You are on page 1of 11

Modelagem e Simulação de Sistemas de Computacionais

Estudo de Caso 2 E-Business to Consumer
1 Comércio Eletrônico

Business

Business

Government

Consumer

Consumer

B2B – Business-to-Business Transações de empresas com parceiros ou fornecedores. Utilizavam EDI sobre redes privadas ou VAN (Value Added Networks). B2C - Business-to-Consumer Transações de comércio eletrônico, serviços financeiros (home-banking), etc. C2C - Consumer -to-Consumer Comércio entre indivíduos, tais como, vendas de carros ou imóveis, leilões em Web,etc. G2B - Government-to-Business e G2C – Government-to-Citizens Transações eletrônicas com órgãos ou empresas do governo tais como editais de concorrências, pagamento de taxas, etc.

© LARC-PCS/EPUSP 2008

1

focada em uma indústria específica. formando um distribuidor virtual.Modelagem e Simulação de Sistemas de Computacionais 1. Comunidades ou Alianças Alta integração entre membros sem uma hierarquia específica. Linux.1 Tipos de B2B Agregadores Agregam compradores em uma entidade virtual compradora e agregam vendedores. 1. Hubs ou Integradores de Processos É uma intermediaria neutra entre compradores e vendedores. tal como de energia ou telecomunicações.2 Modelo de Referência para Comércio Eletrônico Visão de Negócio Modelo de Negócio Características do Negócio Métricas Externas Modelo Funcional Estruturas e Funções de navegação Modelo de Cliente Comportamento do Cliente Modelo de Recurso Estrutura do Site e Demandas de Serviço Visão de Tecnológica © LARC-PCS/EPUSP 2008 2 Métricas Internas . tendo renda através de assinaturas e propaganda. tais como produção de software aberto: OpenSource. Conteúdo Empresas fornecedoras de conteúdo. Leilões ou Bolsas de Mercadoria Mediadores de compra e venda com preços dinâmicos.

Entre essas métricas podem ser citadas: © LARC-PCS/EPUSP 2008 3 .Modelagem e Simulação de Sistemas de Computacionais 2 Análise de um sistema de E-Business Modelo de Negócio e Objetivos Mensuráveis Entender a arquitetura do site de E-Business Analisar os compromissos de custo x desempenho Caracterizar a carga Prever o desempenho do serviço Obter parâmetros do modelo Calibrar e validar o modelo Prever da evolução da carga Desenvolvimento do modelo de desempenho 2. e que refletem o sucesso do site em termos de popularidade ou da receita gerada.1 Métricas para Avaliação do sucesso de Sites de E-Business Existem diversas métricas para avaliação do desempenho de sites de E-Business.

São fontes de renda do site: • Lucros das vendas de produtos através do site. criou o Web Standards Commitee que definiu métricas de avaliação popularidade de Web sites. © LARC-PCS/EPUSP 2008 4 .00 Os clientes são consumidores domésticos e pequenas empresas. 3 Estudo de Caso: Loja de Computadores On-line O site www.. O site é regido por políticas de segurança que garantem o sigilo das informações. Clicks-throughs: indica o número de usuários por dia que não só viram um anúncio mas também clicaram para obter mais páginas a respeito do mesmo.000. Potential Loss Throughput: medida em valores monetários por unidade de tempo (dólares/seg) das compras não foi realizadas pois os clientes que já tinham mercadorias no carrinho desistiram das mesmas por problemas de desempenho do site ou outras razões. em conseqüência de comércio eletrônico.br vende produtos de computação pela internet. Aumento de tráfego de 20 vezes não é raro nestas ocasiões. A empresa quer atrair mais clientes entre os que realizam compras sazonais.Modelagem e Simulação de Sistemas de Computacionais • • • • • • Hits/sec: mede o número de requisições a objetos servidos por segundo em cada site. Revenue Throughput: mede o retorno em valores monetários por segundo (tal como dólares/seg).. O pagamento envolve autorização on-line pelas empresas de cartão de crédito.00 • Anúncios: R$ 900.com. tais como o que ocorre em feriados (dia das crianças. • Vendas de propagandas em Banner para anunciantes..) e para isto quer garantir o tráfego de pico que ocorre nestas ocasiões.000. Unique Visitors: indica quantos visitantes diferentes visitaram o site em um período.compra-pc.378. A entidade IFABC – International Federal Audit Bureaux for Circulations. que mede a popularidade das diversas medias. das mães. Page Views/Day: número de páginas individuais atendidas por dia. Resultados Anteriores No ano anterior os resultados do site foram: • Faturamento de vendas: R$ 94.

