usufruir do ambiente que eles mesmos ajudaram a construir. Um ambiente

composto por milhares de dispositivos computacionais pertencentes a diferentes entidades,

onde cada qual pode administrar os seus recursos dentro do seu domínio, sem interferir

diretamente a funcionalidade final do ambiente como um todo.

A colaboração está ligada diretamente a tecnologia de Grid Computing em três

maneiras:

• Os trabalhos colaborativos dos desenvolvedores de software conceberam os

principais sistemas de Grid Computing, antes mesmo das indústrias especializadas.

• A Colaboração está presente para a constituição de uma infra-estrutura de

Computação em Grade com capacidade de processamento de larga escala através

da integração de recursos computacionais compartilhados.

• A infra-estrutura ativa de Computação em Grade facilita que o coletivo de

pessoas, agrupadas em Organizações Virtuais, possam trabalhar compartilhando

suas aplicações e dados de maneira transparente e segura.

As três afirmações acima reforçam a importância da colaboração para a constituição

de um ambiente de Computação em Grade, desde o desenvolvimento do sistema até a

integração de recursos para atingir alta capacidade de processamento. Consequentemente,

essas características tornam a tecnologia de Grid Computing extremamente importante para

ser aplicada em diversos cenários, com destaque para a inclusão científica.

A seguir, discorre-se sobre a influência de Grid Computing para proporcionar

ambientes computacionais necessários para inúmeros projetos científicos, os quais seriam

ineficientes na ausência da tecnologia. Posteriormente, aborda-se o projeto de Grid

Computing utilizado pelo experimento do superacelerador de partículas (LHC), um exemplo

de sucesso da tecnologia aplicada ao trabalho colaborativo e inclusão científica.

4.1.2 Inclusão científica

As novas tecnologias têm papel fundamental para a evolução da ciência, pois

permitiram que pesquisas que antigamente não eram possíveis de serem realizadas, agora

passam a existir e também buscar resultados mais apurados e precisos com a utilização de

recursos tecnológicos.

Destaca-se também que atualmente as pesquisas científicas estão gerando um volume

maior de dados, seja pela utilização de dispositivos tecnológicos mais avançados ou apenas

em razão do seu escopo. Porém, essa situação acarreta em um novo desafio: Qual ambiente

tem capacidade computacional em larga escala para processar um grande volume de dados

com baixo custo?

Há determinadas pesquisas que precisam de um ambiente computacional com alta

capacidade para processar os dados obtidos com o objetivo de tratar informações, executar

simulações e até mesmo chegar aos resultados finais. Entretanto, em muitos casos os

computadores tradicionais utilizados em laboratórios de pesquisas já não são suficientes para

processar de forma eficiente um grande volume de dados, exigindo assim a utilização de

servidores com alta capacidade de processamento ou até mesmo supercomputadores

especializados.

Porém, esses recursos computacionais podem custar muito caro ou podem até mesmo

não estarem disponíveis no momento requerido para viabilizar uma determinada pesquisa.

Esses desafios para obter um ambiente computacional de alta capacidade de processamento

com baixo custo e de forma rápida foram os grandes estimuladores para o surgimento da

tecnologia de Grid Computing, a qual foi concebida como uma alternativa para driblar o alto

custo e as limitações das capacidades dos recursos computacionais nos anos 90.

Conforme já abordado nos capítulos anteriores, a tecnologia de Grid Computing tem

como principal desafio integrar recursos computacionais distribuídos com o objetivo de

constituir um ambiente computacional em larga escala. Em outras palavras, Grid Computing

visa à formação de um supercomputador virtual composto pela capacidade excedente de

diversos computadores pessoais, servidores ou qualquer outro dispositivo computacional, sem

a necessidade de supercomputadores especializados, situação que torna claro a característica

de baixo custo da tecnologia.

Nos últimos anos Grid Computing ganhou maior evidência na sociedade através do

meio científico, principalmente por habilitar um ambiente com capacidade de processamento

de dados para atender demandas de pesquisas de larga escala. Hoje em dia já é possível

encontrar inúmeros projetos científicos que são realizados exclusivamente graças à utilização

de Grid Computing. Se não existisse essa tecnologia, essas pesquisas certamente não teriam

condições para executarem suas aplicações. O experimento do superacelerador de partículas,

um grande exemplo de pesquisa que depende totalmente dessa tecnologia, será abordado em

um estudo de caso adiante.

Outro ponto importante é o fato dos recursos que compõem uma infra-estrutura de

Grid Computing não precisarem pertencer exclusivamente há um único domínio. Ou seja, o

ambiente computacional pode ser composto por recursos de diversas entidades, como

instituições de pesquisas, universidades, centro de computações ou até mesmo usuários finais

conectados na Internet.

O modelo de computação voluntária, abordado no capítulo dois desta dissertação, tem

obtido grande aprovação por parte das pesquisas científicas. O projeto SETI@HOME,

lançado oficialmente em maio de 1999, foi um dos grandes marcos de Grid Computing como

uma plataforma de computação voluntária composta por recursos compartilhados na Internet.

Qual o preço de um supercomputador com a mesma capacidade de processamento do Grid

Computing do projeto SETI@HOME?

Esta é uma pergunta que demonstra a importância da tecnologia de Grid como a

grande impulsionadora de novas pesquisas. Instituições que não têm condições financeiras

para montar um ambiente computacional encontram em projetos de Grid Computing a chance

de viabilizar suas pesquisas.

Seguindo a linha do SETI@HOME, surgiram outros projetos que utilizam o modelo

de computação voluntária como forma de conseguir processar os seus dados. Ou seja, são

projetos que não existiriam se não houvesse a tecnologia de Grid Computing e voluntários

interessados em compartilhar o tempo ocioso de seus recursos computacionais. Pode-se citar

como exemplo algumas pesquisas com importância fundamental para a humanidade, como

projetos de investigação de dobramentos de proteínas, projetos de pesquisa contra a AIDS,

entre outros.

Percebe-se assim que o conceito de colaboração em sinergia com a tecnologia de Grid

Computing tem um potencial significante para a sociedade, permitindo que novos projetos de

pesquisa sejam criados, que espaços de compartilhamento de dados sejam alavancados e que

descobertas científicas sejam realizadas.

É importante citar também que a maioria dos projetos de Grid Computing tem como

objetivo prover uma infra-estrutura compartilhada por várias pesquisas, graças a sua

arquitetura descentralizada. O conceito de Organizações Virtuais também tem sua parcela de

importância, principalmente por agrupar e coordenar as entidades que trabalham na mesma

pesquisa, seja apenas compartilhando recursos computacionais ou executando aplicações em

conjunto. É possível pensar cada Organização Virtual como uma pesquisa dentro de um

ambiente de Grid Computing.

O World Community Grid (WCG, 2009) é um exemplo de ambiente compartilhado por

diversas pesquisas. O projeto tem como objetivo a criação de um ambiente público de

computação em grade, com base no modelo de computação voluntária, para ajudar projetos

científicos benéficos para a humanidade. O World Community Grid é executado no sistema

BOINC e o seu sucesso depende diretamente dos voluntários que compartilham o tempo

ocioso dos seus recursos conectados na Internet.

O World Community Grid não fornece sua infra-estrutura computacional para apenas

uma única pesquisa. Ao contrário, o ambiente é compartilhado por diversos projetos

científicos que podem trazer algum benefício para a sociedade. Atualmente são executadas

pesquisas com foco no combate ao câncer, dengue e AIDS. Há ainda projetos sendo

executados com o objetivo de desenvolver modelos climáticos mais exatos para regiões

específicas da África.

É interessante destacar que o modelo de computação voluntária foi bastante importante

para disseminar os benefícios que os projetos científicos podem obter utilizando a tecnologia

de Grid Computing. Essa afirmação pode ser justificada pelo fato dos primeiros projetos de

sucesso de Grid Computing terem focado na colaboração de voluntários conectados na

Internet.

Porém, essa tecnologia ganhou evidência nos últimos anos, tornando-se alvo de estudo

de pesquisas acadêmicas e também de empresas especializadas. Hoje em dia, é possível

encontrar uma gama imensa de projetos que visam à constituição de um ambiente

compartilhado de processamento em larga escala entre diversas instituições e universidades.

Com a tecnologia de Grid Computing as instituições podem unir forças para alavancar

suas pesquisas. Uma determinada instituição que não tenha a quantidade de recursos

necessária para processar os seus dados pode juntar-se com outras instituições para habilitar

uma infra-estrutura computacional compartilhada, na qual todos os envolvidos colaboram

para a sua formação, mas também podem usufruir de sua capacidade. Como exemplo, pode-se

citar uma situação onde a universidade A e a universidade B podem criar um acordo para a

construção de uma infra-estrutura computacional de Grid Computing apenas utilizando os

seus recursos, sem a necessidade da colaboração de usuários conectados na Internet.

Existem também diversas iniciativas de projetos que têm como foco habilitar um

ambiente comum de computação científica, onde instituições podem firmar acordos para a

execução de suas aplicações em um ambiente compartilhado por diversas pesquisas. O projeto

EELA-2 é uma iniciativa do EGEE para a América Latina, permitindo que universidades

possam participar de um ambiente compartilhado de Grid Computing a partir de acordos

firmados entre as partes, seja cooperando com recursos computacionais, aplicações ou mão-

de-obra, conforme a afirmação abaixo:

O projeto EELA está aberto para qualquer organização que queira

colaborar. Tornando-se um associado do projeto, seu grupo de pesquisa

estará apto a utilizar a infra-estrutura de Grid em produção do EELA-2

para executar aplicações e compartilhar resultados. Além disso, a

organização será intitulada para receber qualquer tipo de suporte técnico

para integrar os seus recursos computacionais no Grid do EELA-2 ou para

disponibilizar e executar as aplicações neste ambiente (EELA, 2008).

Pode-se observar que a tecnologia de Grid Computing tem proporcionado condições

extremamente positivas para a inclusão científica. Primeiro, por permitir a criação de uma

infra-estrutura computacional de larga escala para o processamento de um grande volume de

dados de forma simples e com baixo custo. Segundo, por todas as partes envolvidas em uma

Organização Virtual poderem acessar em conjunto as aplicações e os dados do ambiente,

característica que exalta a importância da colaboração para o enriquecimento da ciência.

Os projetos de Grid Computing geralmente têm abrangência global, o que permite o

envolvimento de instituições e indivíduos de diversos países. As entidades geralmente

colaboram com o que têm de melhor, algumas cedendo uma quantidade maior de recursos

computacionais, outras fornecendo aplicações e também têm aquelas que atuam diretamente

na pesquisa.

O importante é notar que as pessoas que estão trabalhando juntas nos projetos,

compartilhando o mesmo ambiente informacional, podem pertencer a diversas instituições.

Consequentemente, esses indivíduos podem apresentar diferentes perfis e formações díspares

(tanto culturais, quanto acadêmicas), situação que pode ser benéfica para a ciência, pois

permite a formação de diversas opiniões sobre a pesquisa a partir de diversos pontos de vistas.

Essas características deixam evidente que a tecnologia de Grid Computing é uma das novas

formas de interação e trocas de informação que impulsionam novos conceitos de inteligência,

como a própria inteligência conectiva, características muito importante para o avanço da

humanidade e da ciência.

4.1.3 Estudo de Caso – Worldwide LHC Computing Grid

Nesta seção discorre-se sobre o projeto do Worldwide LHC Computing Grid (WLCG),

a infra-estrutura de Grid Computing do superacelerador de partículas, um dos maiores

experimentos científicos da atualidade. A coleta de dados foi efetuada a partir de duas

principais fontes: o portal na Internet do projeto (WLCG, 2009), onde estão todos os

documentos sobre as instituições envolvidas, informações técnicas, relatórios dos recursos

computacionais. Também foi utilizado o documento denominado LHC Grid Fest Media

Guide compilado durante o seminário CERN LHC GRID realizado na Suíça em Outubro de

2008 (GRIDTALK, 2008).

O objetivo deste estudo de caso é responder como a colaboração teve papel

fundamental para possibilitar umas das mais importantes pesquisas na ciência de Física de

Partículas e quais foram suas consequências e influências na sociedade.

Incia-se este estudo de caso com a visão geral do experimento do superacelerador de

partículas (LHC), seguido da coleta de dados sobre a sua infra-estrutura computacional

baseada em Grid Computing para, enfim, analisar o impacto da colaboração para a formação

de seu ambiente informacional.

4.1.3.1 Visão geral do LHC

O projeto do superacelerador de partículas, também chamado de LHC (Large Hadron

Collider), é um dos mais impressionantes experimentos científicos já construídos e tem como

objetivo possibilitar novas pesquisas na área de física de partículas.

O equipamento do LHC foi construído pelo CERN (European Organization for

Nuclear Reseach) e corresponde a um túnel em circunferência de 27 quilômetros na região de

Genebra, próximo a fronteira da Suíça com a França. Existem quatro principais detectores de

colisões espalhados pelo túnel: o LHC-B, o CMS, o ALICE e o ATLAS, sendo esse último o

maior de todos.

A função dos detectores é coletar os dados referentes às colisões de partículas que

ocorrem dentro do LHC, os quais são enviados para processamento em um ambiente de Grid

Computing denominado Worldwide LHC Computing Grid. A Figura 5 ilustra o projeto do

túnel do LHC e os seus detectores:

Figura 5 – O Projeto do Superacelerador de Partículas (LHC, 2009)

É interessante citar que o experimento do superacelerador de partículas tem a projeção

de gerar em torno de 15 Petabytes de dados por ano, os quais devem estar acessíveis para

milhares de cientistas ao redor do mundo. Entretanto, o projeto enfrentou um grande desafio

para encontrar um ambiente computacional com capacidade suficiente para processar esse

volume de dados.

A tecnologia mais adequada e a escolhida pelo projeto para servir a sua infra-estrutura

computacional foi Grid Computing. Assim, foi iniciado um projeto denominado Worldwide

LHC Computing Grid (WLCG) para o estabelecimento de um ambiente computacional que

tivesse abrangência global e que fosse possível envolver a colaboração de diversas

instituições de pesquisas e universidades.

A missão do WLCG é a construção de uma infra-estrutura de Grid Computing capaz

de integrar recursos de diversas instituições para o armazenamento e processamento de dados

extraídos do LHC, os quais são compartilhados com a comunidade de pesquisa.

A seguir, serão coletados dados importantes sobre o projeto do WLCG para posterior

análise de como o conceito de colaboração e a tecnologia de Grid Computing têm papeis

fundamentais para o sucesso do projeto do LHC, e consequentemente para a sociedade

científica.

4.1.3.2 Coleta de Dados

O projeto do Worldwide LHC Computing Grid estabeleceu uma infra-estrutura global e

com alta capacidade de processamento, composta por mais de 140 centros de computação em

mais de 33 países para prover acesso aos dados do LHC para mais de sete mil cientistas ao

redor do mundo (LHCGRIDFEST, 2008).

O CERN investiu aproximadamente 100 milhões de Euros até o ano de 2008 em

pessoal e material para a construção do WLCG, recursos financeiros que são provenientes do

governo nacional da Suíça e também da União Européia. Entretanto, estima-se que a

participação do CERN corresponde somente a 20% do investimento total para a construção da

infra-estrutura computacional do WLCG (LHCGRIDFEST, 2008).

Gráfico 1 – Investimento no WLCG até o ano de 2008

É importante perceber que a colaboração financeira das outras instituições foi de

extrema importância para que o WLCG pudesse alcançar fundos necessários para a

constituição de um ambiente computacional com a quantidade indicada de recursos para

atender a demanda de processamento advinda do LHC. Basicamente, cada instituição

participante é responsável por seus gastos com o projeto, permitindo que o custo total fosse

distribuído entre todos os envolvidos.

O projeto do WLCG organizou o seu ambiente computacional em camadas para

facilitar a integração de recursos e a configuração de troca de dados entre as entidades

participantes do projeto. Assim, a infra-estrutura do WLCG é composta de três principais

camadas. A primeira camada (Tier-0) corresponde ao centro de computação do CERN, o qual

é responsável por armazenar todos os dados recebidos do experimento do LHC e enviar os

mesmos, baseado nas Organizações Virtuais, para instituições da segunda camada (Tier-1).

A segunda camada (Tier-1) é composta por onze sítios de computação espalhados ao

redor do mundo. Todos esses sítios são de extrema importância para o WLCG, possuem

conexão dedicada com o CERN e também são os responsáveis pela transferência de dados

para outros sítios de computação da terceira camada (Tier-2). A Tabela 1 lista os onze sítios

que compõem a segunda camada (Tier-1) do projeto do WLCG:

Tabela 1 – Sítios de computação da segunda camada Tier-1 (WLCG, 2009)

Os sítios da terceira camada (Tier-2) são associados de acordo com a proximidade

geográfica a um sítio de nível superior (Tier-1), o qual é responsável por transferir os dados de

acordo com o modelo de participação nas Organizações Virtuais.

