Workberch : Solución de Big Data para Workflows científicos.

Abstract

Los sistemas de workflows científicos son programas utilizados principalmente en la comunidad bioinformática para la experimentación in silico. Comúnmente, estos programas tienen que lidiar con grandes volúmenes de datos de diversos tipos y complejidades. Por otro lado, en el mundo de IT surgen herramientas catalogadas como herramientas de Big Data. Estas herramientas surgen de la necesidad de tener que trabajar de forma eficiente con grandes y complejos volúmenes de datos. Este proyecto se encarga de estudiar si es posible mejorar la performance de los sistemas de workflows científicos (SWfMS) utilizando tecnologías de Big Data y se plantea como objetivo, la construcción de un prototipo que mejore la performance de alguno de los SWfMS existentes. Para esto se analizó el funcionamiento general de los SWfMS y se estudiaron dos herramientas específicamente: Taverna y Kepler. A su vez se hizo un análisis de los distintos tipos de herramientas de Big Data que existen para poder elegir aquellas que se adaptan mejor a la realidad de los SWfMS. De este análisis se optó por tomar a Taverna como SWfMS base y a Apache Storm como tecnología base de Big Data. Esta selección dio cómo paso a la construcción del prototipo denominado Workberch, el cual cubre las funcionalidades mínimas de Taverna pero suficientes para poder comparar su rendimiento. Los resultados de las pruebas de performance demostraron que en algunos escenarios, el prototipo Workberch tiene menores tiempos de ejecución que Taverna, mientras que en los escenarios restantes, se plantean alternativas de mejora que permitirían evolucionarla y mitigar estas limitaciones.