You are on page 1of 9

Algoritmo de Balance de Carga Aleatorio+Umbral, un Aporte Adicional.

Hugo Roberto Colombo; Facundo Pola y Pablo Costa


Facultad de Tecnologa Informtica Universidad Abierta Interamericana, Proyecto COMEBACAR
hugo.colombo@uai.edu.ar; facupola@gmail.com; sispak@gmail.com

Resumen
I. Introduccin.
Los algoritmos de balance de carga se utilizan
normalmente para distribuir la actividad entre
procesadores de ordenadores ubicados en el
interior de este o incluso entre computadores y
a veces sin importar su ubicacin geogrfica.
La denominacin implica el principio de
funcionamiento y los algoritmos ms
conocidos son: aleatorio, umbral, proximidad
o vecinos, heurstico, pasamano circular
(round robin), etc. En este documento se
considera una variacin de uno de los
algoritmos de balance de carga, haciendo foco
en la combinacin de los algoritmos aleatorio
y umbral; que se la denomin como algoritmo
Aleatorio + Umbral.
En ese documento se estudia, el tiempo que se
consume para la asignacin de la carga de
trabajo y la distribucin y balance de carga
entre los procesadores disponibles, de forma
tal que esta distribucin, sea homognea entre
estos procesadores.
Las simulaciones de estos casos se hicieron
por medio de programas en lenguaje C#,
teniendo en cuenta la distribucin de las tareas
y el consumo de tiempo para lograr la
asignacin completa de los procesos. Los
resultados muestran que mientras el nmero
umbral se encuentre prximo al cociente entre
el nmero de tareas en la cola y el nmero de
elementos de procesamiento (procesadores,
canales, etc.); la distribucin de tareas ser
mayormente homognea.
Palabras clave: Balance
aleatorio; umbral; vecino.

de

carga;

La computacin distribuida y los procesos


involucrados en ella ha sido estudiada desde
hace varios aos [1], [2], [4], [5], [6], [7]. En
estos estudios el concepto de cola de tareas ha
sido y es una de los temes que ms ocupan a
las diferentes personas que estudian el tema;
de forma tal que cuando usted piensa en la
distribucin de las tareas en los nuevos
sistemas, el concepto es el mismo, ya sea que
se lo piense dentro de un ordenador, a travs
de la internet, independientemente de donde
sea el lugar en el que se encuentre el
proveedor del servicio. Este concepto es tan
amplio que adems de pertenecer al mbito de
los procesos de cmputo en s propios de los
computadores, alcanza incluso a los servicios
tan diversos como puede ser el de transporte
de las comunicaciones [3].
La idea de lograr la mejor explotacin de las
capacidades de los sistemas, haciendo esto de
la manera ms eficaz, ha sido analizada a lo
largo de estos aos.
Los algoritmos de balance de carga tienen su
origen en la evolucin natural de los criterios
de formacin de las colas [5], de manera tal
que se utilicen las capacidades de los sistemas
de la manera ms adecuada posible cada vez
que se realiza la asignacin de las tareas.
Las decisiones que se llevan a cabo
consideran la distribucin de los trabajos de
una forma homognea teniendo en cuenta el
costo de cada transaccin y una estimacin del
tiempo requerido para lograr la realizacin de

la carga de trabajo instantnea cada vez que se


realiza.
Los algoritmos ms conocidos son: aleatorio,
umbral, proximidad o vecinos, heurstico,
pasamanos circular (round robin), etc. [3].

II. Anlisis del Algoritmo


Estructura de Algoritmo.
En esta seccin se describe la estructura del
algoritmo.
Se utilizan dos algoritmos diferentes:

