English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Resumo. Diversos cientistas tem migrado seus experimentos para a nuvem. Esses experimentos podem ser modelados como workflows cientı́ficos, e muito deles são intensivos em dados/computação. Os dados produzidos pelas execuções dos workflows são armazenados na nuvem, o que levanta a preocupação da confidencialidade dos dados, i.e., o risco do acesso não autorizado aos arquivos por conta de usuários maliciosos. Mecanismos como a dispersão dos dados e criptografia podem ser adotados para aumentar a confidencialidade dos dados. Entretanto, a adoção desses mecanismos não pode ser desacoplada do escalonamento do workflow, pois pode aumentar o tempo de execução e seu custo financeiro. Nesse artigo, apresentamos uma heurı́stica de escalonamento de workflows denominada SaFER-GCH (workflow Scheduling with conFidEntiality pRoblem Greedy random Constructive Heuristic), que considera restrições de confidencialidade dos dados enquanto executa o escalonamento das ativações. Experimentos com traces reais de workflows apresentaram resultados promissores.

Escalonamento de Workflows em Nuvens de Computadores com Restrições de Confidencialidade