Os sítios da terceira camada armazenam os dados recebidos e alimentam os

laboratórios de física de partículas para que os cientistas possam analisar os dados do LHC a

partir de seus próprios ambientes informacionais. Estima-se que o WLCG possibilitará acesso

aos dados do LHC para aproximadamente sete mil cientistas.

A terceira camada do WLCG é composta por mais de 140 sítios agrupados em 60

federações que cobrem a Alemanha, Austrália, Áustria, Bélgica, Canadá, China, Dinamarca,

Eslovênia, Espanha, Estados Unidos da América, Estônia, Finlândia, França, Holanda,

Hungria, Itália, Índia, Israel, Japão, Noruega, Paquistão, Polônia, Portugal, Reino Unido,

República da Coréia, República Tcheca, Romênia, Rússia, Suíça, Suécia, Taipei e Ucrânia. É

importante destacar que os dois principais projetos de Grid Computing citados nesta

dissertação, o EGEE e o OSG, também fazem parte do WLCG.

O Brasil participa do projeto desde 2006, entretanto não é reconhecido pelo CERN

como colaborador. Em Abril de 2009 a FAPESP enviou um memorando de entendimento para

formalizar a participação de pesquisadores do país no Worldwide LHC Grid Computing

(UNESP, 2009).

Vale ressaltar que a infra-estrutura do Worldwide LHC Grid Computing proporciona

um dos ambientes computacionais com maior capacidade de processamento na atualidade. O

Localidade Sítio

Canadá TRIUMF

Alemanha Karlsruhe Institute of Technology

Espanha Port d'Informació Científica(PIC)

França

IN2P3 - Institut national de physique nucléaire et de physique des particules

Itália INFN – Istituto Nazionale di Fisica Nucleare

Nordic Datagrid Facility

Holanda NIKHEF - Nationaal instituut voor subatomaire fysica

Taipei ASCG

Reino Unido GridPP – UK Computing for Particle Physics

Fermilab

RACF Computing Facility

Países

Nórdicos

Estados

Unidos

Estados

Unidos

WLCG já foi responsável pela execução de aproximadamente 44 milhões de Jobs em 2007 e

mais de 65 milhões em 2008. Entretanto, estima-se que a quantidade que o WLCG deverá

processar pode chegar a 500 mil Jobs diários quando o LHC estiver em atividade por

completo. Com base nesses dados é possível fazer uma projeção do aumento do número de

Jobs a serem processados a partir do ano de 2009, conforme o Gráfico 2:

Gráfico 2 – Projeção da quantidade de Jobs

Percebe-se com base no Gráfico 2 que a quantidade de Jobs apresenta um crescimento

expressivo ao longo do tempo, situação que pode, consequentemente, demandar maior

utilização dos recursos computacionais que compõem o WCLG, guiando o projeto a uma

eminente expansão de sua infra-estrutura.

A Tabela 2 está populada com os dados referentes ao total de recursos de CPU, espaço

de armazenamento em disco e espaço de armazenamento em fita que são requeridos para os

próximos anos de acordo com o WLCG (2009). Os recursos de CPU utilizam a métrica de

capacidade KSI2K, o qual corresponde a milhares de unidades da métrica de CPU

SPECint2000

. Já os recursos de armazenamento utilizam a métrica de Terabyte.

Tabela 2 – Projeção da quantidade total de recursos

O foco desta dissertação não é mensurar o poder computacional do WLCG, porém o

16 SPECint2000 - É um especificação computacional baseada em benchmarking de processadores.

2008 2009 2010 2011 2012 2013

CPU (KSI2K) 98715 174258 315695 409975 509695 658206

Disco (Tbytes) 40036 68858 111793 151931 193579 275075

Fita (Tbytes) 35309 68692 117464 170030 225187 276839

que se pretende mostrar é a crescente demanda por recursos computacionais ao longo dos

anos, para que posteriormente seja possível analisar a colaboração de cada camada (Tier-0,

Tier-1 e Tier-2) para o projeto.

A Tabela 2 mostra a quantidade total de recursos que é requerida pelo projeto do

WLCG para alcançar nível aceitável de processamento no ambiente de Grid Computing,

porém não cita a quantidade de recursos cedida por cada camada.

Já os Gráficos 3, 4 e 5 demonstram, com base em dados de relatórios de recursos

disponibilizados no portal do WLCG (2009), a colaboração de cada camada para atingir a

quantidade total de recursos especificada para cada ano. O Gráfico 3 demonstra a participação

de Tier-1, Tier-2 e Tier-3, através do compartilhamento de CPUs, para constituição da infra-

estrutura global do LHC.

Gráfico 3 – Projeção de recursos de CPU por camada

Com base no Gráfico 3, percebe-se que o CERN (Tier-0) é a camada que tem a

projeção para contribuir com menos recursos para os próximos anos. Mesmo sendo a

instituição fundadora do projeto, o CERN conta com forte colaboração tanto dos sítios de

processamento da segunda camada (Tier-1) quanto da terceira camada (Tier-2) para habilitar

um ambiente com alta capacidade de processamento.

O gráfico 4 demonstra, seguindo a mesma linha do Gráfico 3, a quantidade de espaço

para armazenamento de disco correspondente com cada camada.

Gráfico 4 – Pojeção de recursos de armazenamento em disco por camada

Com base no Gráfico 4, é possível destacar que a colaboração de espaço de

armazenamento esperada para os próximos anos também é muito maior para segunda camada

(Tier-1) e terceira camada (Tier-2) do que para o próprio CERN.

Mesmo o sítio do Tier-0 sendo o responsável por receber todos os dados do LHC e

armazená-los para posterior envio aos sítios da segunda camada (Tier-1), nota-se que a

maioria dos sítios dos Tier-1 e Tier-2 também poderão receber os mesmos dados para que seus

cientistas possam fazer suas pesquisas, aumentando a capacidade de armazenamento em disco

por toda a infra-estrutura do WLCG.

O Gráfico 5 difere dos gráficos anteriores pelo fato de contemplar somente o CERN

(Tier-0) e os sítios da segunda camada (Tier-1). Isso ocorre pelo fato do armazenamento em

fita ser utilizado basicamente para backup, ou seja, quando os dados estão sendo processados

por aplicações eles são armazenados em disco (conforme visto no Gráfico 4) e após o seu uso

podem ser gravados em fitas. É importante lembrar que os sítios do Tier-0 e Tier-1 formam a

estrutura essencial do WLCG, principalmente por serem os responsáveis pelo pré-

processamento dos dados e também por enviá-los para todos os envolvidos no projeto. Os

sítios da segunda camada têm acordos diferenciados com o CERN para a participação no

WLCG, o que pode acarretar em algumas obrigações específicas aplicadas para eles, como

por exemplo, garantir uma cópia de segurança dos dados do projeto.

Gráfico 5 – Projeção de recursos de armazenamento em fita por camada

Com base no Gráfico 5, percebe-se que o CERN contribui com menos da metade da

capacidade total de armazenamento em fita, sendo que a grande parte da colaboração está

distribuída entre os sítios do Tier-1.

No geral, é possível destacar que a maior parte da capacidade de processamento e

armazenamento do WLCG é proveniente da colaboração dos sítios da segunda (Tier-1) e

terceira camada (Tier-2), que juntos correspondem a mais de 140 centros de computação ao

redor do mundo.

Adicionalmente ao WLCG, o projeto do LHC também utiliza um ambiente baseado no

modelo de computação voluntária. O LHC@HOME (2009) é uma iniciativa que possibilita

que pessoas possam colaborar com o projeto do LHC a partir de suas casas, cedendo a

capacidade excedente das suas máquinas para processamento de dados do superacelerador de

partículas. Esse projeto está atualmente sendo executado na plataforma BOINC.

O LHC@HOME diferencia-se do WLCG por ser um ambiente aberto na Internet

constituído de voluntários ao redor do mundo. Sendo assim, esse projeto tem como objetivo

principal o processamento de tarefas que exigem alto poder de processamento, mas uma taxa

relativamente baixa de transferência. O LHC@HOME tornou-se a infra-estrutura para a

execução de um programa denominado SixTrack, o qual simula o percursso de partículas ao

redor do LHC para o estudo da estabilidade de suas órbitas. O SixTrack foi a primeira

aplicação escolhida a ser executado no ambiente de computação voluntária por requerer uma

taxa relativamente baixa de entrada e saída de dados, e também por exigir alto nível de

processamento.

Voltando a abordar o projeto do WLCG (2009), foi visto até o momento que a

colaboração entre todas as entidades envolvidas para a constituição da infra-estrutura de Grid

Computing do projeto é fundamental para o seu sucesso. As instituições compartilham seus

recursos para habilitar um ambiente computacional de larga escala com capacidade suficiente

para processar os dados do LHC. Entretanto, é importante destacar que essas mesmas

entidades também se agrupam em Organizações Virtuais para terem acesso aos dados,

característica que ajuda a organizar o ambiente informacional, ditando o que cada uma pode

acessar e o que pode ser executado no WLCG.

O WLCG é composto por diversas Organizações Virtuais, entretanto serão destacadas

nesta dissertação somente aquelas que são afiliadas ao projeto científico do LHC:

Tabela 3 – Organizações Virtuais filiadas ao LHC (WLCG, 2009)

Conforme citado anteriormente, o projeto do LHC é composto de quatro principais

detectores que geram dados diferentes das colisões que acontecem no LHC. O conceito de OV

foi utilizado no WLCG para organizar os dados gerados por cada detector com o objetivo de

garantir a segurança e a transparência do ambiente informacional.

De acordo com a Tabela 3, percebe-se que para cada coletor existe uma Organização

Virtual, ou seja, um meio de isolar os dados para que somente aqueles que têm permissão

possam acessá-los, mesmo sendo disponibilizados em uma infra-estrutura compartilhada.

Ainda existe uma OV para o SixTrack e também outra para o time de deployment do WLCG.

4.1.3.3 Análise

Incia-se a análise do WLCG com base em no principal desafio que influenciou o

CERN a adotar a tecnologia de Grid Computing para a construção de sua infra-estrutura

OV Afiliação LHC

ALICE ALICE experimento

ATLAS ATLAS experimento

CMS CMS experimento

DTEAM

LHCb LHCb experimento

SixTrack Single Particle Tracking Code

Grupo de deployment do LCG

computacional: O alto custo do projeto.

Grid Computing teve um papel importante para adequar o modelo de investimento

financeiro para habilitação do projeto WLCG. Conforme abordado anteriormente, o CERN

investiu em torno de 100 milhões de Euros em materiais e recursos humanos para a

construção da infra-estrutura computacional do LHC. Entretanto, esse investimento

corresponde a somente 20% do total do custo do projeto, sendo que as outras instituições que

fazem parte do projeto foram responsáveis por seus próprios investimentos, que somados

correspondem ao custo total do WLCG.

É importante notar que Grid Computing é uma tecnologia que fornece eficientes

funcionalidades para este tipo de modelo de investimento, permitindo que inúmeras

instituições possam construir em conjunto um ambiente computacional compartilhado, e que

o seu investimento total seja distribuído por todos os participantes.

Embora o CERN seja o fundador do projeto, é notório que sozinho não teria condições

financeiras de habilitar um ambiente computacional com a capacidade necessária para o

processamento dos dados do LHC. Estima-se que o experimento possa gerar em torno de 15

Petabytes por ano, e que essa quantidade possa aumentar ao longo do tempo. Assim, somente

uma infra-estrutura de larga escala e com alta capacidade escalável poderia processar esses

dados com eficiência, situação que corresponde a um alto custo de investimento, tanto em

recursos computacionais como também em pessoal especializado.

O CERN contou com a ajuda de mais de 140 instituições para a construção do WLCG,

considerado um dos ambientes computacionais com mais poder de processamento na

atualidade. O WLCG é uma infra-estrutura de Grid Computing que integra recursos

computacionais de universidades, centros de computação, instituições de pesquisas

espalhados ao redor do mundo. A maioria dos envolvidos na construção do WLCG colabora

através do compartilhamento de recursos computacionais e também do fornecimento de mão-

de-obra especializada.

É importante destacar que a capacidade de processamento do WLCG é proveniente da

colaboração de cada entidade envolvida no projeto. Conforme visto no Gráfico 3, a segunda

camada (Tier-1) e a terceira camada (Tier-2) são os grandes responsáveis pelo nível de

processamento do ambiente, uma vez que são os maiores colaboradores de recursos de CPU.

A mesma situação também pode ser observada para o espaço de armazenamento em disco.

Vale ressaltar que a primeira camada (Tier-0) corresponde apenas ao CERN, enquanto

a segunda camada corresponde a 11 instituições com link dedicado ao CERN e a terceira

camada é composta por mais de 140 sítios de computação ao redor do mundo. A transferência

de dados inicia-se no CERN, que os envia para os sítios da segunda camada, que por sua vez

são responsáveis por abastecer os sítios da terceira camada.

Percebe-se assim uma estrutura de confiança baseada em hierarquia entre todas as

camadas. O CERN (Tier-0) é a camada principal da estrutura do WLCG, pois é o responsável

por receber os dados gerados pelo LHC, efetuar o processamento inicial, enviá-los para os

sítios da segunda camada (Tier-1) e armazená-los para propósito de backup. O CERN tem

uma importância fundamental para o funcionamento do WLCG, pois se seu sítio de

computação estiver fora do ar, nenhum outro sítio das outras camadas receberão novos dados.

Já os sítios da segunda camada são responsáveis por receber os dados do CERN,

analisá-los de forma intensiva e também oferecer suporte regional para os sítios da terceira

camada (Tier-2). Geralmente os sítios de terceira camada são associados, baseando-se em

proximidade geográfica, a um sítio de segunda camada, o qual é responsável pela

transferência dos dados necessários de acordo com o modelo de Organizações Virtuais.

É perceptível que nessa situação o impacto de um problema causado em qualquer sítio

da segunda camada é bastante preocupante, pois uma situação de emergência colocaria o

próprio sítio de segunda camada e todos os seus respectivos sítios de terceira camada em

estado de alerta. Entretanto, é importante citar que o ambiente do WLCG continuaria

funcionando com base nos outros sítios de segunda e terceira camada. Em uma configuração

de Grid Computing baseada totalmente na descentralização, onde um sítio não depende do

outro, um problema que ocorresse em uma determinada localidade teria um impacto ainda

menor.

Essa característica é importante para ressaltar questões como segurança e transparência

em uma infra-estrutura de Grid Computing. No projeto do WLCG, o qual utiliza uma

configuração em camadas, percebe-se que nem mesmo o CERN (Tier-0) tem controle

absoluto do ambiente informacional. O CERN pode afetar o ambiente apenas não enviando

novos dados, porém aqueles que já foram transferidos estão em poder de inúmeras instituições

ao redor do mundo.

Foi visto até o momento que a colaboração é um fator importante para o projeto do

WLCG para a constituição de sua infra-estrutura computacional. Entretanto, conforme foi

destacado anteriormente, Grid Computing favorece o 2-Ways Collaboration, ou seja, os

envolvidos no projeto colaboram inicialmente através do compartilhamento de seus recursos

computacionais para habilitar um ambiente de larga escala, o qual fornece funcionalidades

para o trabalho colaborativo, execução de aplicações em conjunto e compartilhamento de

dados de forma transparente, principalmente devido à arquitetura descentralizada da

tecnologia.

O projeto do WLCG tem o objetivo de prover os dados gerados pelo LHC para mais

de sete mil cientistas pertencentes a diferentes entidades, as quais podem estar associadas a

uma, ou mais, Organizações Virtuais. É importante citar que o modelo de OV tem papel

importante no WLCG para organizar o acesso aos dados, trazendo maior confiabilidade e

confiança para o ambiente colaborativo. Assim, uma instituição que participa apenas do

experimento ALICE (consequentemente é associada à OV ALICE), não poderá receber dados

provenientes do experimento ATLAS, mesmo ambos os experimentos estarem

disponibilizando seus dados na mesma infra-estrutura.

Destaca-se também que o WLCG desempenhou uma função interessante para a

inclusão científica do projeto do LHC. Primeiro, esse projeto tornou possível a criação de um

ambiente computacional de larga escala e com custo distribuído, o que favoreceu o

investimento a partir de diversas fontes. Segundo, o WLCG permite que as instituições de

pesquisas que não tinham a possibilidade de efetuar pesquisas na área de físicas de partículas,

principalmente de uma riqueza tão abrangente como a do LHC, possam participar ativamente

de um dos maiores experimentos científicos da humanidade, seja apenas acessando os dados,

executando aplicações ou até mesmo compartilhando resultados.