En este documento se considera una variante


del algoritmo de balance de carga, hacindose
foco en los algoritmos aleatorio y umbral [2],
[9], [11], [12]; proponindose una mezcla de
ellos, que se denomina aleatorio + umbral.
Otros aspectos del algoritmo que se analizan
son: su clasificacin de acuerdo a la propuesta
de Casavant y Kuhl [2], el tiempo consumido
para la asignacin de la carga de trabajo y la
distribucin de aqulla entre los procesadores
disponibles, de forma tal que esta distribucin
sea homognea entre ellos. Es importante
recordar
que
la
denominacin
de
procesadores carece de exclusividad en este
caso, ya que excede el lmite de las unidades
de procesamiento de informacin en s, ya que
puede tratarse de ordenadores de la ms
variada caracterstica, enlaces entre los cuales
distribuir el flujo de datos, etc.
Se han realizado simulaciones basadas en
programas construidos en lenguaje C#, donde
se evalu la distribucin de las tareas y el
tiempo consumido por todo el proceso de
asignacin de las mismas.
Los resultados han mostrado que toda vez el
nmero umbral se encuentre prximo al
cociente ente el nmero total de tareas a
asignarse y el nmero de procesadores,
entonces la distribucin de tareas ser
mayormente homognea.
Este documento est organizado en cuatro
secciones, la primera es esta introduccin, en
la segunda seccin se analiza el algoritmo
propuesto y en la tercera se describen los
resultados obtenidos y en la cuarta se brinda
una breve conclusin, en la que se muestran
algunas ideas acerca de cmo continuar el
presente estudio.

1. Un algoritmo aleatorio que es el punto


de partida de este anlisis y
2. Una mezcla del algoritmo aleatorio
con el de umbral.
En el primer caso el algoritmo selecciona de
manera estocstica el procesador al cual se le
direccionar una determinada tarea, dicha
eleccin se hace entre los procesadores que se
encuentran disponibles al momento del inicio
de la asignacin.
El uso de una seleccin aleatoria se hace sobre
la base de criterio que se comparte con Barak,
et. al. [12] y Othman, et.al. [13], donde se
considera que la potencia de procesamiento se
incrementa cuando se selecciona un procesador
sin tener en cuenta informacin relacionada
con el estado de carga [15], o poseyendo una
informacin incompleta de su situacin de
carga de trabajo; lo que incluso se relaciona
con el estado de la red y su carga de trabajo en
el disco. La nica condicin de la cual se hace
uso es que el procesador se encuentra
disponible para aceptar una nueva tarea al
momento de la seleccin.
En el segundo caso tambin se comparte este
ltimo criterio, de forma tal que la primera
parte del algoritmo se conserva igual que en el
caso previo. El proceso se inicia con la
seleccin de un nmero de tareas y a este
nmero se lo denomina Umbral, estos
algoritmos se denominan en algunos casos
como simplemente umbral [15], una vez que
se asigna la tarea se verifica si el nmero de
tareas asignadas es menor o igual a ese umbral
y cuando se iguala a dicho valor, ese
procesador se retira del grupo de procesadores
considerados como candidatos para ofrecer sus
servicios y el proceso contina slo con los
procesadores restantes.

La idea que se propone en este documento es


calibrar estos dos algoritmos para que trabajen
en conjunto, de forma tal que se logre un
mejor
desempeo,
considerando
una
distribucin homognea de la carga de trabajo,
adems se considera al menos inicialmente que
todos los procesadores tienen la misma
capacidad para la realizacin de las tareas.

valor del Umbral, entonces ese procesador


queda excluido de participar en la seleccin
para que se le asigne una nueva tarea. El
procedimiento contina de esta manera slo
que ahora con un nmero menor de
procesadores en el grupo de candidatos a
recibir trabajo.

Tareas
Nuevas

Para
una
mejor
comprensin
del
funcionamiento del algoritmo en el siguiente
apartado se describe un diagrama de flujo que
sintetiza el comportamiento de este.

Tareas Fallidas (i-1)

Diagrama de flujo del algoritmo.


El algoritmo (Ver Figura N1) se considera
que est llevando a cabo el i-cimo ciclo de
funcionamiento de este, se cuenta con una cola
de tareas a signar al momento del inicio igual a
TTi y se dispone de un nmero inicial de
procesadores Pi.
Se calcula el valor de umbral Ui (que en este
caso se lo muestra ya con el valor propuesto)
asignando el valor de la parte entera del
cociente entre TTi (tareas totales del ciclo icimo) y el nmero de procesadores Pi,
adicionndole una unidad si el resultado de
este es diferente de entero.
Luego se inicia un ciclo interno al ciclo icimo y denominado k, con k=1 ([1k
TTi]) en el cual de una manera aleatoria asigna
la tarea Tk a un procesador seleccionado
dentro del grupo de procesadores Pik
(inicialmente coincide este valor con Pi), por
ejemplo el procesador j (Pj), luego se
incrementa en una unidad un contador
denominado N TPj, que se ha asignado para
llevar la cuenta del nmero de tareas que tiene
asignadas el procesador Pj, si el resultado de
esta suma coincide con el valor del umbral
Ui, se procede a retirar el procesador Pj,
del grupo de procesadores disponibles.
El proceso contina y se realiza una nueva
asignacin de la misma manera, si el nmero
de tareas a asignar a ese procesador llega al

