Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/58205 |
Resumo: | Plataformas de desenvolvimento de aplicações para cidades inteligentes recebem, armazenam, processam e exibem grandes volumes de dados de diferentes fontes e possuem diversos usuários, como cidadãos, visitantes, governo e empresas. A infraestrutura computacional subjacente para suportar essas plataformas deve lidar com a carga de trabalho altamente dinâmica das diferentes aplicações, com acesso simultâneo de vários usuários e, às vezes, trabalhando com muitos dispositivos interconectados. Tal infraestrutura normalmente engloba plataformas de nuvem para armazenamento e computação de dados, capazes de aumentar ou diminuir de acordo com as demandas das aplicações. Esta tese propõe uma abordagem autonômica para autoescalar infraestruturas de plataformas de cidades inteligentes. A abordagem segue o loop de controle MAPE-K para ajustar dinamicamente a infraestrutura em resposta às mudanças na carga de trabalho. Ele oferece suporte a cenários em que o número de solicitações de processamento é desconhecido a priori. O desempenho da abordagem foi avaliado no contexto da infraestrutura computacional subjacente ao Smart Geo Layers (SGeoL), uma plataforma para o desenvolvimento de aplicações de cidades inteligentes do mundo real. |
id |
UFRN_64f66e616b4aa21751460c01088e3edc |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/58205 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Solino, André Luiz da Silvahttp://lattes.cnpq.br/7784434236797122https://orcid.org/0000-0003-3558-1450http://lattes.cnpq.br/5521922960404236Cavalcante, Everton Ranielly de Sousahttps://orcid.org/0000-0002-2475-5075http://lattes.cnpq.br/5065548216266121Almeida, André Gustavo Duarte deFerraz, Carlos André GuimarãesCacho, Nelio Alessandro AzevedoBatista, Thais Vasconcelos2024-04-22T19:53:38Z2024-04-22T19:53:38Z2023-11-23SOLINO, André Luiz da Silva. An autonomic strategy for auto-scaling in smart city platform infrastructures. Orientadora: Dra. Thais Vasconcelos Batista. 2023. 146f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023.https://repositorio.ufrn.br/handle/123456789/58205Plataformas de desenvolvimento de aplicações para cidades inteligentes recebem, armazenam, processam e exibem grandes volumes de dados de diferentes fontes e possuem diversos usuários, como cidadãos, visitantes, governo e empresas. A infraestrutura computacional subjacente para suportar essas plataformas deve lidar com a carga de trabalho altamente dinâmica das diferentes aplicações, com acesso simultâneo de vários usuários e, às vezes, trabalhando com muitos dispositivos interconectados. Tal infraestrutura normalmente engloba plataformas de nuvem para armazenamento e computação de dados, capazes de aumentar ou diminuir de acordo com as demandas das aplicações. Esta tese propõe uma abordagem autonômica para autoescalar infraestruturas de plataformas de cidades inteligentes. A abordagem segue o loop de controle MAPE-K para ajustar dinamicamente a infraestrutura em resposta às mudanças na carga de trabalho. Ele oferece suporte a cenários em que o número de solicitações de processamento é desconhecido a priori. O desempenho da abordagem foi avaliado no contexto da infraestrutura computacional subjacente ao Smart Geo Layers (SGeoL), uma plataforma para o desenvolvimento de aplicações de cidades inteligentes do mundo real.Smart city application development platforms receive, store, process, and display large volumes of data from different sources and have several users, such as citizens, visitors, government, and companies. The underlying computing infrastructure to support these platforms must deal with the highly dynamic workload of the different applications, with simultaneous access from multiple users and sometimes working with many interconnected devices. Such an infrastructure typically encompasses cloud platforms for data storage and computation, capable of scaling up or down according to the demands of applications. In this context, auto-scaling is the feasible option to dynamically manage the resources of the underlying infrastructure to avoid performance degradation. This thesis proposes an autonomic approach for autos-caling smart city platform infrastructures. The approach follows the MAPE-K control loop to dynamically adjust the infrastructure in response to workload changes. It supports scenarios where the number of processing requests is unknown a priori. The strategy suggests horizontal and vertical scaling actions to keep the platform operating efficiently upon customer demand. The performance of the approach has been evaluated upon the computational environment that supports Smart Geo Layers (SGeoL), a platform for developing real-world smart city applications.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOUFRNBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOComputaçãoSmart city platformsCloud computingAuto-scalingAutonomic computingMAPE-KUma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentesAn autonomic strategy for auto-scaling in smart city platform infrastructuresinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALAutonomicstrategyautoscaling_Solino_2023.pdfapplication/pdf3113197https://repositorio.ufrn.br/bitstream/123456789/58205/1/Autonomicstrategyautoscaling_Solino_2023.pdf1113a7068e65cec862c0a6642591f6ccMD51123456789/582052024-04-22 16:54:18.664oai:https://repositorio.ufrn.br:123456789/58205Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2024-04-22T19:54:18Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes |
