Skip to content

alexandreio/Web-Proxy-Cache-Inteligente

Repository files navigation

Web Proxy Cache Inteligente

Este repositório contém meu trabalho final para graduação em Egenharia de Computação pela Unipinhal, com o título "Web Proxy Cache Inteligente".

Block diagram

Resumo

Com aplicações em rede recebendo cada vez mais usuários e a quantidade de conteúdo que é gerada e consumida, técnicas de cache acabam se tornando uma ferramenta poderosa, para ajudar a reduzir o tempo de resposta de requisições, do lado do servidor, para vários clientes e entregar conteúdos computacionalmente caros de serem processados de forma rápida e eficiente. O objetivo deste trabalho é comparar algoritmos tradicionais de cache, como o LRU (Least recently used) e LFU (Least-frequently used), com um sistema proposto que utiliza algoritmos de aprendizagem de máquina um estágio anterior ao algoritmo de cache. Neste artigo utilizou-se os algoritmos de árvore de decisão, random forest e gradient boosting para a tarefa de classificação. Os resultados demonstraram que a utilização de um algoritmo de classificação pode ajudar na seleção de quais objetos precisam estar em cache. Também foi demonstrado que é possível a implementação do sistema proposto em um ambiente real devido ao baixo tempo de execução do algoritmo proposto.

Executando

Configurações inicias

Os testes foram executados utilizando o Python 3.8.5.

Antes de executar os notebooks é necessário rodar o comando:

$ pip3 install -r requirements.txt

Obtenção dos dados

O repositório contém o dataset utilizado nos testes final_datasets/df_ml.csv.

Caso seja do interesse criar um novo dataset é necessário, atualmente é necessário utilizar a ferramenta deepcache_netai2018. Ela permite a criação de um dataset onde os elementos gerados possuem uma distribuição de popularidade ao longo do tempo. Para ser executado de maneira direta o arquivo gerado precisa ser salvo com o nome syntheticDataset_O50.csv em um pasta chamada datasets.
Em seguida basta executar o arquivo 1 - Padroniza Datasets.ipynb

Executando os experimentos

Para rodar os experimentos basta rodar o arquivo 2 - Executa experimentos.ipynb

Autores

Orientador

  • Prof. Dr. José Tarcísio Franco de Camargo

Orientado

  • Alexandre Ferreira

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published