Cola de Tareas Actualizada


N Total de Tareas en el Ciclo i = TTi
N de Procesadores Disponibles
en el Ciclo i = Pi
Clculo de Umbral Ui para TTi / Pi 1 o 1|TTi / Pi <1
No
Ui= TTi / Pi

E[TTi / Pi]- (TTi / Pi)>0


Si Ui= E[TTi / Pi] +1

Inicio Lazo en k [1k TTi]


Obtencin Nmero Aleatorio [1, Pik] |k=1,TTi =
= Pj |k=1,TTi
N TPj = N TPj +1
No
N TPj < Ui
Si
Se Asigna Tarea TTj
Fin del Lazo en k
Figura N 1

Pj

Se retira Pj
Pjk = Pjk -1

Este procedimiento contina con la asignacin


de las tareas, hasta que comienza un nuevo
ciclo considerando que se han recibido nuevas
tareas al sistema, habiendo finalizando algunas
de las tareas asignadas y todo comienza de
nuevo.
Se considera que este procedimiento se lleva a
cabo por medio de una unidad conocida como
despachante [3], [16], [17], [18] o una
unidad concentradora de tareas.
La idea bsica de este trabajo es obtener algn
conocimiento con relacin a la mejor
estimacin de los parmetros, esto hizo que se
efectuaran algunas pruebas de este algoritmo y
en la seccin III se detallan los resultados
obtenidos en tales ensayos.
El uso de estos algoritmos o incluso otros
algoritmos de balanceo de carga sin importar
cuales sean los que se empleen para la
asignacin de las tareas que se quieren
balancear, carecen de exclusividad, dado que
otras tareas del mismo sistema podran seguir
empleado otros tipos de mtodos de
procesamiento [14].
En el siguiente prrafo se realiza una
caracterizacin del algoritmo propuesto.
Caracterizacin del Algoritmo.
Siguiendo los criterios taxonmicos de
Casavant y Kuhl [2], este algoritmo puede
considerarse como:
Global, porque el despachante o concentrador
de tareas toma las decisiones relacionadas con
la programacin de las tareas hacia otros
lugares incluso diferentes de la mquina o
procesador local en la/el cual se toman estas
decisiones.
Esttico, porque una vez hecha la tarea de
asignacin, esta asignacin permanece en el
mismo lugar sin que se altere. En este punto
hay algunas consideraciones, porque si el
procesador designado se torna como
careciente de respuesta, el despachante o

concentrador debe percatarse de este hecho y


resolver la situacin. Si esto se omitiera el
sistema en su conjunto sera un sistema
defectuoso y esto es indeseable.
Si este es el caso, la vieja tarea debera
asignarse en primer lugar a un nuevo
procesador que se encuentre operativo y esta
decisin deber recordarse en el caso en que
el procesador original torne a servicio de
nuevo y devuelva una respuesta de tarea
cumplida. Obviamente dos respuestas
satisfactorias son indeseables en el caso
general de un sistema en su conjunto; as que
la segunda respuesta debera descartarse y
segn el caso deshacerse una de las
transacciones y sus implicancias para el caso
de una transaccin de un base de datos; de
forma tal de evitar una doble imputacin.
Desde ya que esto requerir una inteligencia
extra en el sistema en su conjunto.
Regresando al tpico de la clasificacin, si se
diera esta situacin, tornara al algoritmo en
dinmico, el hecho es que ese tipo de
situaciones son realmente diferentes de las
que muestran Weinbach, et. al [11], donde
el algoritmo es esencialmente dinmico desde
su concepcin; de este modo la situacin
considerada aqu es slo para una situacin
anormal, por lo tanto el algoritmo puede
considerarse esencialmente como Esttico.
Sub-ptimo, es el caso en el cual se posee
informacin nula o parcial acerca del estado
de carga del procesador, la red y los discos al
momento de efectuarse la asignacin de los
trabajos.
Heurstico, en este caso el algoritmo puede
considerarse como heurstico porque de a
cuerdo a Casavant y Kuhl [2], un algoritmo
se puede considerar de esta forma cuando:
. . . se hace la estimacin ms realista con
relacin a un conocimiento que se posee a
priori relacionado con las caractersticas
de carga de los sistemas y los procesos . . .
y se puede considerar que se est en esta
situacin, porque como se descarta un
procesador en el momento en que se alcanza el