dc.title.alternative.pt_BR.fl_str_mv |
An autonomic strategy for auto-scaling in smart city platform infrastructures |
title |
Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes |
spellingShingle |
Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes Solino, André Luiz da Silva CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Computação Smart city platforms Cloud computing Auto-scaling Autonomic computing MAPE-K |
title_short |
Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes |
title_full |
Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes |
title_fullStr |
Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes |
title_full_unstemmed |
Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes |
title_sort |
Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes |
author |
Solino, André Luiz da Silva |
author_facet |
Solino, André Luiz da Silva |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/7784434236797122 |
dc.contributor.advisorID.pt_BR.fl_str_mv |
https://orcid.org/0000-0003-3558-1450 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5521922960404236 |
dc.contributor.referees1.none.fl_str_mv |
Almeida, André Gustavo Duarte de |
dc.contributor.referees2.none.fl_str_mv |
Ferraz, Carlos André Guimarães |
dc.contributor.referees3.none.fl_str_mv |
Cacho, Nelio Alessandro Azevedo |
dc.contributor.author.fl_str_mv |
Solino, André Luiz da Silva |
dc.contributor.advisor-co1.fl_str_mv |
Cavalcante, Everton Ranielly de Sousa |
dc.contributor.advisor-co1ID.fl_str_mv |
https://orcid.org/0000-0002-2475-5075 |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/5065548216266121 |
dc.contributor.advisor1.fl_str_mv |
Batista, Thais Vasconcelos |
contributor_str_mv |
Cavalcante, Everton Ranielly de Sousa Batista, Thais Vasconcelos |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Computação Smart city platforms Cloud computing Auto-scaling Autonomic computing MAPE-K |
dc.subject.por.fl_str_mv |
Computação Smart city platforms Cloud computing Auto-scaling Autonomic computing MAPE-K |
description |
Plataformas de desenvolvimento de aplicações para cidades inteligentes recebem, armazenam, processam e exibem grandes volumes de dados de diferentes fontes e possuem diversos usuários, como cidadãos, visitantes, governo e empresas. A infraestrutura computacional subjacente para suportar essas plataformas deve lidar com a carga de trabalho altamente dinâmica das diferentes aplicações, com acesso simultâneo de vários usuários e, às vezes, trabalhando com muitos dispositivos interconectados. Tal infraestrutura normalmente engloba plataformas de nuvem para armazenamento e computação de dados, capazes de aumentar ou diminuir de acordo com as demandas das aplicações. Esta tese propõe uma abordagem autonômica para autoescalar infraestruturas de plataformas de cidades inteligentes. A abordagem segue o loop de controle MAPE-K para ajustar dinamicamente a infraestrutura em resposta às mudanças na carga de trabalho. Ele oferece suporte a cenários em que o número de solicitações de processamento é desconhecido a priori. O desempenho da abordagem foi avaliado no contexto da infraestrutura computacional subjacente ao Smart Geo Layers (SGeoL), uma plataforma para o desenvolvimento de aplicações de cidades inteligentes do mundo real. |
publishDate |
2023 |
dc.date.issued.fl_str_mv |
2023-11-23 |
dc.date.accessioned.fl_str_mv |
2024-04-22T19:53:38Z |
dc.date.available.fl_str_mv |
2024-04-22T19:53:38Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SOLINO, André Luiz da Silva. An autonomic strategy for auto-scaling in smart city platform infrastructures. Orientadora: Dra. Thais Vasconcelos Batista. 2023. 146f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/58205 |
identifier_str_mv |
SOLINO, André Luiz da Silva. An autonomic strategy for auto-scaling in smart city platform infrastructures. Orientadora: Dra. Thais Vasconcelos Batista. 2023. 146f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
url |
https://repositorio.ufrn.br/handle/123456789/58205 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/58205/1/Autonomicstrategyautoscaling_Solino_2023.pdf |
bitstream.checksum.fl_str_mv |
1113a7068e65cec862c0a6642591f6cc |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117848179408896 |