Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas
- Autores
- Murazzo, María Antonia; Rodríguez, Nelson R.; Guevara, Miguel José; Tello, Martín; Alonso, Matías; Medel, Diego; Mercado, Jorge; Gómez, Pablo; Picolli, Fabiana
- Año de publicación
- 2019
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Los avances tecnológicos, en particular IoT, han favorecido la generación de grandes cantidades de datos, los cuales necesitan ser almacenados y procesados de manera eficiente. Surge así el paradigma Big Data, donde el principal requerimiento no solo es la capacidad de cómputo, sino el manejo en un tiempo razonable de ingentes cantidades de datos. En este contexto, las aplicaciones para big data necesitan ser escalables, livianas, autocontenidas, distribuidas y replicadas con el objetivo de lograr la mejor performance frente a variaciones del volumen de datos. Para lograr esto, esta línea de investigación propone ajustar la construcción de aplicaciones a la filosofía DevOps y una arquitectura basada en microservicios los cuales puedan ser implementados con contenedores. La replicación y distribución para lograr altos niveles de escalabilidad se plantea mediante la orquestación de contenedores sobre una arquitectura distribuida, la cual puede ser física o virtual. De esta manera será posible desarrollar aplicaciones que escalen de forma elástica en función de los requerimientos de la aplicación misma, independiente del software y hardware subyacente.
Eje: Innovación en Sistemas de Software.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Big Data
microservices
conteiners
DevOps
distributed systems - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/77215
Ver los metadatos del registro completo
id |
SEDICI_ffd0ff6dedd36e566563442c253de782 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/77215 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidasMurazzo, María AntoniaRodríguez, Nelson R.Guevara, Miguel JoséTello, MartínAlonso, MatíasMedel, DiegoMercado, JorgeGómez, PabloPicolli, FabianaCiencias InformáticasBig DatamicroservicesconteinersDevOpsdistributed systemsLos avances tecnológicos, en particular IoT, han favorecido la generación de grandes cantidades de datos, los cuales necesitan ser almacenados y procesados de manera eficiente. Surge así el paradigma Big Data, donde el principal requerimiento no solo es la capacidad de cómputo, sino el manejo en un tiempo razonable de ingentes cantidades de datos. En este contexto, las aplicaciones para big data necesitan ser escalables, livianas, autocontenidas, distribuidas y replicadas con el objetivo de lograr la mejor performance frente a variaciones del volumen de datos. Para lograr esto, esta línea de investigación propone ajustar la construcción de aplicaciones a la filosofía DevOps y una arquitectura basada en microservicios los cuales puedan ser implementados con contenedores. La replicación y distribución para lograr altos niveles de escalabilidad se plantea mediante la orquestación de contenedores sobre una arquitectura distribuida, la cual puede ser física o virtual. De esta manera será posible desarrollar aplicaciones que escalen de forma elástica en función de los requerimientos de la aplicación misma, independiente del software y hardware subyacente.Eje: Innovación en Sistemas de Software.Red de Universidades con Carreras en Informática2019-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/77215spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3984-85-3info:eu-repo/semantics/reference/hdl/10915/76941info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:45:46Zoai:sedici.unlp.edu.ar:10915/77215Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:45:46.546SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas |
title |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas |
spellingShingle |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas Murazzo, María Antonia Ciencias Informáticas Big Data microservices conteiners DevOps distributed systems |
title_short |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas |
title_full |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas |
title_fullStr |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas |
title_full_unstemmed |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas |
title_sort |
Orquestación de recursos para realizar cómputo de big data sobre arquitecturas distribuidas |
dc.creator.none.fl_str_mv |
Murazzo, María Antonia Rodríguez, Nelson R. Guevara, Miguel José Tello, Martín Alonso, Matías Medel, Diego Mercado, Jorge Gómez, Pablo Picolli, Fabiana |
author |
Murazzo, María Antonia |
author_facet |
Murazzo, María Antonia Rodríguez, Nelson R. Guevara, Miguel José Tello, Martín Alonso, Matías Medel, Diego Mercado, Jorge Gómez, Pablo Picolli, Fabiana |
author_role |
author |
author2 |
Rodríguez, Nelson R. Guevara, Miguel José Tello, Martín Alonso, Matías Medel, Diego Mercado, Jorge Gómez, Pablo Picolli, Fabiana |
author2_role |
author author author author author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Big Data microservices conteiners DevOps distributed systems |
topic |
Ciencias Informáticas Big Data microservices conteiners DevOps distributed systems |
dc.description.none.fl_txt_mv |
Los avances tecnológicos, en particular IoT, han favorecido la generación de grandes cantidades de datos, los cuales necesitan ser almacenados y procesados de manera eficiente. Surge así el paradigma Big Data, donde el principal requerimiento no solo es la capacidad de cómputo, sino el manejo en un tiempo razonable de ingentes cantidades de datos. En este contexto, las aplicaciones para big data necesitan ser escalables, livianas, autocontenidas, distribuidas y replicadas con el objetivo de lograr la mejor performance frente a variaciones del volumen de datos. Para lograr esto, esta línea de investigación propone ajustar la construcción de aplicaciones a la filosofía DevOps y una arquitectura basada en microservicios los cuales puedan ser implementados con contenedores. La replicación y distribución para lograr altos niveles de escalabilidad se plantea mediante la orquestación de contenedores sobre una arquitectura distribuida, la cual puede ser física o virtual. De esta manera será posible desarrollar aplicaciones que escalen de forma elástica en función de los requerimientos de la aplicación misma, independiente del software y hardware subyacente. Eje: Innovación en Sistemas de Software. Red de Universidades con Carreras en Informática |
description |
Los avances tecnológicos, en particular IoT, han favorecido la generación de grandes cantidades de datos, los cuales necesitan ser almacenados y procesados de manera eficiente. Surge así el paradigma Big Data, donde el principal requerimiento no solo es la capacidad de cómputo, sino el manejo en un tiempo razonable de ingentes cantidades de datos. En este contexto, las aplicaciones para big data necesitan ser escalables, livianas, autocontenidas, distribuidas y replicadas con el objetivo de lograr la mejor performance frente a variaciones del volumen de datos. Para lograr esto, esta línea de investigación propone ajustar la construcción de aplicaciones a la filosofía DevOps y una arquitectura basada en microservicios los cuales puedan ser implementados con contenedores. La replicación y distribución para lograr altos niveles de escalabilidad se plantea mediante la orquestación de contenedores sobre una arquitectura distribuida, la cual puede ser física o virtual. De esta manera será posible desarrollar aplicaciones que escalen de forma elástica en función de los requerimientos de la aplicación misma, independiente del software y hardware subyacente. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/77215 |
url |
http://sedici.unlp.edu.ar/handle/10915/77215 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-3984-85-3 info:eu-repo/semantics/reference/hdl/10915/76941 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1842260331409178624 |
score |
13.13397 |