Uma estratégia autonômica para escalabilidade automática de infraestruturas de plataformas para cidades inteligentes

Detalhes bibliográficos
Autor(a) principal: Solino, André Luiz da Silva
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

Registros relacionados