Basicamente, o que o WLCG proporciona é um ambiente de trabalho compartilhado

por cientistas espalhados por todo o globo terrestre. Os cientistas do CERN podem trabalhar

em conjunto com cientistas do Japão, Índia, Estados Unidos, e Brasil, por exemplo. Onde

cada instituição tem um papel a desempenhar para contribuir com uma parcela significante

para o projeto, e que todos juntos possam tornar a grande descoberta da humanidade uma

realidade. Até mesmo os cientistas individuais podem ter acesso a esse ambiente através de

recursos de uma quarta camada (Tier-3), que pode ser constituída de servidores de um

departamento de uma universidade ou até mesmos de um simples computador pessoal.

Com base na análise das características do WLCG, pode-se (PODEM-SE) destacar

algumas vantagens da tecnologia de Grid Computing:

• Múltiplas cópias de dados podem estar armazenadas em diferentes sítios de

computação, garantindo assim acesso para todos os cientistas envolvidos

independentemente de suas localizações geográficas.

• Aperfeiçoamento da utilização da capacidade excedente de recursos

computacionais, tornando-os mais eficientes.

• Redução dos pontos únicos de falha no ambiente.

• O custo de operação e manutenção é distribuído por todos os envolvidos, onde

cada um é responsável por seus equipamentos, mas todos juntos colaboram para o

objetivo global.

• Pesquisadores e cientistas não precisam deixar os seus países para participar do

projeto, uma vez que os dados estarão disponíveis em seus recursos

computacionais.

• A comunidade é beneficiada com o surgimento de novas tecnologias que

favorecem a redução do custo e também o consumo de energia.

A colaboração é o fundamento do projeto do WLCG, e não está englobando apenas as

entidades científicas que fazem parte dos projetos. Há indústrias que também apóiam o

projeto ajudando os cientistas do CERN a desenvolver novas tecnologias e também melhorar

as já existentes. Inclusive, existem alguns produtos vendidos no mercado que são frutos de

esforços do projeto do WLCG. O projeto CERN Openlab (2009) tem foco na contribuição de

parceiros de indústrias especializadas, como Intel, Oracle e HP. Essa situação fortalece o

cenário de que a colaboração pode ditar o desenvolvimento de novos produtos, tanto nas

comunidades sociais, como também nas indústrias especializadas.

4.1.3.4 Resultados e contribuições

O projeto do superacelerador de partículas é, apoiado pela infra-estrutura do WLCG,

um exemplo dos benefícios da colaboração na sociedade. Anteriormente, as instituições

tentavam proteger as suas pesquisas para que fossem exclusivas. Entretanto, esse cenário está

sofrendo fortes reformulações. Há algum tempo já se pode observar um cenário maior de

ajuda recíproca e troca de informações entre as entidades científicas.

O projeto do LHC é um exemplo notável do impacto da colaboração para a sociedade,

pois essa pesquisa busca responder perguntas que sempre foram destaque no meio científico, e

consequentemente também na sociedade. É a busca por uma grande descoberta na ciência. E o

mais importante é que essa pesquisa só será possível devido à colaboração entre várias

instituições.

O CERN não quer proteger as grandes descobertas ou tê-las como exclusividade. Pelo

contrário, o CERN só tornou possível o seu projeto devido à colaboração de outras

instituições, sendo assim, nada mais justo do que compartilhar o seu ambiente informacional

para que todos trabalhem em conjunto na busca da evolução da ciência.

É importante também destacar que o sucesso do projeto do WLCG vem guiando novas

oportunidades inovadoras da utilização de Grid Computing ao redor do mundo, como a luta

contra determinadas doenças, pesquisas sobre mudança climática, poluição do mar, entre

outras. Qualquer ciência que requer intensiva simulação ou cálculos pode se beneficiar de

Grid Computing.

Os benefícios de Grid Computing não se limitam apenas ao contexto científico,

embora o mesmo tenha possibilitado o surgimento de novas pesquisas. Essa tecnologia

demonstra potencial para tornar-se algo de extremo valor para a sociedade informacional

conectada, permitindo que através da colaboração um novo ambiente de alto nível de

processamento seja provisionado com baixo custo, permitindo assim que novos projetos

sociais sejam criados, principalmente aqueles focados em inclusão digital.

Os ambientes de Grid Computing também tornam possíveis a produção de produtos e

serviços que antes estavam restritos apenas as grandes indústrias por necessitar a utilização de

supercomputadores para determinadas tarefas, como a renderização de um filme, por

exemplo. Entretanto, com Grid Computing, uma comunidade torna-se capaz de habilitar um

ambiente computacional para geração de qualquer bem que exija em seu processo produtivo

alto nível de processamento computacional.

Na próxima seção, discorre-se sobre o impacto de Grid Computing para o meio-

ambiente, como esta tecnologia pode ser benéfica para a redução de consumo de energia e

também como pode servir de infra-estrutura para pesquisas focadas na proteção ambiental.

4.2 Contexto Ambiental

Hoje em dia, uma das principais preocupações da sociedade está relacionada ao meio-

ambiente. Cientistas, pesquisadores e ativistas estão sempre em busca de alternativas para que

possamos diminuir o consumo de recursos naturais sem que haja um grande impacto na vida

das pessoas. A energia elétrica é um dos elementos essenciais para a humanidade, o qual exige

atenção especial para que seja possível evitar desperdícios durante a sua utilização.

Na realidade, pode-se evitar o consumo excessivo de energia elétrica em várias

situações do cotidiano, como apagar a luz ao sair de um recinto, desligar os aparelhos

eletrônicos que não estiverem em uso, entre outras atitudes fáceis de serem notadas no dia-a-

dia.

Entretanto, existem cenários mais complexos de consumo de recursos energéticos em

larga escala, os quais geralmente são difíceis de serem mensurados. Como exemplo, pode-se

citar as infra-estruturas tecnológicas repletas de dispositivos computacionais, os quais

consomem energia sem muitas vezes estarem produzindo em sua capacidade máxima.

É interessante citar que a tecnologia da informação apresenta um papel de destaque

nesta situação, pois é parte do problema e ao mesmo tempo a chave para solucioná-lo. Por

esta razão, surgiu nos últimos anos um conceito denominado TI Verde (Green IT), o qual tem

enfoque em estudos e práticas de como usar recursos computacionais de forma eficiente.

Este é um conceito completo e aborda a forma de melhor utilizar as tecnologias a partir

de diversas iniciativas, como reduzir o uso de materiais perigosos e poluentes para a

fabricação de produtos, promover a reciclagem ou garantir a biodegrabilidade dos mesmos e

também buscar eficiência no consumo de energia durante todo o seu ciclo de vida.

O conceito de TI Verde teve sua origem com a concepção de um projeto da agência de

proteção ambiental dos Estados Unidos (U.S. Environmental Protection Agency) chamado

Energy Star. Basicamente, este projeto estava focado em promover iniciativas de energia

eficiente para monitores, equipamentos de controle climático e demais tecnologias. O seu

resultado foi bastante surpreendente e correspondeu à adoção do modo de espera (sleep mode)

por diversos produtos no mercado. O objetivo desta dissertação não é o estudo a fundo do

conceito de Green IT e todas as suas derivantes. Porém, o que se espera é salientar os

impactos e as vantagens da utilização de energia de forma adequada, principalmente por parte

das tecnologias da informação.

O portal GreenIT (2009) estima que a participação da tecnologia da informação na

emissão global de carbono corresponde, em média, entre 2% e 2.5% do total mundial, sendo

que esse valor pode chegar entre 5% a 6% em países mais desenvolvidos. A mesma fonte

100

também cita, com base em um relatório do McKinsey

, que esses dados podem triplicar no

período correspondente entre os anos 2002 e 2020.

Entretanto, o Gartner (2006) cita que os custos de energia compreendem em média

menos de 10% do orçamento total de TI nas organizações, mas que este nível pode chegar a

50% nos próximos anos. Essa situação de aumento no custo de energia apresenta uma forma

difícil de ser gerenciada, causando certos desafios para os CIOs

Ainda segundo o Gartner (2006), a legislação com foco no controle de energia é

eminente tanto nos Estados Unidos quanto na União Européia, cenário que pode possibilitar

punição de organizações com data centers de larga escala que não possuem medição e

gerenciamento do seu consumo de energia.

É importante também considerar a possibilidade que o crescimento de ações por parte

de campanhas com foco na proteção dos recursos naturais pode influenciar os consumidores

(empresas, governos e pessoas físicas) a levantar estas questões na hora de escolher os

fornecedores de seus produtos, podendo este cenário apresentar impactos de curto prazo na

rentabilidade de organizações que não estão tomando medidas que visam redução excessiva

no consumo de recursos naturais.

Como exemplo dessa situação, GreenIT (2009) aborda o programa dos Estados Unidos

chamado Federal Eletronics Challenge (FEC), que tem como objetivo incentivar as agências

federais a adquirir preferencialmente produtos eletrônicos que apresentam características

positivas em relação ao meio-ambiente e também descartar os produtos obsoletos em

ambientes adequados e seguros.

Perante todos esses desafios e também obrigações impostas, as organizações de TI

precisam tomar algumas ações em relação ao planejamento dos seus data centers para garantir

um melhor aproveitamento da utilização dos recursos energéticos, bem como garantir o seu

consumo escalável de acordo com o seu crescimento.

O maior desafio que se pode encontrar nas tecnologias da informação está relacionado

à sua infra-estrutura. O que ocorre é que atualmente existe uma grande quantidade de recursos

computacionais ociosos, como servidores, computadores pessoais e periféricos que estão

consumindo energia muitas vezes sem ser utilizados.

Algumas tecnologias surgiram motivadas por essa situação e tem como objetivo

17 McKinsey – Empresa de consultoria estratégica que tem como clientes empresas líderes em diversificados

setores.

18 CIO (Chief Information Officer) – Nome dado ao cargo do responsável pelo ambiente das tecnologias da

informação de uma determinada organização.

101

aperfeiçoar a configuração da quantidade de recursos necessários para atender uma

determinada demanda, aumentando assim a utilização da capacidade de cada dispositivo e

diminuindo o numero total de equipamentos, e consequentemente o gasto de energia.

Grid Computing tem apresentado excelentes resultados como tecnologia para

aperfeiçoar a utilização em infra-estruturas computacionais complexas, as quais possuem uma

grande quantidade de servidores. Conforme já visto nos capítulos anteriores, Grid Computing

tem como característica extrair o máximo da capacidade de cada recurso para habilitar um

ambiente de alto poder computacional.

Através da implementação dessa tecnologia em um data center, pode-se alcançar como

resultado a diminuição de consumo de energia, uma vez que foram mantidas somente as

máquinas que apresentam nível de utilização aceitável para o ambiente, eliminando os

recursos ociosos. É importante relembrar também que essa é uma tecnologia que fomenta um

ambiente computacional escalável, ou seja, consegue gerenciar o crescimento de sua demanda

através da adição de recursos computacionais adicionais, fator extremamente positivo para o

controle do consumo de energia.

Em outras palavras, Grid Computing apresenta-se como uma tecnologia favorável para

a economia de recursos energéticos por manter um ambiente computacional conciso, ou seja,

(QUE) somente utiliza um número de máquinas (NECESSÁRIAS) para manter o nível de

processamento exigido em um data center para atender uma determinada demanda,

eliminando qualquer recurso computacional que apresenta ociosidade, reduzindo assim o

consumo de energia.

Adicionalmente à aplicação de Grid Computing em uma infra-estrutura de um data

center, essa tecnologia também é importante para tornar mais eficiente o consumo de energia

por parte dos computadores pessoais. Na verdade, Grid Computing torna os recursos com

baixa utilização conectados na Internet, em dispositivos produtivos através do modelo de

computação voluntária, sem ter um grande impacto no consumo de energia elétrica.

É importante ressaltar que os recursos computacionais dos usuários finais não precisam

estar ativos exclusivamente para servir um ambiente de Grid Computing, mas eles podem ser

utilizados por uma aplicação do estilo de computação voluntária quando o mesmo apresentar

baixa utilização. Um exemplo fácil de ser encontrado nos dias de hoje são computadores

pessoais que ficam ligados apenas para o download de músicas e filmes, com nível de

processamento extremamente baixo, enquanto poderiam ser utilizados para servir uma

102

aplicação de um projeto científico.

Entretanto, os benefícios de Grid Computing em relação ao meio-ambiente não estão

restritos apenas a esses dois cenários – consumo de energia mais eficiente em data centers e

computadores pessoais conectados à Internet. Conforme já visto anteriormente, essa

tecnologia também tem potencial para geração de um ambiente compartilhado de alto

processamento, característica importante para apoiar o trabalho colaborativo. Assim, é

possível encontrar inúmeros projetos com foco na proteção de recursos naturais e também

pesquisas climáticas que utilizam Grid Computing como a forma de criar um ambiente de

trabalho comum entre diversas entidades.

O projeto Clean Energy (HARVARD, 2009) é uma iniciativa com foco em pesquisas

na busca de novos materiais para a próxima geração de células solares e também dispositivos

de armazenamento de energia. Utiliza um ambiente de Grid Computing baseado no modelo de

computação voluntária (também é integrante do World Community Grid), ou seja, qualquer

pessoa interessada no projeto pode ceder a capacidade excedente de suas máquinas para a

busca de uma fonte mais eficiente de geração de energia.

A aplicação de Grid Computing no projeto Clean Energy permite que os pesquisadores

possam calcular as propriedades eletrônicas de mais de dez mil materiais orgânicos (um

número extremamente superior ao que poderia ser testado em um laboratório), e assim

determinar quais são os mais indicados para o desenvolvimento de uma nova tecnologia de

energia solar.

O projeto Climateprediction (2009) é uma pesquisa focada na produção de predições

do clima no planeta terra até 2080 e também na verificação da exatidão de modelos climáticos

existentes. A mudança climática é um assunto de importância global, podendo afetar a

produção de alimentos, ecossistemas, os recursos de águas, a demanda por energia entre

outros pontos.

Algumas pesquisas sugerem que a terra passará por um aquecimento global de impacto

nos próximos anos. O Climaprediction (2009) tem como objetivo investigar com afinco e

trazer resultados sobre o que realmente pode-se esperar em relação ao aquecimento global.

Para isso, o projeto necessita de um ambiente computacional de larga escala para o

processamento de seus dados e execução de suas simulações. A plataforma BOINC foi a

escolhida para prover um ambiente de Grid Computing orientado ao modelo de computação

voluntária. O projeto também criou um portal onde todos os resultados são compartilhados

103

com a comunidade interessada na pesquisa.

Em suma, Grid Computing apresenta benefícios em duas vertentes para o meio

ambiente, permitindo consumo de energia mais eficiente através do aperfeiçoamento da

quantidade de recursos computacionais para atender uma determinada demanda, e também

habilitando um ambiente computacional com capacidade de processamento suficiente para

suportar novas pesquisas com foco no desenvolvimento de novas tecnologias e produtos, os

quais ajudam de alguma forma a preservação dos recursos naturais.

4.2.1 Estudo de Caso – Computação Voluntária como uma alternativa de

tornar o consumo de energia mais eficiente

O objetivo deste estudo de caso é levantar informações sobre a quantidade de

computadores pessoais em uso na atualidade, o seu consumo médio de energia e como Grid

Computing pode se beneficiar da capacidade excedente dos recursos computacionais sem

decorrer em grandes impactos em relação ao consumo de energia elétrica.

4.2.1.1 Coleta de Dados

O portal Internet World Stats (IWS, 2009) traz dados estatísticos sobre a utilização da

Internet em relação à população mundial. Estima-se que o número total de usuários

conectados à rede global de computadores é de 1.5 bilhão, espalhados por todo o planeta. A

tabela 4 detalha informações sobre a penetração do acesso à Internet por regiões:

Tabela 4 – Penetração de acesso a Internet por regiões (IWS, 2009)

Regiões

África 975330899 4514400 54171500 5.60% 1100.00% 3.40%

Ásia 3780819792 114304000 657170816 17.40% 474.90% 41.20%

Europa 803903540 105096093 393373398 48.90% 274.30% 24.60%

Oriente Médio 196767614 3284800 45861346 23.30% 1296.20% 2.90%

337572949 108096800 251290489 74.40% 132.50% 15.70%

581249892 18068919 173619140 29.90% 860.90% 10.90%

34384384 7620480 20783419 60.40% 172.70% 1.30%

TOTAL 6710029070 360985492 1596270108 23.80% 342.20% 100.00%

População

(Estimado em

2008)

Usuários de

Internet

(Dezembro de

2000)

Usuários de

Internet

(Março de

2009)

Penetração (%

População)

Crescimento de

Usuários (2000-

2008)

% Usuários no

total global

América do

Norte

América

Latina/Caribe

Oceania /

Austrália

104

As regiões da Oceania e da América do Norte são as que apresentam maior penetração

de usuários conectados na Internet em relação as suas populações. A África, mesmo sendo a

região com menor penetração, apresentou um crescimento extremamente considerável entre

os anos de 2000 e 2008. Já a Ásia é a região que tem o maior número de usuários conectados

na Internet, seguida pela a Europa. A Oceania apresenta, mesmo despontando entre as regiões

com mais penetração, o menor número de usuários conectados à rede em relação ao total. O

Gráfico 6 demonstra um comparativo do total de usuários conectados à Internet por região.

