| dc.description.abstract |
Os sistemas de previsão em tempo real (SPTR) fazem previsões a escalas de tempo curtas, por integração de modelos e dados de campo, constituindo ferramentas de suporte à gestão costeira. Os SPTR devem utilizar modelos numéricos de grande precisão, que requerem ambientes de computação exigentes. O LNEC opera vários SPTR, que utilizam a Infraestrutura Nacional de Computação Distribuída. A computação cloud, que permite a utilização de máquinas virtuais utilizando servidores compartilhados e interligados através da Internet, surge agora como um paradigma alternativo. Os seus recursos podem ser disponibilizados como um serviço de computação, sendo uma alternativa para o processamento exigente dos SPTR. No entanto, não existe uma avaliação detalhada da cloud por comparação com estratégias convencionais para processamento dos SPTR. Apresenta-se aqui uma análise comparativa da performance de vários SPTR utilizando três abordagens distintas: workstations, Clusters e Cloud. Esta comparação foi elaborada em três aplicações de SPTR com diferentes exigências de computação: circulação na Ria de Aveiro; circulação acoplada a indicadores de contaminação fecal no estuário do Tejo; e circulação acoplada de ondas e correntes no mesmo estuário.
A análise de performance foi efetuada nos três ambientes utilizando números crescentes de processadores. Para a gama de processadores comuns, as duas alternativas conduzem a tempos computacionais semelhantes, mostrando que a cloud é uma opção viável e atractiva.
No entanto, as malhas de cálculo para a computação multi-escala (desde o oceano até à área portuária) requerem um número óptimo de processadores tipicamente superior. A evolução eficaz dos SPTR, baseados atualmente em estratégias de computação de elevada performance, para arquitecturas de cloud poderá assim requerer a integração de um maior número desses recursos através de federação. A performance destas simulações deverá, no entanto, ser analisada para assegurar que o tempo de comunicação entre recursos cloud não afeta significativamente o tempo necessário para as previsões. |
pt_BR |