Abstract-Band - Fakultät für Informatik, TU Wien - Technische ...

Bernhard Schreder
Legacy Datasource Interoperability for the Semantic Web
Studium: Masterstudium Software Engineering & Internet Computing
BetreuerIn: Univ.Prof. Dr. Schahram Dustdar
This master thesis discusses the problem of integrating legacy data sources
with other connected applications and data sources, one of the key issues of
processes such as Enterprise Application Integration. This work examines one
possible solution to this problem by leveraging semantic technologies, specifically,
by mapping between ontologies which describe the legacy data sources.
This solution necessitates the mediation and alignment between a data
source's or application's data format and the format prescribed by the central,
shared ontology. Utilizing ontologies is assumed to provide a flexible and lightweight
solution to the data integration problem. In this thesis several semantic
mediation approaches are surveyed, including the requisite preprocessing
steps such as schema lifting and normalization. Using the Mapping Framework
of the University of Karlsruhe as the underlying architecture, a comprehensive
mediation tool has been developed, which supports the creation and execution
of mappings between different ontologies. Several new methods of
importing legacy data sources, such as relational databases and XML data, are
developed and introduced as new services for the mediation tool. Finally, a
number of case studies and application scenarios for these mediation services
are detailed and their applicability and flexibility are evaluated.
Martin Sölkner
Energieeffizienter Elastizitätsmanager für Clouds
Studium: Masterstudium Software Engineering & Internet Computing
BetreuerIn: Univ.Prof. Dr. Schahram Dustdar
Elastizitätsmanagement ist eines der Kernkonzepte, die Clouds von
herkömmlichen Datenzentren unterscheiden und erlaubt es Clouds autonom
auf die Anforderungen ihrer Kunden zu reagieren. Kunden können Ressourcen
der Cloud nach Bedarf anfordern, verwenden und freigeben, wodurch der
Eindruck unbegrenzter Rechenleistung entsteht. Daher kann sich die Anzahl
der tatsächlich durch Kunden genutzten Ressourcen ohne langfristige Planung
jederzeit ändern. Um Clouds die Möglichkeit zu bieten, rechtzeitig auf spontane
Verändern zu reagieren, untersuchten wir selbstlernende Methoden die
das bisherige Verhalten einer Kundenapplikation analysieren und zukünftige
Anfragen an die Cloudressourcen vorhersiehen. Wird ein Anstieg der Kundenaktivität
berechnet, werden rechtzeitig alle benötigten Virtuellen Maschinen
(VM) gestartet. Dadurch werden Verzögerungen, die sich ergeben würden,
wenn die benötigten VM erst bei Bedarf gestartet werden, verhindert.
Gleichzeitig werden VM in Zeiten niedriger Kundenaktivität abgeschaltet, um
Energie zu sparen. Für den Kunden wirkt es, als wenn alle jemals benötigten
VM jederzeit verfügbar wären, während gleichzeitig Energiekosten für den
Cloudprovider reduziert werden. Die untersuchten Methoden wurden im
31