Gráfico 6 – Total de Usuário conectado à Internet por região (IWS,2009)

Vale ressaltar que os usuários da Internet não possuem necessariamente o próprio

dispositivo computacional, principalmente em países sub-desenvolvidos, onde muitas vezes

acessam a rede a partir das máquinas dos seus trabalhos, centros de inclusão digital, lan

houses, entre outros locais. Para exemplificar este cenário, pode-se comentar uma pesquisa

divulgada por CETIC (2009), onde foi comparado o acesso a Internet a partir de diversas

localidades:

Percentual sobre o total de usuários de Internet no Brasil

Gráfico 7 – Local de acesso à Internet no Brasil (CETIC, 2009)

105

Apesar de o número de pessoas conectadas à Internet não representar o número de

computadores, a quantidade total de recursos computacionais atualmente em uso no mundo é

bem próximo a quantidade de usuários, principalmente para que seja possível atender toda

essa demanda de acesso à Internet. Reuters (2008) divulgou um estudo realizado pelo Gartner

Group

onde cita que o número de computadores pessoais em uso superou a marca de 1

bilhão de equipamentos em 2008. Já de acordo com um estudo da Almanac (2009), estima-se

que a quantidade total atingiu 1,2 bilhão de dispositivos no fim do ano de 2008. A Tabela 5

traz informações referentes aos 15 países que possuem uma maior quantidade de

computadores pessoais:

Tabela 5 – Total de computadores pessoais no mundo (ALMANAC, 2009)

O próximo passo é a investigação da média do consumo de energia por parte dos

recursos computacionais. Existem muitas métricas disponibilizadas sobre este assunto,

entretanto o estudo realizado por Schmid (2005) buscou uma análise com mais detalhes sobre

as principais marcas e modelos de processadores.

O Gráfico 8 mostra o consumo de energia de recursos computacionais em dois

19 Gartner Group - Empresa de consultoria fundada em 1979 focada em pesquisas de tecnologias.

Localidade Porcentagem %

1. Estados Unidos 264.1 22.19

2. China 98.67 8.29

3. Japão 86.22 7.24

4. Alemanha 61.96 5.21

5. Reino Unido 47.04 3.95

6. França 43.11 3.62

7. Rússia 36.42 3.06

8. Itália 35.69 3

9. Coréia do Sul 34.87 2.93

10. Brasil 33.3 2.8

32.03 2.69

12. Canadá 27.63 2.32

19.13 1.61

14. Austrália 17.01 1.43

15. Espanha 16.71 1.4

Top 15 Total 853.9 71.7

Total Mundial 1190.1 100

PCs em uso

(Unidade: Milhões)

11. índia

13. México

106

cenários distintos – computadores ociosos (Idle) e também alta utilização (100% do consumo

de CPU). O autor citou que os dados foram coletados a partir de um ambiente computacional

composto por uma placa-mãe, memória RAM, uma placa de vídeo, dois discos rígidos, um

dispositivo de DVD e o processador em questão, sendo que apenas os periférios foram

excluídos (monitores, impressoras entre outros).

Gráfico 8 – Consumo de energia por recursos computacionais (SCHMID, 2005)

Nota-se que o consumo de energia está diretamente relacionado à utilização da

capacidade computacional do computador. A partir dos dados de consumo dos processadores

analisados, a média de demanda por recursos energéticos aumenta de acordo com a sua

utilização. Em computadores ociosos (Idle), o consumo médio é de aproximadamente 173.4

W, enquanto pode atingir 258.55 W quando o recurso estiver com toda a sua capacidade

107

explorada (100% CPU).

Vale também ressaltar que os recursos computacionais, principalmente os mais novos,

apresentam capacidade de processamento extremamente alta, o que muitas vezes não é

utilizada por completa, simplesmente por serem aplicados à tarefas que não requerem muito

processamento, como navegação na Internet, uso de aplicativos de escritórios, entre outros.

Joseph e Humphreys (2004) citam, em uma publicação da empresa de consultoria

IDC, que a taxa de utilização em servidores baseados na plataforma Intel x86 é de apenas

15% em média. Seguindo a mesma linha, Maurrer (2009) também publicou alguns dados

onde aborda que somente 20% da capacidade de processamento dos computadores pessoais é

utilizada.

Para fomentar esse cenário de consumo de CPU, também foram coletados dados

referentes à utilização de CPU em dois tipos de recursos computacionais - um notebook HP

6910p com o sistema operacional Linux e um desktop HP dc7700s com o sistema operacional

Windows. Ambos dispositivos apresentaram utilização máxima de 30%, mesmo enquanto

seus usuários estavam operando-os normalmente.

A utilização de CPU é algo difícil de especificar, pois depende muito do cenário de

implementação, tipo de dispositivo, aplicações executadas, entre outros fatores. Entretanto,

nessa dissertação toma-se como base, de acordo com os dados apresentados, a utilização

média de 30% para os computadores pessoais, fortalecendo um cenário de desperdício

computacional.

Grid Computing surge como uma tecnologia fundamental para a utilização da

capacidade excedente dos recursos computacionais para outros projetos. Entretanto, à medida

que a utilização da capacidade de processamento dos computadores aumenta, a demanda por

recursos energéticos também segue esta tendência, apresentando assim maior consumo de

energia. A seguir será analisado, com base nos dados coletados, a implementação de Grid

Computing para a redução de desperdício da capacidade de processamento em computadores

pessoais e o seu impacto no consumo de energia elétrica.

4.2.1.2 Análise

Na seção anterior foi visto que há uma grande quantidade de computadores pessoais

em uso mundialmente que, em sua grande maioria, possuem conexão à Internet. Também foi

108

destacado que utiliza-se em média somente 30% da capacidade dos recursos computacionais.

Grid Computing é uma tecnologia que apresenta habilidade para aproveitar a capacidade

excedente de dispositivos computacionais para processar dados de um determinado projeto e

aplicação. Entretanto, o consumo de energia está fortemente atrelado à utilização da

capacidade de processamento das máquinas.

Nesta seção, analisa-se o impacto do aumento de utilização para o consumo de

recursos energéticos a partir de computadores pessoais que estão executando a aplicação de

Grid Computing do World Community Grid (WCG, 2009).

A aplicação cliente do World Community Grid permite que os usuários voluntários que

estão colaborando com o projeto, cedendo recursos de suas máquinas, possam configurar

algumas preferências para adequar a aplicação em relação à utilização da capacidade de

processamento de seus computadores, como configurar os horários que a aplicação pode

inciar, o limite de uso de CPU e espaço de armazenamento. A configuração padrão limita a

utilização do espaço em disco em 10GB e a utilização de CPU em 60%. Para propósito de

testes, a aplicação foi instalada em dois equipamentos - notebook HP 6910p e desktop HP

dc7700s.

O Gráfico 9 mostra a utilização de CPU do notebook em condições de uso normal

(usuário utilizando o computador normalmente, como navegação na Internet e utilização de

suas aplicações diárias) e também um cenário de execução da aplicação de Grid Computing

do World Community Grid. Os dados foram coletados a partir da ferramenta vmstat do próprio

sistema operacional Linux:

Gráfico 9 – Utilização de CPU em notebook com sistema operacional Linux

109

O Gráfico 10 mostra os dados de utilização de CPU do desktop coletados a partir da

ferramenta de gereciamento do sistema operacional Windows:

Gráfico 10 – Utilização de CPU em desktop com sistema operacional Windows

De acordo com os Gráficos 9 e 10, percebe-se que a aplicação do World Community

Grid aproveitou os recursos ociosos das máquinas, as quais a utilização gira em torno de 30%,

para processar dados de pesquisa científica sem prejudicar o ambiente computacional do

usuário. É importante citar que a configuração da aplicação do Word Community Grid estava

configurada para consumir no máximo 60% de CPU, funcionalidade padrão do software.

Entretanto, o usuário pode configurar para que a aplicação possa consumir até 100% de CPU

do seu computador.

Porém, um grande desafio para o modelo de Grid Computing focado em computação

voluntária é gerenciar o consumo de energia de acordo com a utilização da capacidade de

processamento de computadores conectados à Internet.

O próximo passo é identificar o impacto direto do aumento da autilização de um

computador para o consumo de energia elétrica. Vale ressaltar que está sendo analisada

somente a aplicação de Grid Computing, baseada no modelo de computação voluntária, em

um cenário onde os computadores estão ligados por algum motivo, seja pelo fato de seu

usuário estar utilizando um editor de texto ou o mesmo ter deixado sua máquina fazendo

download de vídeos e músicas durante toda a noite.

O cenário de computadores em stand-by (hibernado) ou desligados não fazem parte do

escopo dessa pesquisa. Assim, estamos apenas abordado aquelas máquinas que por alguma

razão estão ligadas, consumindo energia e apresentando capacidade excedente. Entretanto, o

110

aumento de utilização também corresponde a um maior consumo de energia por parte do

equipamento computacional.

Blackburn (2008) publicou uma pesquisa sobre a variação de consumo de energia em

relação a utilização de CPU nos computadores. O autor cita a seguinte fórmula para calcular o

quanto um recursos computacional consome de recursos energéticos:

Pn = Pidle + (Pmax – Pidle) / 100 X N

Onde, Pidle significa o consumo de energia quando o computador está ocioso (Idle),

Pmax o consumo de energia quando o computador apresenta máxima utilização (100% CPU)

e N o nível de utilização de CPU no dado momento. O Gráfico 11 mostra a tendência do

aumento de consumo de energia de acordo com a sua utilização. Para a geração deste gráfico

foi utilizado dados referente ao consumo médio de energia dos recursos computacionais,

coletados na seção anterior, aplicados a fórmula anterior:

Gráfico 11 – Consumo de energia em relação a utilização de CPU

De acordo com o Gráfico 11, é possível destacar que, do total consumido por um

computador, uma parcela considerável corresponde aos seus componentes (placa-mãe,

memória, disco rígido, leitor de DVD, entre outros). Já a CPU, responsável pela maior parte

do consumo de energia nos computadores, apresenta uma tendência suave no crescimento de

demanda por recursos de energia quando há maior utilização de sua capacidade. Por exemplo,

um computador pode ter sua capacidade de processamento dobrada de 10% para 20% de

111

utilização de CPU, enquanto o consumo de energia varia apenas em torno de 4,7%, saltando

de 181.92 W para 190.43 W.

A Tabela 6 está populada com dados referentes ao consumo de energia elétrica quando

o computador apresentar diferentes cenários de utilização – uso normal do usuário e também a

aplicação do World Community Grid em diferentes configurações de consumo máximo de

CPU (60%, 80% e 100%).

Tabela 6 – Cenário consumo de energia com Grid Computing

De acordo com os dados apresentados na Tabela 6, os recursos computacionais

mostram-se mais eficientes em relação ao consumo de energia quando há maior utilização de

CPU. Durante o uso normal de um computador, ou seja, enquanto o usuário está executando

suas aplicações, navegando na Internet, estima-se que o nível de capacidade de CPU

explorada é de apenas 30%, consumindo em torno de 198.95 W, equivalente a 6.63 W por

cada 1% de CPU utilizada.

Porém, se o usuário optar por ceder a capacidade ociosa de seu computador para o

World Community Grid, e o mesmo configurar a aplicação cliente para utilizar até 60% de sua

CPU, o consumo médio de energia por cada 1% de CPU utilizada atinge o valor de

aproximadamente 3.74 W. Já se a aplicação for configurada para usar toda a capacidade de

processamento, a eficiência é ainda maior, com um consumo médio de 2.58 W por cada 1%

de CPU utilizada.

Assim, mesmo que o aumento da utilização da capacidade de processamento de CPU

decorra em um consumo total de energia maior, os computadores pessoais demonstram-se

mais eficientes com alta utilização, pois o aumento de uso de recursos computacionais é

bastante pequeno perto da capacidade de processamento obtida. Um computador com 100%

de utilização apresenta apenas 60 W de consumo de energia a mais do que um computador

com uso normal (30% de utilização de CPU), ou seja, um aumento ínfimo se comparado com

o poder de produção alcançado.

Cenário % CPU Utilizada % CPU Ociosa Energia Consumida Consumo de energia por % CPU Utilizada

Uso Normal 30% 70% 198.95 W 6.63 W

WCG (60%) 60% 40% 224.49 W 3.74 W

WCG (80%) 80% 20% 241.52 W 3.01 W

WCG (100% 100% 0% 258.55 W 2.58 W

112

4.2.1.3 Resultados e contribuições

De acordo com a análise dos dados na seção anterior, percebe-se que um recursos

computacional, tanto os desktops, notebooks ou até mesmo os servidores, apresentam um

consumo mais eficiente de energia quando estão com sua capacidade máxima de

processamento em uso. Isso acontence, pois os computadores consomem uma certa

quantidade de energia, quase metade do total, apenas para alimentar todos os seus

componentes, como placa-mãe, memória, disco rígido, placa de vídeo. É certo que os

processadores também têm uma grande parcela no total de energia consumida, mas mesmo

assim essa variação acaba tornando-se mínima perante a capacidade de produção alcançada

com o aumento de processamento.

Através da colaboração, os indivíduos da sociedade que possuem máquinas ativas que

apresentam capacidade ociosa de processamento, podem participar de projetos científicos e

sociais execuntando aplicações de Grid Computing, como o World Community Grid,

aumentando o nível de processamento de suas máquinas e tornando-as mais eficientes em

relação ao consumo de energia.

Muitas pessoas deixam seus computadores ligados durante um longo período para

fazer download de arquivos, ou simplesmente por não querer desligá-los, situação que

mantêm uma grande quantidade de máquinas conectadas na Internet consumindo energia de

uma forma ineficiente, já que o recurso apresenta baixa utilização de sua capacidade de

processamento. Isso não quer dizer que a máquina está consumindo mais energia para

produzir menos, mas significa que ela poderia estar produzindo muito mais com apenas um

leve acréscimo no seu consumo de energia.

Grid Computing, baseado no modelo de computação voluntária, apresenta-se com uma

oportunidade colaborativa para a elaboração de um ambiente computacional de larga escala

sem que haja um grande impacto ambiental e financeiro, principalmente levando em

consideração a quantidade total de computadores em usos e pessoas conectadas na Internet

atualmente.

Geralmente, quando um usuário colabora com um projeto como o World Community

Grid, ele permite a execução da aplicação cliente de Grid Computing enquanto seu

computador estiver ativo devido algum motivo – usuário trabalhando, lendo e-mails,

navegando na Internet ou jogando algum game. Essa situação demonstra uma característica

113

interessante para a economia de recursos energéticos, pois como foi visto anteriormente, uma

boa parcela do consumo total de energia é utilizada pelos componentes do computador, e

nesse caso Grid Computing estaria consumindo energia apenas em relação a variação de CPU.

Como exemplo, pode-se citar um usuário que utiliza apenas 20% da capacidade total

de seu computador, e por esta razão decidiu participar do World Community Grid. De acordo

com os dados de consumo médio de energia coletado nas seções anteriores, pode-se destacar

que uma pessoa que utiliza apenas 20% da capacidade de seu computador, para desempenhar

suas atividades normais, consome em torno de 190 W de energia elétrica.

Porém, com a instalação da aplicação de Grid Computing no mesmo dispositivo

computacional, pode ocorrer um aumento do total de CPU utilizada, atingindo o nível de 60%

de utilização – 20% referente ao uso normal do usuário e 40% referente a aplicação de Grid

Computing. Esse aumento de utilização da capacidade de processamento também acarreta em

um maior consumo de energia, saltando para aproximadamente 224 W, ou seja, um acrescimo

de apenas 34 W no consumo total de energia elétrica.

Considerando que a máquina já estava ativa por algum motivo, e por isso estava

consumindo 190 W, pode-se determinar que a aplicação de Grid Computing consumiu apenas

34 W para utilizar 40% de CPU de um computador ativo na Internet, enquanto seria

necessário em torno de 207 W para atingir a mesma capacidade de processamento em uma

máquina dedicada.

Grid Computing torna-se uma excelente alternativa para um consumo mais eficiente de

energia através da utilização da capacidade ociosa de recursos computacionais na Internet. A

tecnologia também apresenta importates características em relação a redução do desperdício

de energia elétrica em data centers de empresas e instituições.