nmero de tareas asignadas, dado por el


umbral Ui [ver ecuacin (1)], ya que si bien se
trata de un parmetro de control, esto se hace
en base a cierto criterio de evitar sobrecargas y
tratar de ser parejos con la carga de los
sistemas que se han considerado elegibles para
esta asignacin, lo cual de alguna manera es
un concepto heurstico.
=

(1)

Donde:
Ui es el umbral, el ndice i indica que es para
el i-simo ciclo.
TTi es el nmero total de tareas en la cola al
momento de iniciar el i-simo ciclo de
asignacin de estas.
Siendo que el ciclo de asignacin se inicia
toda vez que existen tareas en la cola a ser
asignadas y concluye cuando finaliza la
asignacin de la totalidad de las tareas en
aqulla.
Pi es el nmero de procesadores disponibles al
momento de inicial el i-simo ciclo.
Estas son las propuestas bsicas de este
algoritmo.
De esta manera el algoritmo que se propone
puede considerarse como: Global, Esttico,
Sub-ptimo y Heurstico.
Consideraciones asociadas a un procesador
que deja de responder.
En el apartado anterior se mencion que para el
caso de un procesador que deje de responder,
la segunda respuesta deba descartarse. Este
concepto se consider de esta manera de modo
tal de simplificar el presente documento, sin
entrar en mayores detalles que pueden hacer
perder el foco fuera del objetivo principal que
consista en la clasificacin del algoritmo.
El hecho es que cuando se enva una tarea a
que sea llevada a cabo en uno de los
procesadores y en el caso general el contexto
en el cual se desarrolla esa tarea puede ser
parcial o totalmente desconocido. En el
siguiente prrafo la persona lectora encontrar

una breve sntesis de forma tal de proveer un


criterio ms amplio sin perder generalidad
respecto a que hacer con una tarea y que el
procesador deja de responder, lo que nada dice
acerca del hecho que quien carezca de
respuesta sea la tarea en s o el procesador y
sus circuitos asociados que dejen de responder
al menos temporalmente.
Se considerarn dos ejemplos:
1.
En el caso de un software de
comunicaciones, donde el sistema operativo
debe decidir como compartir los canales
disponibles de la manera ms eficaz, el
criterio mencionado puede considerarse
adecuado, porque los equipos de
comunicaciones normalmente trabajan en la
capa 2 o 3 del Interconexiones de Sistemas
Abiertos, dependiendo del tipo de equipo
considerado. De esta forma el acuse de
recibo y la prdida de un paquete de datos
se evaluarn en el lugar donde se construye
el protocolo de la capa 4 del mismo sistema
de interconexin, as que slo importa la
entrega del paquete. En este caso un arribo
repetido carece de grandes efectos
adicionales.
2. En cambio si se considera una
transaccin ms compleja, donde las
cantidades que se intercambian (dinero,
bienes, etc) entre una cuenta y otra, lo que
se hace de manera aproximadamente
simultnea dentro de una transaccin; y
siendo que si se descont una cantidad de
una cuenta y la situacin de falta de
respuesta tiene lugar cuando se est
realizando el incremento en la otra cuenta,
el
inconveniente
amerita
otras
consideraciones.
En este caso se necesita de una respuesta de
los diferentes pasos de la transaccin, cada
vez que una tabla se modifica; de manera
de poder deshacer la operacin de forma
adecuada en el momento que tenga lugar
una situacin de un procesador careciente
de respuesta. Para esto los sistemas

operativos de motores de bases de datos


tienen sus soluciones, la gran pregunta que
queda es cul es la duracin mxima de
una transaccin? Uno de los autores
conoce un caso de una transaccin que
podra durar veinticuatro horas.
Obviamente este tpico requiere un
tratamiento ms profundo y aqu slo se
realiza una presentacin de forma tal que se
pueda apreciar la idea general de lo que
acontece detrs de cada caso en que se d
un procesador o computador falto de
respuesta.