Modelagem e Simulação de Sistemas de Computacionais Foi observado que 95% dos visitantes não fazem compras no site e.65 segundos. a empresa quer conseguir fazer este tráfego render em termos de lucro de propaganda. o administrador depende do: • Arquivos de log do servidor. tem-se: Tempo de Resposta do Site = 0. especificamente música de alta qualidade em formato MP3. Para analisar a capacidade observada do serviço. Planejamento de Novas Metas A administração do site quer analisar o impacto na infra-estrutura frente a novos objetivos de lucros e a introdução de novas linhas de produtos: • • Atingir os objetivos da corporação em termos de lucro: para atingir R$ 130milhões de lucro em vendas e $ 3 milhões em vendas de espaço para propaganda.55 * 3 = 1. • Performance observada por analisadores externos ao site. a análise será feita considerando a arquitetura do site. Introdução de Download Digital de Produtos: A empresa que abrir uma linha de venda de produtos digitais on-line. O tempo de resposta do usuário pode estar decomposto da seguinte forma: 55% Site 38% Rede 7% Cliente Se o objetivo de desempenho for de 3 segundos para as operações de busca de produto e considerando a contribuição de 55% do site no tempo de resposta. sua conexão ao ISP e a capacidade do ISP. por esta razão. Objetivos de Desempenho O site deve estar preparado para acomodar situações de pico. Uma das principais métricas de desempenho de um site de e-comerce é o tempo de resposta de usuários calculado como: TRespostaUsuário=TempoCliente + TempoRede + TempoSite O tempo da rede depende do cliente e da Internet. garantindo um bom desempenho e evitando a desistência dos clientes que resultam em perda de negócios. © LARC-PCS/EPUSP 2008 5 .

1 0.05 0.1 Finaliza compra 0.6 0.1 0.1 0. Daniel Menasce e Virgílio A. o site deve ser dimensionado de forma a garantir tempo de resposta de 1.3 0.7 0. determina-se o número de visitas à cada página através do sistema de equações lineares © LARC-PCS/EPUSP 2008 6 .1 Busca Produto 0.2 0. 0.3 A partir deste diagrama.2 0.2 Adiciona à cesta 0.1 0.2 0. Os blocos correspondem às páginas navegadas e o número sobre cada arco indica a probabilidade de entrar naquela página.3 Home Page 0.35 Seleciona 0.3 0. 3.1 0.Modelagem e Simulação de Sistemas de Computacionais Desta forma.1 Navega Categoria 0.9 Registro 0.25 0. [3]).0 0.15 0. definimos pij como a matriz de probabilidades de ir da página i para a página j e cujos valores estão indicados nos arcos ligando uma página à outra.1 Comportamento do Cliente O comportamento do cliente em termos de navegação das páginas pode ser descrito pelo CBMG (Customer Behavior Model Graph.1 1.3 0.05 0.15 Entrada 0. Almeida [1].25 0.3 0. 3.1 0.65 segundos.05 0.15 0. F.3 Ofertas 0.1 0.2 Métricas obtidas de CBMG Utilizando as leis operacionais. pij é uma matriz MxM sendo M o número de páginas do site.35 0.