4.3 Contexto Econômico

Grid Computing é uma tecnologia que está ganhando evidência na indústria de

tecnologia nos últimos anos. As grandes empresas fornecedoras de tecnologia da informação,

como IBM, HP, Oracle, já estão lançando suas soluções de Grid Computing para atender a

demanda de seus clientes.

Esses produtos têm como foco tornar mais eficiente e econômica a infra-estrutura de

data centers, criando um ambiente computacional escalável, tolerante à falhas e com alto

114

poder de processamento. Elimina os recursos ociosos e mantêm apenas aqueles que estão

realmente sendo utilizados no processo produtivo, reduzindo assim o investimento na

aquisição de novos equipamentos.

É comum hoje em dia, encontrar data centers que são construídos com uma relevante

quantidade de clusters na configuração active/stand-by para atender requisitos de alta-

disponibilidade. Para isso, geralmente existe um servidor ativo, responsável por receber todo

o tráfego do ambiente, enquanto há um outro ocioso esperando uma falha no servidor

principal para começar a executar as aplicações.

Grid Computing tem importate papel para suprir os requisitos de alta-disponibilidade

de TI das empresas, mas sem a necessidade de manter uma quantidade abundante de

servidores ociosos. Isso acontece pelo fato da tecnologia integrar, em uma infra-estrutura

global, somente os recursos computacionais necessários para atender a demanda de

processamento de um data center.

Através da adoção de Grid Computing, elimina-se a alocação exclusiva de máquinas

para a execução de uma determinada aplicação, como é comum encontrar nos data centers.

Por exemplo, um sistema gerenciador de banco de dados sendo executado no servidor A, uma

solução da área financeira no servidor B, e uma aplicação Web no servidor C. Esse cenário

não é muito favorável à economia de recursos, pois de acordo com os dados coletados nas

seções anteriores, a utilização da capacidade de um servidor varia entre 15% e 30%.

Já Grid Computing visa a eliminação dessas ilhas de processamento, através da

integração dos recursos computacionais (no caso, os servidores A, B e C), para a constiuição

de uma infra-estrutura computacional de larga escala que será compartilhada por todas as

aplicações, explorando ao máximo a capacidade de processamento de cada equipamento, o

que pode influênciar a redução da quantidade total de dispositivos para atender uma

determinada demanda.

Com base nessa caracterísitca, Grid Computing torna-se interessante para empresas e

instituições, pois torna a infra-estrutura de suas organizações de TI mais eficiente através da

aquisição somente de dispositivos computacionais que realmente são necessários.

Em face a necessidade dos seus clientes e os benefícios apresentados por Grid

Computing, os grandes fornecedores de tecnologia estão buscando produtos comercias a partir

de uma idéia que emergiu da comunidade científica. Essa tecnologia é um grande exemplo de

que produtos e serviços que surgem do coletivo, apresentam qualidade, e até mesmo potencial

115

para guiar as grandes indústias.

Hoje, empresas especializadas em tecnologia estão buscando oportunidades de

negócios a partir de criações que não são obrigatoriamente desenhadas por sua equipe de

pesquisa e desenvolvimento, mas que são idéias originadas através de um trabalho

colaborativo, muitas vezes não guiado por qualquer regra de mercado, mas sim pelo simples

poder de voluntariado das pessoas.

É importante destacar que os produtos comerciais de Grid Computing, que surgiram a

partir de uma criação da comunidade científica, já apresentam atualmente fatores importantes

relacionados ao contexto econômico. Para as indústrias de tecnologia, é o desenvolvimento de

um novo produto que permite a geração de receita através de sua venda, e para as empresas

consumidoras, uma tecnologia que pode trazer certa economia e maior aproveitamento em

relação aos seus recursos computacionais.

Já é possível indentificar também novos modelos de negócios que estão surgindo, a

partir dessa tecnologia, com enfoque na disponibilização de uma infra-estrutura

computacional como um serviço na Internet. Empresas e instituições estão disponibilizando

capacidade de processamento para clientes de forma on-demand e escalável, sem que eles

tenham a necessidade de investir muito em aquisição de equipamentos, projetos de

implementação, entre outros. A sinergia entre Grid Computing e Cloud Computing torna-se

evidente a partir desse cenário.

A seguir será abordado com mais detalhes o conceito de Cloud Computing, suas

tecnologias e configurações, bem como a sua relação com Grid Computing e Virtualização.

4.3.1 Cloud Computing

Cloud Computing, também chamado de Computação em Nuvem é um novo

paradigma de computação que visa à integração de diversos conceitos e tecnologias para a

geração de um ambiente tecnológico ubíquo. Weiss (2007) cita Cloud Computing como uma

promessa de serviços confiáveis disponibilizados através da próxima geração dos data

centers. Assim, os consumidores poderão acessar, de qualquer lugar do mundo, as aplicações

e dados hospedados em uma Nuvem Computacional (Cloud Computing).

Esse termo está sendo bastante abordado no mercado corporativo e em instituições

acadêmicas. Com base nas definições de diversos pesquisadores apresentadas por Sys-Con

(2009), é possível consensuar Cloud Computing como uma coleção ubíqua de recursos

116

computacionais, softwares e serviços, que proporcionam a seus usuários um ambiente

altamente escalável e provisionado de maneira dinâmica. Esse ambiente pode apresentar

sofisticadas combinações de tecnologias e conceitos para a habilitação de serviços.

O conceito de Cloud Computing é bastante abrangente e pode apresentar diversos cenários,

mas sua principal característica é o fornecimento de recursos através de uma Nuvem

Computacional, ou seja, um ambiente ubíquo no qual os usuários utilizam os serviços

disponibilizados sem a necessidade de possuir informações sobre os elementos que os

compõem. No atual ambiente computacional é possível destacar a sinergia de Cloud

Computing com diversas tecnologias largamente adotas pelo mercado. A Figura 6 destaca os

principais elementos que, diretamente ou indiretamente, compõem o conjunto de tecnologias e

conceitos que fomentam o termo Cloud Computing.

Figura 6 – Cloud Computing: sinergia entre conceitos e tecnologias

A Figura 6 destaca as tecnologias que impulsionam o conceito de Cloud Computing,

entretanto, isso não determina que todas essas técnicas sejam obrigatoriamente utilizadas em

conjunto para habilitação de um ambiente de Computação em Nuvem.

4.3.1.1 Infra-estrutura

A primeira camada de um ambiente de Cloud Computing corresponde à infra-estrutura,

ou seja, às coleções de máquinas, servidores, dispositivos de storage, equipamentos de redes

de comunicação e softwares para o monitoramento e gerenciamento de todos esses elementos.

Essa é a camada base que promove o ambiente computacional necessário para a execução e

disponibilização de serviços.

117

4.3.1.2 Grid Computing e virtualização

Grid Computing e virtualização correspondem às tecnologias que gerenciam e

habilitam novas funcionalidades para os recursos da camada de infra-estrutura. O conceito de

Grid Computing é largamente difundido nas indústrias de tecnologias e institutos de

pesquisas. Consequentemente, existem diversas plataformas científicas e corporativas

implementadas com grande sucesso, principalmente pelo fato de habilitar um ambiente

robusto, conciso e econômico.

Mesmo sendo um conceito em evidência na atualidade, ainda há muitas abordagens

confusas em relação à Grid Computing e Cloud Computing. Existem diversas pesquisas de

mercado abordando Cloud Computing como evolução de Grid Computing. Entretanto,

considera-se nessa dissertação, Grid Computing como sendo uma tecnologia de

gerenciamento de infra-estrutura utilizada para a geração de novos serviços em um ambiente

de Computação em Nuvem. As evoluções de Grid Computing ficam a cargo de pesquisas

sobre a própria tecnologia, como já é possível encontrar integrações de funcionalidades nas

áreas de mobilidade (Mobile Grid) e semântica (Semantic Grid).

Já a virtualização é um conceito tecnológico que permite que diversos ambientes

avulsos sejam implementados em um único equipamento físico, permitindo que os serviços

possam ser compostos por esses ambientes como se fossem máquinas individuais. O usuário

tem a seu dispor a funcionalidade para alocar um ambiente de processamento on-demand e

com ajustes dinâmicos em relação aos seus recursos computacionais, como CPU, Memória

RAM e espaço de armazenamento, em um único elemento físico.

Essas duas tecnologias, Grid Computing e Virtualização, possibilitam que o ambiente

de Cloud Computing disponibilize sua infra-estrutura como serviços a serem consumidos por

seus clientes. Empresas podem alocar recursos computacionais em um ambiente de

Computação em Nuvem para atender uma demanda específica, sem a necessidade de

aquisição de novos equipamentos. Essa situação apresenta vantagem financeira para as

empresas consumidoras de serviços e permite a diminuição do custo total de propriedade

(TCO).

4.3.1.3. Serviços tecnológicos

A terceira camada representa os conceitos e tecnologias que utilizam o ambiente

118

computacional, constituído pelas camadas anteriores, para promover diversificados tipos de

serviços para os consumidores da Nuvem Computacional. Entre os principais conceitos

tecnológicos nessa camada estão: SaaS, SOA, Web 2.0 e Mobilidade.

Software as a Service

Software as a Service (SaaS) é um modelo de disponibilização de software no qual a

aplicação é hospedada como um serviço disponível ao consumidor. O Gartner define o

paradigma de Software as a Service:

Gartner define SaaS como um software que é possuído, entregue e

administrado remotamente por um ou mais provedores. O provedor fornece

uma aplicação baseada em um grupo de definições de dados e códigos

comuns, que são consumidos em um modelo um-para-muitos por todos os

consumidores contratados a qualquer momento em uma base de pagamento

por uso, ou como uma assinatura baseada na métrica de uso (GARTNER,

2009a).

Com base nas características e definições de SaaS, é notório destacar a sinergia entre

esse modelo computacional e Cloud Computing. Ambos os conceitos apresentam similaridade

pelo fato de disponibilizarem funções de TI através de um ambiente ubíquo. No modelo de

SaaS as funções de TI disponibilizadas são os softwares, enquanto os ambientes de Cloud

Computing disponibilizam variadas funções, como hardware e também software.

Gartner (2009a) destaca que o modelo de SaaS é um conceito aplicado desde a década

de 90, entretanto atualmente já existem antigos provedores de SaaS que estão mudando a

nomenclatura de seus serviços para Cloud Computing, mesmo não tendo efetuado qualquer

alteração na arquitetura de suas aplicações. Essa migração entre os nomes é gerada por

questão de marketing, principalmente devido ao fato do termo Cloud Computing estar em

evidência no mercado.

A empresa Salesforce.com foi uma das primeiras a focar o desenvolvimento de seus

softwares em serviços e hoje possui considerável market share na área de aplicativos de CRM

e uma das maiores plataformas de entrega de serviços on-demand. A Salesforce.com é um

exemplo de empresa que atualmente já utiliza o termo Cloud Computing em parte de sua

publicidade (SALESFORCE.COM, 2009).

Entretanto, Gartner (2009a) destaca que a diferença entre os conceitos de SaaS e Cloud

Computing está no modelo de infra-estrutura utilizado para a disponibilização dos serviços.

119

Sendo assim, para que um ambiente possa ser considerado Cloud Computing, o mesmo deve

utilizar tecnologias escaláveis em sua infra-estrutura para fornecer, consequentemente, ofertas

escaláveis para o mercado. Grid Computing é uma técnica que atualmente promove uma

infra-estrutura com tais características.

SaaS é um conceito consagrado que ao longo do tempo emergiu novos modelos de

negócios para a indústria de tecnologia. Cloud Computing é um novo paradigma

computacional que apresenta um amplo conceito de integração de técnicas para habilitação de

serviços escaláveis, no qual SaaS é uma prática associada ao seu portfólio.

Service-Oriented Architecture

Os serviços disponibilizados pelo modelo de Cloud Computing podem prover

determinadas aplicações que fazem parte dos fluxos informacionais dos processos de

negócios de empresas clientes, portanto necessitam ser integrados ao ambiente de Tecnologia

de Informação dos consumidores de modo conciso. Como exemplo, podemos citar as

soluções de CRM disponibilizadas pela Salesforce.com, onde as empresas consumidoras

integram esse serviço em seu ambiente de TI para interações com outros serviços internos,

como ERP, BI, entre outros.

Atualmente, o conceito SOA (Service-Oriented Architecture) está em completa

evidência no mercado, pois visa à integração de serviços para a constituição de uma

arquitetura informacional concisa. Segundo OASIS (2006), SOA é um paradigma para a

organização e utilização de capacidades distribuídas que podem ser controladas por diferentes

domínios proprietários. Esse cenário é aplicável ao ambiente de Cloud Computing, uma vez

que esse modelo visa à disponibilização de serviços para serem integrados em uma arquitetura

orientada a serviços.

WANG (2008) cita que muitos serviços dos ambientes de Cloud Computing são

disponibilizados como Web Services, que seguem os padrões da indústria de tecnologia, como

SOAP e UDDI. Com base nessa citação, destaca-se a importância de SOA para o

gerenciamento, organização e orquestração de serviços para a composição de um ambiente

informacional íntegro, podendo esses serviços serem disponibilizados por aplicações internas

ao ambiente de TI ou ambientes externos provenientes de Cloud Computing.

Muitos investimentos estão sendo realizados por empresas para adoção de SOA como

plataforma base para a integração de serviços. Esse cenário torna favorável a integração de

120

serviços habilitados pelo modelo de Cloud Computing. Consequentemente, a crescente

demanda pelo paradigma de Computação em Nuvem também pode acarretar em incentivos

para implementação da Arquitetura Orientada a Serviços. ZDNET (2009) destaca que as

ofertas de Cloud Computing serão constituídas de acordo com os princípios de SOA,

exaltando a Arquitetura Orientada a Serviços como backbone utilizado pelas emergentes

tecnologias baseadas em Cloud Computing.

Mobilidade

As tecnologias móveis foram inventadas para suprir a necessidade do ser humano de

estar acessível não importando sua localização geográfica. O grande símbolo de mobilidade

na atualidade é o telefone celular, pois permite que os usuários estejam acessíveis e

conectados sempre que desejado, não importando onde quer que estejam.

A necessidade do indivíduo de possuir acesso móvel aos seus recursos já ultrapassou a

fronteira da comunicação. Hoje em dia, as pessoas não querem somente comunicar-se via voz,

os usuários têm o desejo de utilizar todo o seu ambiente informacional sempre que necessário,

não importando a sua localização ou o tipo de dispositivo utilizado.

Cloud Computing é um conceito capaz de habilitar novos modelos de mobilidade pelo

fato de constituir um ambiente ubíquo, ou seja, um ambiente acessível a qualquer hora e a

partir de qualquer lugar. Os usuários podem inserir seus recursos, sejam eles softwares ou

arquivos pessoais, dentro de um ambiente de Computação em Nuvem para que possam ter

acesso sempre que necessário.

Essa característica é de grande importância para o conceito de mobilidade, pois

permite que recursos não fiquem dependentes de um único dispositivo, podendo ter seu

acesso expandido para além dos limites locais. Um exemplo é o serviço de e-mail do Google,

denominado Gmail, onde todos os e-mails, lista de contatos e arquivos anexos dos usuários

ficam armazenados em uma Nuvem Computacional disponibilizada na Internet, assim esses

recursos não estão hospedados em um único dispositivo do usuário. Pelo contrário, estão

disponibilizados em um ambiente ubíquo e escalável que permite acesso independente do tipo

de dispositivo utilizado.

O conceito de Cloud Computing é capaz também de expandir o poder computacional

de dispositivos móveis, que em muitos casos possuem recursos com baixa capacidade de

121

processamento. Isso ocorre, pois o ambiente computacional disponibilizado por Cloud

Computing pode ser acessível a partir de qualquer dispositivo. Assim, um usuário pode iniciar

uma aplicação de larga escala em um ambiente de Cloud através do seu celular, pois todo o

processamento vai ocorrer dentro dos limites da Nuvem Computacional e não em seu

aparelho de telefonia móvel.

4.3.1.4 Consumidores e Negócios: Market-Oriented Cloud Computing

Cloud Computing tem como desafio integrar as tecnologias e os conceitos citados

anteriormente para prover um ambiente ubíquo para os seus consumidores com base nos

requerimentos especificados. O gerenciamento dos modelos de negócios e o relacionamento

com os consumidores são dois pilares que sustentam as oportunidades geradas pelos

ambientes de Computação em Nuvem.