fin de poder lograr un estudio de lo que sucede


en ese caso.
Se utiliz en cada caso un Umbral (U) para
una simulacin y se recolectaron los valores de
las tareas asignadas a cada procesador por el
software de simulacin desarrollado. Luego se
registr el nmero total de tareas asignadas a
cada procesador TTpi (Tareas Totales
asignadas al procesador i); as mismo se
registr la mxima diferencia en valor absoluto
entre el umbral y el valor TTpi asignado a
cada procesador, estas magnitudes se
promediaron dando la Desviacin Media
Porcentual (DMP).

En la siguiente seccin se analizan algunos


resultados de las pruebas llevadas a cabo con
este algoritmo.

III. Resultados de las pruebas del


algoritmo.
En esta seccin se presenta un grfico que
muestra los resultados de las simulaciones del
algoritmo que se han realizado.
Para obtener los datos que se emplearon en el
grfico de la Figura N 2, se recurri al
Teorema Central del Lmite (TCL) [19], [20],
de esta forma se han podido utilizar valores
promedios obtenidos de las simulaciones.

Otro criterio de normalizacin que se utiliz


fue el Apartamiento Porcentual del Umbral
Utilizado (Uu) respecto del umbral Propuesto
(Up) en este documento (APUUP) que se
emple en el eje de abscisas, segn la
siguiente expresin:
=

.100

Desviacin
Media
Porcentual
(DMP)

35

Desviacin
Porcentual
Mxima

30
25

Se pretenda determinar de manera


experimental cmo se comportaba el algoritmo
para
distintos
valores
del
Umbral
seleccionado, as que se asignaron distintos
valores del umbral sin que guarden relacin
entre s, ni con el nmero de tareas o
procesadores y entre aqullos tambin se
incluy el caso propuesto del umbral igual al
cociente entre el nmero de tareas a asignar y
el nmero de procesadores. La simulacin
inclua la reutilizacin de todos los
procesadores una vez alcanzado el umbral, a

(3)

45
40

Estas se llevaron a cabo en el mismo


computador y sistema operativo, para evitar
tener que considerar otros parmetros menos
controlables que los expuestos.

(2)

20

Apartamiento
Porcentual
del Umbral
Utilizado
respecto del
Propuesto
APUUP

15
10
5
0
-20 -12 -4

12 20

Figura N 2

En la Figura N 2 se puede apreciar el grfico


de la Desviacin Media Porcentual (DMP) y
de la Desviacin Mxima Porcentual, que
contempla el mayor apartamiento para cada
umbral que se obtuvo en el total de
simulaciones para cada umbral utilizado
respecto del valor propuesto. Estos dos valores
se muestran en el eje de ordenadas.
Como puede apreciarse de la Figura N 2
cuando la separacin entre el valor del Umbral
Propuesto
(Up) y el valor del Umbral
Utilizado (Uu) se incrementa, la Desviacin
Mxima Porcentual (DMP) se incrementa,
dndose que hay procesadores ms cargados
que el Umbral Propuesto y otros con menos
carga; de ah la propuesta realizada, la que se
ubicar ligeramente a la derecha del valor
ptimo propuesto en la grfica, debido a que si
el cociente es diferente del valor entero, habr
que incrementar en uno al Umbral propuesto
para poder asignar las tareas que quedaran por
encima del cociente exacto.

memoria que es un caso similar al anterior y


los discos.

Agradecimientos
Los autores desean agradecer el apoyo
incondicional de la Sra. Liliana Beatriz
Curutchet Buzzelli y HCH Computacin y
Teleinformtica.

Referencias
[1] C.S. Ellis, J. A. Feldman and J. E. Heliotis,

Language constructs and support systems for


distributed
computing,
en
ACM
SIGACTSIGOPS Symp. Principles of
Distributed Computing, Aug. 1982, pp 1-9.
[2] T. L. Casavant and J. G. Kuhl, A
taxonomy of scheduling in general-purpose
distributed computing systems, IEEE
Transactions on Softwarfe Engineering, vol.
14, February 1988, pp 141-154.