172 2. então se acrescenta a equação V0 = 1. Um acesso a uma página é entendido como uma transação..115 0.144 Métricas derivadas de CBMGA probabilidade de compra por visita ao site (ou sessão). VHomepage VCategorias VBusca VRegistro VCompra VOfertas VCesta VSeleciona ΣVi = Tamanho médio da sessão 1..122 reais/segundo © LARC-PCS/EPUSP 2008 7 . isto é. Vi é o número médio de visitas à página i para cada requisição admitida no sistema. M Como a tarefa de um usuário termina ao sair do sistema. Para atingir o RetornoAnual esperado o sistema deve suportar a seguinte vazão financeira: VazãoFinanceira =RetornoAnual /(segundos/ano) Considerando-se como objetivo o faturamento anual de R$ 130 milhões tem-se: VazãoFinanceira=130..250 0. Através de resolução deste sistema de equações. Neste sistema de equações.608 8.000.000/365/24/3600=4.6%. A Vazão Financeira é o valor em reais por segundo que o site consegue render.144 transações A vazão X é medida em transações por segundo executadas pelo site.583 2.607 0.304 1.046. podemos determinar Vi a partir de pij. Desta forma: TamanhoSessão = ΣVi =8.046 0.Modelagem e Simulação de Sistemas de Computacionais Vj = ∑ Vipij i= 0 M para j = 1. é definida como BV = VCompra = 0. 4. indicada como BV.

122 / 225 / 0.144 X = 3. a vazão do site em sessões/segundo é: VazãoFinanceira / VendaMédia / BV Sendo BV = 0. a vazão X. Xpico = 64.046 * 8. deve-se verificar se o sistema garante a vazão 3.122 / 225 / 0. Desta forma. é calculada como: X = VazãoFinanceira/ VendaMédia / BV * TamanhoSessão Sendo TamanhoSessão = ΣVi =8.00.86 © LARC-PCS/EPUSP 2008 8 .01832 vendas/segundo Considerando-se os valores dados tem-se: Sendo BV a probabilidade de compra por visita ao site (ou sessão). o valor da vazão em vendas/segundo para garantir o retorno esperado é VazãoFinanceira/VendaMédia Se VendaMédia for R$ 225.122 / 225 VazãoFinanceira/VendaMédia = 0. X = 4.243 transações/segundo Considerando que nos horários de pico o sistema deve suportar uma carga 20 vezes maior que a normal.39826sessões/segundo Considerando que o TamanhoSessão = ΣVi. definida como transações por segundo que o site deve suportar.Modelagem e Simulação de Sistemas de Computacionais Considerando-se VendaMédia como o valor médio de uma venda.243 *20 = 64.144 .046 VazãoFinanceira / VendaMédia / BV =0.86 com tempo de resposta aceitável ao usuário. VazãoFinanceira / VendaMédia / BV = 4. então a vazão em vendas/segundo é VazãoFinanceira/VendaMédia = 4.046.

5 14.49 0.0 Demandas (mseg) 0. Considerando a Transação de Busca.38 1. por exemplo: Componentes Servidores Web (3) Servidores de Aplicação (2) Servidor de Base de Dados Rede LAN1 LAN2 LAN3 Link T3 Demandas Processador (mseg) E/S (mseg) 5.1 31.Modelagem e Simulação de Sistemas de Computacionais 3.0 14.53 0.0 10.3 Estrutura do Site de E-Business Internet Link T3 Balanceador de carga Servidores de Aplicação Servidores Web LAN 1 LAN 2 LAN 3 Servidor de Base de Dados Demandas de Serviço para uma Transação Através de softwares de monitoração podemos determinar o tempo médio de serviço das diversas transações.2 9.2 © LARC-PCS/EPUSP 2008 9 .