Os consumidores ao adotarem o ambiente de Cloud Computing para suprir a sua

demanda computacional podem atribuir responsabilidades a seus provedores de serviços,

como a exigência do cumprimento de métricas de QoS

, para garantir a qualidade dos

serviços prestados. Entretanto, os provedores também têm um grande desafio, pois esse

cenário requer um novo conceito de gerenciamento para atender múltiplos parâmetros de QoS

com base em diversos consumidores e seus respectivos SLAs.

Buyya, Yeo e Venugopal (2008) citam que a mudança de paradigma na entrega de

serviços é inexorável. Os provedores de Cloud Computing devem modificar os seus

tradicionais sistemas que tratam todas as requisições de alocações de serviços com igual

importância. Em seu lugar, a proposta é a adoção de um sistema de Cloud Computing

orientado ao mercado, ou seja, um ambiente capaz de promover a alocação de serviços

baseados em QoS individuais dos consumidores, conforme especificados nos SLAs.

O conceito de Cloud Computing originou novos nichos de mercados e oportunidades

de negócios a serem explorados por empresas fornecedoras de tecnologia. Os provedores de

Cloud Computing, assim como todo prestador de serviços, devem estar atentos para atender

seus consumidores de acordo com as suas especificações para que todos os Indicadores Chave

de Qualidade (KPQ) e Indicadores Chave de Desempenho (KPI), definidos nos SLAs, sejam

atendidos.

O cenário atual não remete ao modelo de disponibilização de funções de TI em forma

20 QoS – Qualidade de Serviço

122

serviços padrões, onde todos os usuários devem possuir as mesmas funcionalidades e

capacidades. Esse novo modelo é denominado Market-Oriented Cloud Computing e visa à

disponibilização de serviços orientados as demandas do mercado e não simplesmente a

disponibilização de serviços padrões aos consumidores. O grande desafio desse novo

ambiente de Cloud Computing é o processo de gerenciamento para garantir que distintos

serviços possam ter seus indicadores de QoS atendidos, sem importar a singularidade de cada

consumidor.

4.3.1.5 Tipos de serviço e níveis de abrangência

Atualmente existem diversos modelos de entrega de serviços de Cloud Computing

disponibilizados na área da Tecnologia da Informação, os quais apresentam distintas

funcionalidades e modelos de negócios. Um serviço em Computação em Nuvem pode ser a

disponibilização de uma infra-estrutura computacional, como CPU, memória e espaço para

armazenamento, ou pode envolver serviços informacionais, como aplicativos e softwares

especializados. A busca pela classificação dos modelos de Cloud Computing está em

constante avanço na indústria de tecnologia e no meio acadêmico.

O’Reilly (2009b) classifica Cloud Computing em três tipos baseando-se, em seus

modelos de serviços:

Utility Computing: disponibilização de recursos de infra-estrutura computacional

(CPU, Memória e Espaço para armazenamento) em forma de serviço na Internet.

Platform as a Service: Disponibilização de serviços que escondem as instâncias

dos servidores e sistemas operacionais através de APIs que são utilizadas para o

desenvolvimento de aplicativos hospedados no ambiente.

Cloud-based end-user applications: Disponibilização de aplicações habilitadas em

forma de serviços para os usuários finais em um ambiente de Cloud Computing.

Com base nas definições anteriores e nas análises dos atuais cenários de serviços de

Computação em Nuvem, apresenta-se, nessa dissertação, uma classificação dos modelos de

123

Cloud Computing em relação a duas vertentes: tipo de serviço disponibilizado e nível de

abrangência do ambiente. A figura 7 ilustra a matriz taxonômica dos modelos de Cloud

Computing proposta:

Figura 7 - Matriz taxonômica de Cloud Computing

4.3.1.5.1 Tipos de serviços

As classificações dos modelos de Cloud Computing podem variar de acordo com os

serviços disponibilizados para os consumidores. Os Tipos de serviços dos ambientes de

Computação em Nuvem observados até o momento são: Utility Cloud Computing, Platform

Cloud Computing, Application Cloud Computing e End-User Cloud Computing.

Utility Cloud Computing

Utility Cloud Computing, conforme abordado por O’Reilly (2009), corresponde à

disponibilização da infra-estrutura computacional em forma de serviços. Esses serviços

podem utilizar tecnologias de gerenciamento de recursos computacionais abordadas nessa

dissertação, como Grid Computing e virtualização.

Atualmente existem experimentos científicos que utilizam serviços de Utility Cloud

Computing compostos pela tecnologia de Grid Computing para obter grande capacidade

computacional para o processamento de dados de larga escala. No ambiente corporativo, o

mais comum é a utilização do conceito de virtualização para disponibilização de serviços, já

que tal conceito permite a isolação do ambientes computacionais dos consumidores através de

124

máquinas virtuais.

Platform Cloud Computing

Platform Cloud Computing foi também definida por O’Reilly (2009b) como Platform

as a Service. Esse modelo não visa à total disponibilização dos recursos computacionais, mas

tem como principal característica o encapsulamento desses elementos (CPU, Memória,

Sistemas Operacionais, etc.) através do uso de APIs. Nesse ambiente os usuários não possuem

acesso direto aos recursos das máquinas, mas dependem das plataformas constituídas por um

conjunto de APIs, para o desenvolvimento de suas aplicações.

Application Cloud Computing

Application Cloud Computing é o ambiente onde o serviço disponibilizado

corresponde à funcionalidade total ou parcial de um software específico. Nesse ambiente,

geralmente os consumidores não têm acesso a quaisquer recursos computacionais e não têm a

possibilidade de desenvolvimento de novos aplicativos dentro do ambiente. Os consumidores

acessam e utilizam os serviços disponíveis como Web applications. Esse modelo demonstra

bastante sinergia com o conceito de Software as a Service, com o requisito de que um

Application Cloud Computing deve apresentar uma arquitetura escalável.

End-User Cloud Computing

End-User Cloud Computing é o modelo mais difundido atualmente na Internet e

corresponde aos serviços com enfoque no usuário final. A maioria das aplicações disponíveis

na Internet é considerada End-User Cloud Computing. O usuário está em constante contato

com esse ambiente, como por exemplo, ao acessar o seu e-mail, utilizar planilhas eletrônicas

online, procurar vôos em sites de viagens, etc. A diferença entre o End-User Cloud

Computing e o Application Cloud Computing é o fato do segundo modelo ser focado em

aplicações específicas, na maioria das vezes voltada para o mercado corporativo.

125

4.3.1.5.2 Níveis de abrangência

Os Níveis de abrangência consideram as limitações em relação à utilização do

ambiente de Cloud Computing. Os atuais Níveis de abrangência são: Open Cloud, Walled

Garden Cloud e Internal Cloud.

Open Cloud

Open Cloud é considerado o nível mais abrangente e corresponde aos ambientes onde

não há quaisquer limitações em relação ao nível de utilização dos serviços adquiridos. Nesse

ambiente, o usuário tem a possibilidade de utilizar os recursos da melhor maneira sem ter que

se preocupar com imposições impostas pelo provedor de serviço, como suporte somente a

tecnologia X ou linguagem de programação Y. Os típicos exemplos desse nível são aqueles

onde a plataforma é disponibilizada como commodity. Utility Cloud Computing é o tipo de

serviço mais difundido nesse nível de abrangência e atualmente existem diversas plataformas

disponibilizadas com essas características.

Walled Garden Cloud

Walled Garden Cloud corresponde ao ambiente de Cloud Computing limitado aos

aplicativos e serviços do provedor. Nesse ambiente, ao contrário do Open Cloud, os usuários

utilizam os recursos com imposições do provedor, como por exemplo, suporte somente as

tecnologias embutidas no próprio ambiente de Computação em Nuvem.

Internal Cloud

Internal Cloud é o nível menos abrangente e corresponde ao ambiente de Cloud

Computing interno de uma determinada instituição. Nesse ambiente, não existem

consumidores externos e somente os usuários da instituição podem fazer proveito da

plataforma.

126

4.3.2 Estudo de Caso – Open Utility Cloud Computing

Um dos atuais modelos de Cloud Computing com mais evidência no ambiente

corporativo visa à disponibilização de serviços de infra-estrutura computacional, envolvendo

elementos como CPU, Memória e espaço de armazenamento. Enfim, toda a infra-estrutura

computacional necessária para a execução de aplicações. Esse cenário é bastante favorável

para atender demandas de curta duração de empresas que não desejam investir capital para

aquisição de equipamentos.

Os consumidores, ao optarem por utilizar esse tipo de serviço, desejam obter uma

infra-estrutura computacional em nuvem que seja de fácil integração e utilização, sem que

haja a necessidade de grandes modificações no seu próprio ambiente de TI.

O nível de abrangência Open Cloud corresponde à total usabilidade dos recursos por

parte dos consumidores. Ou seja, não deverá haver quaisquer restrições ao uso dos recursos

disponibilizados em forma de serviço. Essa característica é fundamental para o sucesso desse

modelo, pois consumidores que buscam o consumo de Cloud Computing como ambiente de

infra-estrutura desejam executar suas aplicações sem ter que se preocupar com certas

imposições ou limitações tecnológicas da plataforma.

Esse modelo é uma grande oportunidade para o mercado corporativo, uma vez que as

empresas buscam alternativas para contornar os altos investimentos em infra-estrutura

computacional. Os equipamentos adquiridos muitas vezes apresentam capacidade excedente,

ou seja, o proprietário não utiliza a total capacidade do produto mesmo tendo pago por isso.

Outro grande desafio é a rápida desvalorização dos equipamentos eletrônicos com base na

depreciação.

Todas essas características são influências positivas para adoção de um ambiente

computacional baseado no modelo de Open Utility Cloud Computing, onde os consumidores

não precisam se preocupar com a operação da infra-estrutura e pagam apenas pelos serviços

utilizados, modelo extremamente positivo para a diminuição do custo total de propriedade

(TCO).

Um dos grandes exemplos deste modelo de serviço disponível, baseado em Cloud

Computing, é o Amazon Elastic Compute Cloud (Amazon EC2), que tem como objetivo

fornecer recursos computacionais como serviços para clientes finais com um rápido e fácil

provisionamento.

127

O objetivo desse estudo de caso é levantar informações sobre o modelo de negócios do

Amazon EC2, suas vantagens competitivas, bem como as tendências de adoção deste serviço

por inúmeras organizações no mercado corporativo.

4.3.2.1 Coleta de dados

Todos os dados foram coletados a partir do portal do sistema do Amazon Elastic

Compute Cloud (AMAZON, 2009), também denominado Amazon EC2.

Visão Geral

O serviço da Amazon, denominado Amazon Elastic Compute Cloud (Amazon EC2),

provê um ambiente computacional virtual para que o consumidor possa executar aplicações

baseadas nos sistemas operacionais Linux e Windows. Esse serviço permite ao consumidor

total controle sobre os recursos computacionais, possibilitando que o usuário inicie e pare

suas instâncias sempre que desejar. O Amazon EC2 também reduz para minutos o tempo

necessário para obter novos servidores e iniciar suas instâncias, permitindo assim que os

ambientes sejam escaláveis de acordo com mudanças nos requerimentos computacionais.

(AMAZON, 2009).

O formato de cobrança dos serviços baseado no conceito pay-as-you-go é uma das

características fundamentais para o sucesso do Amazon EC2. Nesse modelo, o usuário é

cobrado somente pela capacidade computacional realmente utilizada, ou seja, o consumidor

não paga pela capacidade excedente ou pela capacidade ociosa dos seus recursos

computacionais.

O Amazon EC2 é atualmente um dos serviços de Open Utility Cloud mais aceito no

mercado de Tecnologia da Informação, principalmente por oferecer um ambiente escalável,

seguro e de fácil habilitação, características fundamentais para um ambiente de Computação

em Nuvem. Devido ao crescente sucesso do EC2, a Amazon lançou uma família completa de

serviços para integrar seu ambiente de Cloud Computing, como o Amazon Simple Storage

Service e Amazon Simple DB.

Para utilizar o Amazon EC2, os usuários podem administrar os seus sistemas

operacionais, customizar suas aplicações e gerenciar as conexões de redes a partir de uma

128

interface web. Basta apenas criar uma imagem de máquina da Amazon (AMI) contendo suas

aplicações, bibliotecas e dados, fazer o upload da mesma para o ambiente do EC2. Os

usuários ainda têm a habilidade de escolher os tipos de sistemas operacionais que queiram

utilizar, podem iniciar, monitorar e terminar quantas instâncias de sua AMI forem necessárias

utilizando API's web ou uma variedade de ferramentas disponibilizadas pela própria Amazon.

Serviços de destaque

O Amazon EC2 fornece alguns serviços que apresentam uma maior vantagem

competitiva e facilidades para seus usuários.

• Elasticidade: permite que o usuário possa aumentar ou diminuir a capacidade de

processamento do seu ambiente em apenas alguns minutos. Também é possível

comissionar uma, centenas e até mesmo milhares de instâncias simultaneamente.

• Flexibilidade: o usuário pode escolher por múltiplos tipos de instância (configuração

de hardware), sistemas operacionais, softwares e pacotes. O Amazon EC2 permite

selecionar a configuração de memória, CPU e armazenamento mais adequado para um

determinado tipo de sistema operacional e aplicação.

• Integração com outros Web Services da Amazon: trabalha em conjunto com o

Amazon Simple Storage Service (S3), Amazon SimpleDB e Amazon Simple Queue

Service (SQS) para prover um solução completa de computação.

• Confiança: oferece um ambiente extremamente confiável onde instâncias substitutas

podem rapidamente serem realocadas. O indicador de alta-disponibilidade do serviço

especificado no SLA estima 99.95% de disponibilidade.

• Segurança: provê serviços para configurar opções de firewall que controla o acesso de

rede entre os grupos de instância.

• Baixo custo: o serviço EC2 fornece os benefícios do ambiente de larga escala de

computação da Amazon. O usuário paga uma taxa menor para consumir a mesma

129

capacidade se tivesse que adquirir o próprio equipamento.

Tipos de i nstâncias

O Amazon EC2 também fornece dois tipos principais de instâncias: Standard e High-

CPU. A instância padrão (Standard) está de acordo com a maioria das aplicações existentes, e

corresponde a três principais configurações:

• Small: 1.7 GB de memória RAM, 1 unidade de computação EC2

(1 core virtual com

1 unidade de computação EC2), 160 GB de espaço para armazenamento e plataforma

de 32-bit.

• Large: 7.5 GB de memória RAM, 4 unidades de computação EC2 (2 cores virtuais

com 2 unidades de computação EC2 cada), 850 GB de espaço para armazenamento e

plataforma de 64-bit.

• Extra-Large: 15 GB de memória RAM, 8 unidades de computação EC2 (4 cores

virtuais com 2 unidades de computação EC2 cada), 1690 GB de espaço para

armazenamento e plataforma de 64-bit.

Já as instâncias de High-CPU têm mais recursos de CPU do que memória RAM, sendo

indicada para uso de aplicações que requerem intensiva computação. Estão disponíveis em

duas configurações principais:

• Medium: 1.7 GB de memória RAM, 5 unidades de computação EC2 (2 cores virtuais

com 2.5 unidades de computação EC2 cada), 350 GB de espaço para armazenamento e

plataforma de 32-bit.

• Extra-Large: 7GB de memória RAM, 20 unidades de computação EC2 (8 cores

virtuais com 2.5 unidades de computação EC2 cada), 1690 GB de espaço para

armazenamento e plataforma de 64-bit.

21 Unidade de computaç ão EC2 – Uma unidade de computação EC2 corresponde a capacidade de CPU de um

processador Opteron 1.0-1.2 GHz 2007 ou Xeon 2007.

130

Sistemas operacionais e softwares

As imagens de máquinas da Amazon (AMIs) são configuradas com uma lista dos

sistemas operacionais que mais cresceram em utilização nos últimos anos. A Tabela 7 traz os

sistemas operacionais disponíveis no Amazon Elastic Compute Cloud:

Tabela 7 – Sistemas Operacionais disponíveis no Amazon EC2 (AMAZON, 2009)

A Amazon EC2 também disponibiliza alguns softwares que podem ser aplicados à

AMIs, tanto pagas quanto livres. Uma amostra dos softwares disponíveis no Amazon EC2 é

listado na Tabela 8:

Tabela 8 – Softwares disponíveis no Amazon EC2 (AMAZON, 2009)

Preços

Os preços da Tabela 9 referem-se às instâncias on-demand, ou seja, uma configuração

que possibilita que o usuário pague, por hora, pela capacidade de processamento, sem a

necessidade de acordos de longo prazo. Essas características são positivas para promover a

mudança de um cenário de altos custos, com planejamentos complexos, aquisições e

manutenção de máquinas, por custos variáveis extremamente menores. Os preços abaixo são

referentes a AMIs privadas e públicas para os sistemas operacionais Linux e Windows.