IV. Conclusin
Se puede apreciar de la grfica de la Figura
N2 que si el apartamiento es inferior al 20%
del Valor propuesto entre el Umbral Utilizado
y el Propuesto, se obtendr un desbalance en la
carga de los procesadores de un 12%. Si la
separacin es de un 8% en exceso se obtienen
desbalances muy significativos. Y tambin se
incrementa mucho la dispersin entre los
distintos procesadores.
Nuevos estudios deberan incluir informacin
en sus diversos parmetros relacionados al
procesador candidato, respecto a sus
capacidades de trabajo como frecuencia de los
relojes, cantidad de memoria de intercambio
en avance (cach), cantidad de memoria de
procesamiento, tasa de transferencia de la red
de acceso; adems de otros parmetros
variables temporalmente como el estado de la
red, nmero de procesadores (en algunos
sistemas que trabajan bajo demanda esta
parmetro puede variar temporalmente), la

[3] Citrix Systems (TM). Load Balancing,


Citrix, 2013.
[4] T. Nakagawa, N. Ido, T. Tarui, M.Asaie
and M. Sugie, Hardware implementation of
Dynamic load balancing in the paralell
inference machine PIM/c, Central Research
Laboratory Hitachi Ltd., Proceedings of the
international conference on fifth greneration
computer systems, ICOT Eds., Tokio, Japan,
1992, pp. 723-730.
[5] M. Waldn, Distributed load balancing,
Program develoment by refinement. Case
studied using B method, E. Sekerinski, K.
Seire Eds. Springer-Verlag, London, Great
Britain, 1998, pp. 255-257.
[6] R. Ewald, Simulation on load balancing
algorithms for discrete event simulations,
Universitt Rostock, Intitut fr informatik,
Rostok, Germany, sin publicar, 2006.

[7] M. A. Senar, A. Corts, A. Ripoll, L.


Hluch and J. Astalos, Dinamic Load
Balancing, Paralell program development for
cluster computing. Methodology, tools and
environments, Nova Science Publishers, New
York, United States of America, 2001

service, Department of Electrical and


Computer
Engineering,
University
of
California and Institute for Software and
Integrated Systems, Vanderbilt University.
California and Nashville. Estados unidos de
Norteamrica. Sin publicar.

[8] P. Ganesam, M. Bawa and H. GarcaMolina, Online balancing of rangepartitioned data with applications to peer-topeer
systems,
Proceedings
of
30th
international conference on very large data
bases.M. A. Nascimento, M. Tamer szu, D.
Kossmann, R. J. Miller, J. A. Blakeley and B.
Schiefer Eds. Toronto, Canada, 2004, pp. 444454.

[14] O. Othman, C. ORyan and D. C.


Schmidt, The design and performance of an
adaptative CORBA load balancing service,
Departmento of Electrical and Computer
Engineering, University of California.
California, Estados Unidos de Norteamrica.
2001, sin publicar.

[9] S. Zhou, A trace-driven simulation study


of dynamic load balancing, IEEE Transaction
on software engineering, Vol 14, 1988, pp
1327-1341.
[10] A. M. Cruz Resendiz and F. J. Albores
Velasco, Algoritmos probabilsticos y
heursticos para el balance de carga en
sistemasoperativos
multiprocesador,
Unbiversitdad Autnoma de Tlaxcala,
Tlaxcala, Estados Unidos Mexicanos, sin
publicar.
[11] N. L. Weinbach, J. Echaiz and A. J.
Garca, Un algoritomo distribuido y
cooperativo para el balance de carga dinmico,
Departamento de Ciencias e Ingeniera de la
Computacin, Universidad Nacional del Sur,
Baha Blanca, Repblica Argentina, sin
publicar.

[15] D. L. Eager, E. D. Lazowska and J.


