---

A gera‡Æo de grandes volumes de dados, também conhecidos com Big Data, vem se tornando muito comum em ambientes acadêmicos e corporativos. Nesse contexto, é essencial que as aplica‡äes que processam Big Data explorem da melhor forma possível as infraestruturas distribuídas de alto desempenho, possivelmente presentes nesses ambientes, através da implanta‡Æo dessas aplica‡äes sobre sistemas de computa‡Æo intensiva de dados tais como o popular Hadoop. No que diz respeito à configura‡Æo desta plataforma, observa-se uma quantidade considerável de parâmetros que devem ser ajustados e os quais os usuários normalmente nÆo têm no‡Æo de como fazê-los, resultando em um Hadoop mal configurado e com um desempenho aquém do seu real potencial. Este trabalho propäe um processo para auxiliar a configura‡Æo eficiente do Hadoop através do uso de técnicas empíricas que utilizam subespa‡os de parâmetros dessa plataforma, e da aplica‡Æo de análises estatísticas para verificar a relevância dos mesmos, extraindo os valores otimizados em fun‡Æo do subespa‡o de parâmetros considerado.

---

Mestre e Bacharel em Ciência da Computa‡Æo. Já foi professor da Universidade Estadual da Paraíba e atualmente é professor efetivo no Colégio Técnico de Floriano, vinculado à Universidade Federal do Piauí. Leciona e já lecionou disciplinas como Redes de Computadores, Sistemas Distribuídos, Sistemas Operacionais e Linguagens de Programa‡Æo.

---