Sistema Operacional

Red Hat Enterprise Linux

OpenSolaris

Fedora

Windows Server 2003

openSuse Linux

Gentoo Linux

Oracle Enterprise Linux

Ubuntu Linux

Debian

Databases Batch Processing Web Hosting Application Development

IBM DB2 Hadoop Apache HTTP Java Application Server

IBMInformix Dynamic Server

Condor IIS/Asp.Net JBoss Enterprise Application Platform

MySQL Enterprise

Open MPI IBMLotus Web Content Management IBMsMash

Oracle 11g IBMWebSphere Portal Server Ruby on Rails

Microsoft SQLServer Standard 2005

Oracle WebLogic Server

131

Tabela 9 – Preços de instâncias On-demand do Amazon EC2 (AMAZON, 2009)

Os preços especificados são cobrados por cada hora de consumo de cada instância,

desde o momento que é iniciada até o seu término. O consumo referente ao período menor do

que uma hora (por exemplo, 45 minutos) é cobrado como uma hora cheia.

A Tabela 10 está populada com os preços referentes à transferência de dados na

Internet:

Tabela 10 – Preço de transferência de dados na Internet através do Amazon EC2

(AMAZON, 2009)

4.3.2.2 Análise

Os benefícios de Cloud Computing tornam-se notórios principalmente para as

pequenas e médias empresas, as quais muitas vezes não dispõem de recursos para

investimentos em tecnologias da informação, como aquisição de hardware e software. Com o

conceito do Open Utility Cloud Computing, essas organizações podem optar por ter um

parque tecnológico hospedado em um provedor de serviço, como a Amazon EC2, sendo

Dados de Entrada

Todos os dados $0.10 por GB

Dados de Saída Preço

Primeiros 10 TB por Mês $0.17 por GB

Próximos 40 TB por mês $0.13 por GB

Próximos 100 TB por mês $0.11 por GB

Mais de 150 TB por mês $0.10 por GB

Preço

Padrão Linux/UNIX Windows

$0.125 por hora

Large $0.50 por hora

Extra Large $1.00 por hora

High CPU Linux/UNIX Windows

Medium $0.30 por hora

Extra Large $1.20 por hora

Small

(Default)

$0.10 por

hora

$0.40 por

hora

$0.80 por

hora

$0.20 por

hora

$0.80 por

hora

132

necessário pagar somente o utilizado, sem a necessidade de grandes projetos de

implementação e sem custos de operação.

A vantagem competitiva de Cloud Computing é o seu modelo pay-as-you-go, ou seja,

os clientes pagam somente pelos recursos consumidos, situação que se mostra bastante

interessante, uma vez que foi visto em seções anteriores que a utilização da capacidade de

servidores geralmente circula em torno dos 20%.

Outra característica bastante importante é a facilidade para o provisionamento de um

novo serviço. Uma organização quando precisar de um ambiente computacional para o

processamento de uma determinada aplicação, basta apenas contratar o serviço via Web (como

é o caso do Amazon EC2) e em alguns minutos a capacidade computacional já estará

disponível para a utilização.

A questão de operação de uma infra-estrutura computacional é algo que também deve

ser levado em consideração, principalmente em pequenas e médias empresas, as quais

geralmente não têm uma organização de TI para cuidar de tarefas desse propósito. Pode-se

exemplificar esse cenário citando uma organização de pequeno porte especializada em

prestação de serviços de recursos humanos e que não tem uma estrutura para administrar e

operar o seu ambiente de tecnologia da informação no padrão 24/7, ou seja, 24 horas durante

todos os dias da semana.

Mesmo que haja organização de TI na empresa, para garantir uma operação 24/7 dos

seus serviços tecnológicos, seria necessário um maior investimento em ferramentas e pessoal,

o que consequentemente acarretaria um maior custo. Entretanto, no modelo de Open Utility

Cloud Computing o responsável pela operação do ambiente tecnológico e por garantir a alta

disponibilidade é do próprio provedor do serviço. Nesse cenário, a empresa cliente é

responsável apenas por utilizar e administrar suas próprias aplicações, mas não é necessário

preocupar-se com os recursos físicos, problemas de hardware e também configurações de

redes.

Perante todas essas características do Open Utility Cloud Computing, nota-se que esse

modelo é também atraente para atender demandas sazonais de empresas de todos os

tamanhos. As organizações podem administrar o aumento da demanda em um determinado

período, como festa de fim de ano, sem a necessidade de aquisição de novos equipamentos e

ferramentas. É possível apenas contratar um serviço especializado no modelo Cloud

Computing durante o tempo da demanda sazonal, pagar apenas pelo utilizado e finalizar o

133

contrato após esse período.

Outro ponto de destaque é o fato que, no caso de aquisição de dispositivos

computacionais, as organizações precisam arcar com a taxa de depreciação,

a qual varia em

torno de 20% ao ano em equipamentos de informática. Já com o modelo de serviços baseado

em Cloud, o consumidor não é proprietário de nenhum equipamento, apenas utiliza a

capacidade computacional como um serviço, sem a necessidade de se preocupar com a

depreciação dos equipamentos, instalações físicas e suporte de hardware.

4.3.2.3 Resultados e contribuições

A emergência do modelo de Cloud Computing tem acarretado benefícios no contexto

econômico em dois principais modos – geração de novos negócios para empresas de

tecnologias e também novas formas mais atraentes de investimentos em tecnologia por parte

dos clientes.

Conforme foi abordado no último estudo de caso, a Amazon é uma empresa de

comercio eletrônico que tem um ambiente computacional de larga escala, o qual não estava

sendo utilizado por completo para suprir a sua demanda. A empresa então identificou uma

oportunidade de negócio através de Cloud Computing, como vender a capacidade excedente

de seus data centers em forma de serviços na Internet. Hoje em dia esse serviço está

ganhando evidência e a Amazon tem investido para ampliar seu parque tecnológico.

É importante citar que outras empresas também estão seguindo a mesma linha e

iniciando serviços baseados em todos os tipos de Cloud Computing. A Salesforce.com é uma

organização que já tem uma marca consolidada em tecnologia de CRM, sendo que os seus

principais serviços são providos através da Internet.

Essa alternativa de disponibilização de software torna-se uma excelente oportunidade

para empresas que necessitam de um ambiente de CRM de forma simples e ágil, sem a

necessidade de comprar equipamentos, licenças e gastar com os projetos de implementação.

Em alguns minutos, uma empresa pode ter acesso a uma ferramenta de CRM completa com o

Salesforce.com através de um portal Web.

É importante também ressaltar a tendência de Cloud Computing alinhada com a

22 Depreciação - Corresponde à diminuição do valor dos bens devido ao desgaste pelo uso, ação da natureza ou

obsolescência normal.

134

globalização, facilitando ainda mais a quebra de barreiras geográficas. Os seus serviços são,

na maioria das vezes, orientados à Internet, o que permite que os seus clientes não estejam

apenas em sua abrangência local, podendo estar em qualquer país. Uma empresa do Brasil

pode facilmente contratar os serviços da Amazon EC2 e alocar parte de sua infra-estrutura de

TI nos domínios da empresa Americana, que por sinal poderia disponibilizar os seus serviços

a partir de outros locais, como países de baixo custo, muito fáceis de encontrar na prática de

offshoring

Já do ponto de vista dos usuários de Cloud Computing, foi visto até o momento

diversos benefícios da tecnologia em termos de redução de investimentos, tanto em relação à

aquisição de equipamentos, licença, contratação de mão-de-obra e suporte. Esse cenário é

mais evidente em países emergentes, como o Brasil, onde a tecnologia para ser adquirida e

implementada pode ter a necessidade de importação de produtos. É esperada uma mudança na

economia das tecnologias computacionais com o avanço de Cloud Computing, principalmente

por esse modelo permitir a migração da entrega de recursos computacionais através de

serviços, e não mais produtos.

23 Offshoring - Modelo de realocação de processos de negócio de um país para outro buscando vantagens

competitivas, como redução do custo de mão-de-obra, matéria-prima e até mesmo impostos.

135

5. Considerações finais

Nessa dissertação foi apresentada a importância da colaboração com foco na

tecnologia de Grid Computing no contexto social, ambiental e econômico. Para isso, buscou-

se inicialmente um embasamento teórico nas novas formas de interações que emergiram a

partir da constante evolução das tecnologias. Foi possível notar que a concepção da Internet

teve um papel fundamental para influenciar a formação de redes sociais mais abrangentes,

permitindo que pessoas pudessem estabelecer novos contatos independentemente de sua

localização geográfica.

O surgimento das redes sociais na Internet foi importante para que os indivíduos

pudessem interagir de acordo com seus interesses, e não mais baseados em sua localização

física. Nos dias de hoje, é mais fácil encontrar pessoas que se relacionam por compartilhar

interesses através da Internet, mesmo estando em localidades diferentes, do que pessoas que

moram em uma mesma vizinhança, influenciando assim a determinação das comunidades

virtuais.

As redes sociais, assim como as comunidades virtuais, são conceitos que favorecem o

coletivo. Ou seja, permitem que as pessoas possam interagir e trabalhar por um objetivo

comum, sem a necessidade de estarem juntas em um mesmo espaço e tempo. Isso fortaleceu o

crescimento dos projetos colaborativos na Internet, ocasionando a criação de diversos

conteúdos, serviços e produtos de domínio público. A evolução do desenvolvimento do

software livre é um dos exemplos clássicos deste novo modelo produtivo, focado nos

interesses de um grupo, sem a necessidade de serem guiados por orientações de mercado das

grandes indústrias.

É importante citar que as novas tecnologias, principalmente as emergentes da Internet,

também possibilitam que qualquer indivíduo possa criar e divulgar seus conteúdos e produtos

de forma rápida, simples e sem a necessidade de grandes investimentos. O surgimento do

Youtube pode ser considerado um dos grandes exemplos de destaque na atualidade. Um

usuário desse serviço não é simplesmente um consumidor, mas passa a ser um prossumidor.

Ou seja, ao mesmo tempo em que ele pode assistir a um vídeo publicado por uma empresa,

uma instituição ou um usuário, ele também pode criar seus vídeos e disponibilizá-los de forma

com que todos os demais usuários possam assisti-lo, situação contrária ao sistema de televisão

tradicional.

136

Os benefícios das tecnologias em contraste com as formas de interações impulsionadas

pela Internet estimulam um novo modelo produtivo capaz de concorrer com as principais

indústrias. Isso significa que a Internet possibilita que, a partir das redes sociais e também das

comunidades virtuais, pessoas com diferentes competências e distribuídas por diversos países

possam trabalhar em conjunto, com base nas ferramentas disponibilizadas pelas novas

tecnologias, para a constituição de conteúdos, produtos e serviços com qualidade similar, e

muitas vezes superior, aos promovidos pelas indústrias especializadas.

Grid Computing é uma tecnologia que surgiu do coletivo, a partir da comunidade

científica, e hoje já é adotado pelas grandes empresas como um produto promissor. Nessa

dissertação foram analisados os seus benefícios em relação a três principais contextos: social,

ambiental e econômico.

No contexto social, é notório destacar a importância da relação da tecnologia com o

conceito de colaboração. Determina-se um termo denominado 2-ways collaboration,

defendendo que a colaboração é essencial para a formação de um ambiente computacional

com capacidade de larga escala, principalmente no modelo baseado em computação

voluntária, através da integração de máquinas ociosas de usuários espalhados por diversos

países. Também devido a sua arquitetura descentralizada, a tecnologia promove um ambiente

que estimula a colaboração, permitindo que pessoas compartilhem suas aplicações, dados e

resultados.

A tecnologia é de extrema importância também para a inclusão científica. O estudo de

caso do projeto do World LHC Computing Grid (WLCG) do superacelerador de partículas

demonstrou a necessidade por Grid Computing durante a realização de um dos projetos de

pesquisa mais evidente na atualidade. O WLCG foi o responsável pela construção de um

ambiente computacional de larga escala capaz de processar a grande quantidade de dados

gerada pelo experimento do superacelerador de partículas. Também permitiu a inclusão de

inúmeras instituições ao redor do mundo através do compartilhamento da capacidade

computacional, aplicações, dados e resultados científicos.

No contexto ambiental, destaca-se que Grid Computing tem um papel interessante em

data centers de empresas e demais instituições para reduzir a quantidade total de servidores, e

consequentemente diminuir o consumo de energia. No modelo de computação voluntária, é

possível constatar que existe uma grande quantidade de computadores pessoais com

capacidade excedente, a qual poderia estar ser utilizada para outros projetos e finalidades.

137

Grid Computing surge como uma alternativa para aplicar essa capacidade de processamento

ociosa para outro fim, aumentando assim a sua utilização e tornando os recursos

computacionais mais eficientes em relação ao consumo de energia.

No contexto econômico, é possível destacar a crescente adoção de Grid Computing,

por parte das grandes indústrias, como uma tecnologia com potencial significativo para a

geração de novos negócios através do lançamento de produtos e serviços. Pode-se também

identificar a sinergia da tecnologia de Grid Computing com o conceito de Cloud Computing, o

qual está em crescente avanço e vem transformando o modelo de entrega de recursos

tecnológicos como serviços, e não mais produtos. Este conceito apresenta uma abrangência

interessante para a evolução de novos modelos de negócios, permitindo a criação de serviços

que variam desde a entrega de capacidade de processamento, até modelos mais complexos de

softwares e plataformas.

Com base em todas as características analisadas da tecnologia, pode-se afirmar Grid

Computing como uma tecnologia inovadora, capaz de alcançar um poder de computação

extremamente elevado e também possibilitar formas de interações nunca antes observadas em

nenhuma outra tecnologia. A sua arquitetura descentralizada permite uma abrangência global,

capaz de integrar recursos pertencentes a diversos domínios e espaços geográficos sem

grandes investimentos, características importantes para o trabalho colaborativo, a economia

de recursos, o meio-ambiente e a ciência.

5.1 Tendências e trabalhos futuros

Os mais notáveis casos de sucesso de Grid Computing ainda estão voltados para o meio

científico. Entretanto, essa é uma tecnologia que apresenta grande potencial para ser aplicada em

diversos contextos, podendo ser destacado a inclusão digital. Conforme analisado, a tecnologia de

Grid Computing tem como principal objetivo estabelecer um ambiente computacional de larga escala

com baixo custo. Essa característica pode-se tornar essencial para projetos nessa área, os quais podem

necessitar de servidores com alta capacidade, que podem ter um custo elevado, e consequentemente

impactar negativamente a realização de projetos.

A questão de inclusão digital citada aqui não se remete simplesmente a viabilização de

acesso à Web. Pelo contrário, abordam-se projetos que visam à produção de conteúdos e a

utilização de tecnologias em larga escala para algum propósito definido, como a renderização

138

de um vídeo, por exemplo.

Outra tendência que se pode observar é a integração da tecnologia com o conceito de

mobilidade. Hoje em dia, os dispositivos móveis já avançaram em sua capacidade de

processamento e de armazenamento. Entretanto, eles ainda podem apresentar ineficiências

para determinadas finalidades. A integração de recursos móveis com um ambiente de Grid

Computing, baseado no conceito de Cloud Computing, também aparenta ser uma alternativa

para driblar essas limitações. Os usuários podem, a partir de seus dispositivos móveis, iniciar

e monitorar suas aplicações que estão sendo executadas em um ambiente de Cloud

Computing, o qual permite acesso ubíquo.

A disponibilização de capacidade de processamento computacional disponibilizada por

essa tecnologia em forma de serviços na Internet, encapsulados por uma Nuvem

Computacional (Cloud Computing), também é uma tendência que está em ascensão na

atualidade. Os usuários passarão a usar esse ambiente para implementar suas aplicações e

armazenar seus dados, podendo acessá-los a partir de qualquer dispositivo, sem importar sua

localização geográfica.

Essa evolução já começa a ser observada nos dias de hoje, e muitos serviços,

especialmente os disponibilizados pelo Google, tem embasamento nessa filosofia. O serviço

chamado Google Docs é um exemplo dessa tendência: ele disponibiliza uma suíte de

aplicativos de escritórios, permitindo que os usuários possam criar, editar e armazenar seus

arquivos de texto, planilhas eletrônicas, apresentações, sem a necessidade de instalação de

qualquer aplicativo em seus dispositivos, bastando apenas acessar o ambiente disponibilizado

por essa nuvem computacional.

Essas características também tem potencial para reformular o mercado de tecnologia,

uma vez que plataformas e softwares são disponibilizados em forma de serviços na Internet.

Como esse ambiente não possui limites geográficos, pode influenciar muito a prática de

offshoring. Portanto, sugere-se abordar em trabalhos futuros o impacto de Cloud Computing

no desenvolvimento sócio-econômico de países como Brasil, Rússia, Índia e China (BRICs).