Podemos utilizar.75 milisegundos Agora a maior demanda é da UCP do servidor de base de dados.031 segundos/transação. © LARC-PCS/EPUSP 2008 10 . Para atender a esta vazão. a unidade de disco deve ser trocada por uma mais rápida.258 transações/segundo Podemos observar que esta vazão é inferior à vazão pretendida de 64.243 transações/segundo enquanto que o objetivo proposto é dimensionar o sistema para tratar a vazão de 64. neste caso.Modelagem e Simulação de Sistemas de Computacionais A demanda de serviço de cada componente indica o tempo total consumido pelo componente para a execução da transação considerando as diversas visitas ao mesmo. isto é. por exemplo. Dmax =14. A vazão máxima do sistema é Xmax = 1/Dmax =1/0.1 e. Resposta HTTP T3 LAN1 UCPWEB DiscoWEB LAN2 UCPApl DiscoApl LAN3 UCPBD DiscoBD DataBase Server (1) Requisição HTTP WEB Server (3) Aplication Server (2) Algoritmo de Análise do Valor Médio para Redes Abertas: O disco do servidor de Base de Dados é o gargalo do sistema pois tem a maior demanda que é Dmax =31 milisegundos/transação = 0. A vazão atual do sistema é X=3.031 = 32. Em termos de redes de filas podemos representar o sistema de acordo com a figura a seguir.86 transações/segundo O balanceador de carga tem a função distribuir as cargas entre os três diferentes servidores Web. DDiscoBD=31/4=7. um RAID com velocidade 4 vezes maior que o atual. Neste caso a demanda do disco será dividida por 4.86.

9145 0. “Scaling E-Business: Technologies. Proc.92 transações/segundo Utilizando o algoritmo de Análise do Valor Médio para sistemas abertos obtemos o tempo de resposta total R=0. 1999 ACM Conference in Electronic Commerce. A. 2002. Prentice-Hall. V.0005 0.C.007 0.0040 0..0318 0.2 Demanda de Utilização de Número médio Tempo médio de Tempo médio de resposta do cada cada de acessos ao resposta de cada cluster (seg) dispositivo dispositivo dispositivo dispositivo Qi= Ui/(1-Ui) Ri* Vi= Di/(1-Ui) Ri* Vi= Di/(1-Ui) Di/numdisp Ui = XDi ou Ri* Vi= Di ouRi* Vi= D ou Q = U (seg/ trans) i i i Dispositivos 0.8316 0. D.75 0. Fonseca.0005 0.0148 0.1650 0. Almeida.00038 0.4799 10.2414 segundos como mostra a tabela a seguir: Demandas do Cluster Di (miliseg/ trans) UCP do Servidor WEB Disco do Servidor Web UCP do Servidor de Aplicações Disco do Servidor de Aplicações UCP do Servidor de Base de Dados Disco do Servidor de Base de Dados LAN 1 LAN 2 LAN 3 Link T3 Tempo de Resposta 5. 119-128..5027 0.00173 0. F.0012 0. Performance and Capacity Planning”. IEEE IT Professional.00775 0.0778 0.. “A methodology for Workload Characterization for E-commerce Servers”.2585 0. M.00053 0.0012 0.0012 0.0778 0.4540 0. A.F. 1999.0120 0..0005 0. A. 2000.005 0. CO.1650 0.ifabc.A.2 9.html. ISBN: 0-13-086328-9. [3] Menascé.1124 0.0059 0.1 7.38 1.0156 0.0318 0.0141 = 70.org/web/index.0344 0.53 0.0004 0.0005 0.0128 0..Modelagem e Simulação de Sistemas de Computacionais Xmax = 1/Dmax =1/0..00317 0.2054 0.2414 R=ΣRi= 4 Bibliografia [1] Menascé. [4] Almeida. Jul-Aug. Denver. 449p. Mendes.A. V. [2] IFABC Web Measurement Standards. http://www.0020 0. V.6995 1.1267 0. D. Models. Menascé.00049 0.0256 0. R.0156 0.. A. Almeida. F.49 0.0074 0. Nov.0141 0. © LARC-PCS/EPUSP 2008 11 .0246 0.0344 0.0246 0.3243 0.5 14 10 14. D. “Capacity Planning: An Essential Tool for Managing Web Services”. p 33-38.0004 0.0107 0.. A.