Zahorjan, Adaptive load sharing in
homogeneous distributed systems,. IEEE
Transactions on software engineering, vol. SE12, pp. 662-675, May 1986.
[16] J. M. Meehan and A. Ritter, Machine
learning approach to tuning distributed
operating system load balancing algorithms,
Computer Science Department Western
Washington University, Washington, Estados
unidos de Norteamrica, sin publicar.
[17] O. Othman, C. ORyan and D. C.
Schmidt, Designing an adaptive CORBA load
balancing service using TAO, IEEE Ds
Online, Vol. 2, 2001, pp. 1-25.
[18] B. I. Witt, M65MP: an experiment in
OS/360
multiprocessing,
International
Business Machines, Proceedings of ACM
Nacional Conference, 1968, pp. 691-703.

[12] A. Barak, O. Laadan and A. Shiloh,


Scalable cluster computing with MOSIX for
LINUX, Institute od Computer Science. The
Hebrew University of Jerusalem. Jerusalem,
Israel, 1999.

[19] A. Rojas Lagarde and R. M. Bach.


Introduccin a la probabilidad y estadstica,
Ciudad Autnoma de Buenos Aires, Repblica
Argentina: Editorial Universitaria Cultura
Argentina, 1978, pp. 228-231.

[13] O. Othman, J. Balasubramanian and C.


Schmidt, The design of an adaptive
middleware load balancing and monitoring

[20] M. E. ngel, G. Fernndez. L. Polola, M.


E.Borgna, L. S. Pagano, S. Brunetti and M.
Ecalle, Registro de conceptos estadsticos

como recurso para una alfabetizacin


estadstica 55B/142, Ciudad Autnoma de
Buenos Aires, Repblica Argentina: SECyT
UNLaM, 2010, pp. 48.

Los Autores
Hugo Roberto Colombo se
recibi
de
Ingeniero
Electromecnico
Orientacin
Electrnica
Facultad
de
Ingeniera de la UBA (FIUBA)
de la Ciudad Autnoma
noma de Buenos Aires,
Repblica Argentina y recibi sus sus
postgrados MS
MS with a major in Marketing y
PhD with a major in Marketingg de la PWU,
Los ngeles, 2003 y 2005 respectivamente.
Es el gerente del departamento de ingeniera
de HCH Computacin y Teleinformtica;
Profesor Titular de la Facultad de Tecnologa
Informtica de la UAI para la asignatura
Tele-procesamiento Avanzado,
o, donde est
radicado el Proyecto COMEBACAR,
COMEBACAR es
Profesor de la Facultad de Ingeniera de la
Universidad de Buenos Aires (FIUBA
FIUBA) para la
asignatura Sistemas Inalmbricos (rea de
Microondas). Es el Coordinador de la
Comisin de Radiaciones No Ionizantes (RNI)
del COPITEC y es miembro de la IEEE desde
hace 26 aos. Es el Director del Proyecto
COMEBACAR de la FTIUAI.
Pablo Costa es un estudiante
avanzado de Ingeniera en
Sistemas Informticos de la
Facultad
de
tecnologa
Informtica de la Universidad
U

Abierta Interamericana (FTIUAI) de la Ciudad


Autnoma de Buenos Aires Repblica
Argentina. Es un Lder Tcnico en Sofrecom
desde hace ms de cinco aos y se encuentra
encue
destacado en el Banco de Galicia y Buenos
Aires. Los campos de experiencia profesional
son las reas de desarrollo de aplicaciones para
bases de datos, para diferentes plataformas de
bases de datos; desarrollo de aplicaciones para
la internet con AJAX,
AX, PHP, VB.NET (MR
de Microsoft Co.). El ha integrado el grupo de
trabajo del proyecto COMEBACAR donde se
estudia el balance de cargas en la FTIUAI.

Facundo Capdevila
es un
estudiante
avanzado
de
Ingeniera
en
Sistemas
Informticos y es Analista en
Sistemas
istemas Informticos, Ciencias
de la Computacin de la Facultad de
tecnologa Informtica de la Universidad
U
Abierta Interamericana (FTIUAI) de la Ciudad
Autnoma de Buenos Aires Repblica
Argentina. Sus rea de mayor experiencia son
Servidores SQL/VB.NET (MR de Microsoft
Co.), Scrum. AJAX,
AX, OOP. Es el Gerente de
Desarrollo de tEcnologa de la Informacin de
Middle Sea Asesores de Seguros S.A.. El ha
integrado el grupo de trabajo del proyecto
COMEBACAR donde se estudia el balance de
cargas en la FTIUAI.