139

REFERÊNCIAS BIBLIOGRÁFICAS

AVIZIENIS, A.; LAPRIE, J.-C.; RANDELL, B. Fundamental Concepts of Dependability.

Research Report No 1145, LAAS-CNRS, 2001.

BAUMAN, Z. Comunidade: a busca por segurança no mundo atual.

Rio de Janeiro: Jorge Zahar, 2003.

BENKLER, Y. Sharing Nicely: On Shareable Goods and the Emergence of Sharing as a

Modality of Economic Production. Yale Law Journal, p. 273-358, 2004.

BENKLER, Y. The Wealth of Networks. 1.ed. Massachusetts: Yale University Press, 2006.

BERMAN, F.; FOX, G.; HEY, T. Grid Computing: Making the Global Infrastructure a

Reality. Wiley, 2003.

BLACKBURN, M. Five Ways to Save Server Power: The Green Grid Technical Forum,

2008.

BONDI, A. B. Characteristics of scalability and their impact on performance. In: 2nd

INTERNATIONALl WORKSHOP ON SOFTWARE AND PERFORMANCE, 2002, Otawa.

Anais, Otawa, 2000.

BUYYA, R; YEO, C. S; VENUGOPAL, S. Market-Oriented Cloud Computing: Vision,

Hype, and Reality for Delivering IT Services as Computing Utilities. IEEE Computer

Society, 2008.

CASTELLS, M. A sociedade em rede. 5.ed. São Paulo: Paz e Terra, 2001.

CASTELLS, M. A Galáxia da Internet. Reflexões sobre a Internet, os Negócios e a

Sociedade. Rio de Janeiro: Jorge Zahar Editor, 2003.

CETIC. Pesquisa sobre o Uso das Tecnologias da Informação e da Comunicação no

Brasil: A evolução da Internet no Brasil. Pesquisa TIC Domicílios 2008. Apresentação dos

dados, 2009.

CHETTY, M.; BUYYA, R. Weaving Computational Grids: How Analogous Are They with

Electrical Grids?. Computing in Science and Engineering, v.4, n.4, p.61-71, 2002.

COULOURIS, G. F.; DOLLIMORE, J.; KINDBERG, T. Distributed Systems: Concepts

and Design. 3.ed. Addison-Wesley, 2002.

DE KERCKHOVE, D. Connected Intelligence: The Arrival of the Web Society. Toronto:

Somerville House, 1997.

FISCHER, M.; LYNCH N.; PETERSON, M. Impossibility of Distributed Consensus with

One Faulty Process. Journal of the ACM, v.32, n.2, p.374-382, 1985.

140

FOSTER, I. et al. The Physiology of the Grid: An Open Grid - Services Architecture for

Distributed Systems Integration. Global Grid Forum, 2002.

FOSTER, I. The grid: a new infrastructure for 21st century science. Physics Today, v.55, n.2,

p.42-47, 2002a.

FOSTER, I.; KESSELMAN, C.; TUECKE, S. The Anatomy of the Grid: Enabling Scalable

Virtual Organizations. 7

INTERNATIONAL EURO-PAR CONFERENCE MANCHESTER

ON PARALLEL PROCESSING, 2001, Manchester. Anais, Londres: Springer-Verlag, 2001.

GAREN, K. Software Portability: Weighing Options, Making Choices. The CPA Journal,

v.77, n.11, p.10-12, 2007.

GRAY, J. Distributed Computing Economics. Technical Report, Washignton, 2003.

IEEE - Institute of Electrical and Electronics Engineers. IEEE Standard Computer

Dictionary: A Compilation of IEEE Standard Computer Glossaries. Nova Iorque, 1990.

GRIDTALK. LHC Grid Fest – Media Pack. In: SEMINÁRIO CERN LHC GRID, 2008,

Genebra. Anais, Genebra, 2008.

MUNGIOLI, A. S. R. UMA PROPOSTA DE TECNOLOGIA PARA VIDEOCONFERÊNCIA

INTEGRANDO TECNOLOGIAS GRID. 2005. 121 f. Tese (Doutorado) - Departamento de

Escola Politécnica, São Paulo:Universidade de São Paulo, São Paulo, 2005.

JENKINS, H. Cultura da Convergência. 1.ed. São Paulo: Aleph, 2006.

JOSEPH, E.; HUMPHREYS, J. Base One: Grid Computing for Database-Centric

Applications. 2004.

LEVY, P. Tecnologias da Inteligencia: O pensamento na era da Informática. São Paulo:

Editora 34, 1990.

____________. A inteligência coletiva: por uma antropologia do ciberespaço. 2.ed. São

Paulo: Loyola, 1999.

MCGUINNESS, D. L. et al. Investigations into Trust for Collaborative Information

Repositories: A Wikipedia Case Study. In: WWW2006, Edimburgo, 2006. Anais, 2006.

RECUERO, R. C. Comunidades em Redes Sociais na Internet: Proposta de Tipologia

baseada no Fotolog.com. 2006. 334 f. Tese (Doutorado) - Departamento de Faculdade de

Biblioteconomia e Comunicação, Programa de Pós-graduação em Comunicação e

Informação, Ufrgs, Porto Alegre, 2006.

RHEINGOLD, H. Smart Mobs: The next social revolution. Cambridge, Mass.: Perseus

Publishing, 2002.

SILVA, F. C. C.; BLATTMANN, U. A colaboração e a interação na web 2.0. In:

141

CONGRESSO BRASILEIRO DE BIBLIOTECONOMIA, DOCUMENTAÇÃO E CIÊNCIA

DA INFORMAÇÃO, 2007, Brasilia. Anais, Brasília, 2007.

SUROWIECKI, J. A Sabedoria das Multidões. 1.ed. São Paulo:Record, 2006.

TANENBAUM, A. S. Distributed Operating Systems. 1.ed. Nova Jersey: Prentice Hall,

1994.

TANENBAUM, A. S.;STEEN, M. Distributed Systems Principles and Paradigms. Nova

Jersey: Prentice Hall. 2002.

WANG, L et al. Cloud Computing: a Perspective Study. RIT Digital Media Library, 2008

WEISS, A. Computing in the Clouds. Networker, v. 11, n. 4, p.61-71, 2007.

WELLMAN, B. An Electronic Group is Virtually a Social Network. In: KIESLER, S.

(org.) Culture of Internet. (p. 179-205) Hilsdale, NJ: Lawrence Erlbaum, 1997.

YIN, R. K. Case study research: Design and Methods. 3. ed. Sage, 2002.

142

WEBGRAFIA

ALLEN, P. (2006). Banks Take Their Places on the Grid. Disponível em:

<http://www.wallstreetandtech.com/story/showArticle.jhtml?articleID=187203197&pgno=1>.

Acesso em: 20 mai. 2009.

ALMANAC. PCs In-Use Reached nearly 1.2B in 2008. Disponível em: <http://www.c-i-

a.com/pr0109.htm>. Acesso em: 20 mai. 2009.

AMAZON. Elastic Compute Cloud. Disponível em: <http://aws.amazon.com/ec2/>. Acesso

em: 18 mai. 2009.

BAUWENS, M. (2002). Peer-to-peer: from technology to politics to a new

civilization? Disponível em: <http://docs.google.com/View?

docid=ajkpjkn5qh5j_427ftwgvh>. Acesso em: 19 abr. 2009.

BOINC. Open-source software for volunteer computing and grid computing. Disponível

em: <http://boinc.berkeley.edu/>. Acesso em: 15 dez. 2008.

BUYYA, R. Grid Computing Info Centre (GRID Infoware), 2002. Disponível em <http://

www.gridcomputing.com>. Acesso em 11 nov. 2008.

CARNEIRO, L. (2009). Crescimento do uso de computadores aumenta necessidade de

economia de energia. Disponível em: <http://moglobo.globo.com/integra.asp?

txtUrl=/economia/seubolso/mat/2009/05/16/crescimento-do-uso-de-computadores-aumenta-

necessidade-de-economia-de-energia-755895872.asp>. Acesso em: 21 mai. 2009.

CLIFFORD, B. Gt4 monitoring and discovery, 2005. Disponível em:

http://www.globus.org/toolkit/presentations/GlobusWorld_2005_Session_9c.pdf. Acesso em:

10 dez. 2006.

CLIMATEPREDICTION. The world's largest climate forecasting experiment for the 21st

century. Disponível em: <http://www.climateprediction.net/>. Acesso em: 18 mai. 2009.

CORNELL. Computer Energy Usage Facts. Disponível em:

<http://computing.fs.cornell.edu/fsit/Sustainable/fsit_facts.cfm>. Acesso em: 20 mai. 2009.

CUNNINGHAM, W. Wiki design principles. Disponível em: <http://c2.com/cgi/wiki?

WikiDesignPrinciples>. Acesso em: 28 jan. 2009.

DE KERCKHOVE, D. Semiosfera: Entrevista com Derrick de Kerckhove. Disponível

em:<http://www.eco.ufrj.br/semiosfera/anteriores/semiosfera01/perfil/entrevis/txtentre.htm#a

utor>. Acesso em: 21 abr. 2009.

DELANDA, M. (2001) Open-Source: A Movement in Search of a Philosophy. Princeton,

Nova Jersey. Disponível em: http://www.cddc.vt.edu/host/delanda/pages/opensource.htm>.

Acesso em: 20 abr. 2009.

143

EELA. E-Science grid facility for Europe and Latin America. Disponível em:

<http://www.eu-eela.eu/>. Acesso em: 18 dez. 2008.

EGEE. Enabling Grids for E-sciencE. Disponível em: <http://eu-egee.org/>. Acesso em: 18

dez. 2008.

FOSTER, I. (2002b). What is the Grid? A Three Point Checklist. Disponível em

<http://www-fp.mcs.anl.gov/~foster/Articles/WhatIsTheGrid.pdf>. Acesso em 11 nov. 2008.

GARTNER. (2006). Gartner Urges IT and Business Leaders to Wake up to IT's Energy

Crisis. Disponível em <https://gartner.com/it/page.jsp?id=496819>. Acesso em 10 mai. 2009.

GARTNER. A relação entre Computação em nuvem e SaaS. Disponível em:

<http://info.abril.com.br/corporate/gartner/a-relacao-entre-computacao-em-nuvem-e-

saas.shtml>. Acesso em: 06 jan. 2009a.

GENTZSCH, W. Response To Ian Foster's "What Is The Grid?", 2002. Disponível em:

<http://www.gridtoday.com/02/0805/100191.html>. Acesso em 05 dez. 2009

gLITE. Lightweight Middleware for Grid Computing. Disponível em:

<http://glite.web.cern.ch/glite/>. Acesso em: 10 abr. 2009.

GLOBUS. Dev.Globus Wiki. Disponível em: <http://dev.globus.org/wiki/Welcome>. Acesso

em: 10 fev. 2009.

GLOBUS. Globus Toolkit Homepage. Disponível em: <http://www.globus.org/>. Acesso

em: 15 dez. 2008.

GREENIT. Sustainable Information Technology. Disponível em: <http://www.greenit.net>.

Acesso em: 10 mai. 2009.

HARVARD. Http://cleanenergy.harvard.edu/. Disponível em:

<http://cleanenergy.harvard.edu/>. Acesso em: 10 mai. 2009.

HUGHES, D. (2005). BOINC: Berkeley Open Infrastructure for Network Computing.

Disponível

em:<www.comp.lancs.ac.uk/computing/research/mpg/reflection/papers/Middleware07112005

.ppt>. Acesso em:. 4 mai. 2009.

IBM. New To Grid Computing. Disponível em:

<http://www.ibm.com/developerworks/grid/newto/>. Acesso em: 08 dez. 2008.

IWS. Internet World Stats: Usage and Population Statistics . Disponível em:

<http://www.internetworldstats.com/stats.htm>. Acesso em: 12 mai. 2009.

144

JACOB, B. et al. IBM Redbook Enabling Applications for Grid Computing with Globus.

Disponível em:

<http://publibb.boulder.ibm.com/Redbooks.nsf/RedbookAbstracts/SG246936.html>. Acesso

em: 08 dez. 2008.

LHC. THE LARGE HADRON COLLIDER. Disponível em: <http://lhc.web.cern.ch/lhc/>.

Acesso em: 29 abr. 2009.

LHC@HOME. LHC@HOME Volunteer Computing. Disponível em:

<http://lhcathome.cern.ch/>. Acesso em: 02 maio 2009.

MAROWKA, A. Scalable Computing: Practice and Experience. V. 5 N. 1, 2002. Editorial.

Disponível em: <http://www.scpe.org/vols/vol05/vol05no1editorial.html>. Acesso em: 12

nov. 2008.

MAURER, A. (2009). Parabon Computation puts idle processing power to work.

Disponível em: <http://www.techjournalsouth.com/news/article.html?item_id=6784>. Acesso

em: 21 mai. 2009.

OASIS. (2006). Reference Model for Service Oriented Architecture 1.0. Disponível em:

<http://www.oasis-open.org/committees/download.php/19679/soa-rm-cs.pdf>. Acesso em: 10

jan. 2009.

OSG. Open Science Grid. Disponível em: <http://www.opensciencegrid.org/>. Acesso em:

19 dez. 2008.

OPENLAB. CERN openlab. Disponível em: <www.cern.ch/openlab>. Acesso em: 05 mai.

2009.

O'REILLY, Tim. What Is Web 2.0. Disponível em:

<http://www.oreillynet.com/pub/a/oreilly/tim/news/2005/09/30/whatisweb20.html>. Acesso

em: 10 jan. 2009

O'REILLY, Tim. Web 2.0 and Cloud Computing. Disponível em:

<http://radar.oreilly.com/2008/10/web-20-and-cloud-computing.html>. Acesso em: 09 jan.

2009b.

OURGRID. The OurGrid Community. Disponível em: <http://www.ourgrid.org>. Acesso

em: 10 abr. 2009.

REUTERS (2008). Computers in use pass 1 billion mark: Gartner. Disponível em: <http://

www.reuters.com/article/technologyNews/idUSL2324525420080623>. Acesso em: 20 mai.

2009.

RHEINGOLD, H. (1996). A Comunidade Virtual. Lisboa: Gradiva.

Disponível em: <http://www.rheingold.com/vc/book>. Acesso em 10 abr. 2009.

145

RHEINGOLD, H. (2000). Rethinking Virtual Communities. Disponível em:

<http://www.rheingold.com/VirtualCommunity.html>. Acesso em 10 abr. 2009.

RHEINGOLD, H. (2008). A Smart Mob Is Not Necessarily a Wise Mob.

Disponível em: <http://english.ohmynews.com/ArticleView/article_view.asp?

menu=&no=382983&rel_no=1&back_url>. Acesso em: 20 abr. 2009.

SALESFORCE.COM. Salesforce CRM. Disponível em: <https://www.salesforce.com/>.

Acesso em: 06 jan. 2009.

SCHMID, P. (2005). Energy Consumption Measurements. tom's hardware web page.

Disponível em: <http://www.tomshardware.com/reviews/intels-65-nm-process-breathes-fire-

double-core-extreme-edition,1197-14.html>. Acesso em: 25 mai. 2009.

SYS-CON. Twenty-One Experts Define Cloud Computing. Disponível em

<http://cloudcomputing.sys-con.com/node/612375/print>. Acesso em: 05 jan. 2009.

UNESP. (2009) São Paulo assegura participação no LHC. Disponível em:

<http://www.unesp.br/int_noticia_imgesq.php?artigo=4108>. Acesso em: 2 mai. 2009.

WCG. World Community Grid. Disponível em: <http://www.worldcommunitygrid.org/>.

Acesso em: 20 abr. 2009.

WLCG. Worldwide LHC Computing Grid. Disponível em:<http://lcg.web.cern.ch/LCG/>.

Acesso em: 29 abr. 2009.

WELLMAN, B et al. (1996). Computer Networks as Social Networks:

Collaborative Work, Telework, and Virtual Community. Annu. Rev.

Sociol. 22:213–38. Disponível em:

<http://www.chass.utoronto.ca/~wellman/publications/computernetworks/computernetworks2

.pdf> Acesso em: 14 abr. 2009

WELLMAN, B.; GULIA, M. (1999). Net Surfers don't Ride Alone: Virtual Communities

as Communities. Disponível em <http://chass.utoronto.ca/~wellman/publications/netsurfers/

netsurfers.pdf>. Acesso em: 16 abr. 2009

WELLMAN, B.; CHEN, W.; WEIZHEN, D. (2001). The Social Network Approach.

Disponível em:

<http://www.chass.utoronto.ca/~wellman/publications/guanxi/guanxi3a1.htm>. Acesso em:

16 abr. 2009.

ZDNET. Five fearless predictions for SOA 2009. Disponível em:

<http://blogs.zdnet.com/service-oriented/?p=1239>. Acesso em: 04 jan. 2009.

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 