SIMF: um framework de injeção e monitoramento de falhas de nuvens computacionais utilizando SPN

• Ano de defesa: 2017
• Autor(a) principal: OLIVEIRA, Aline Santana Oliveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco; UFPE; Brasil; Programa de Pos Graduacao em Ciencia da Computacao
• Palavras-chave em Português: Ciência da computação; Redes de Petri; Computação em nuvem
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/27928

A computação em nuvem é um paradigma computacional que vem sendo utilizado ao longo dos últimos anos devido as suas características de provisionamento de recursos de forma escalável, onde seus usuários pagam apenas por aquilo que consomem. Esse modelo computacional possibilita que diversos serviços sejam ofertados a partir da sua Infraestrutura como Serviço. Porém, a falha de componentes dos recursos da nuvem é algo bastante comum e que afeta diretamente a disponibilidade dos serviços que os utilizam. Dessa forma, surgiu o interesse na área da pesquisa acadêmica em estudar e avaliar esse ambiente a fim de garantir alta disponibilidade em serviços na nuvem. Para auxiliar na avaliação desses serviços, os pesquisadores desenvolvem ferramentas, entretanto a maioria dos softwares precisam de atualizações constantes para que se adaptarem ao ambiente no qual foi desenvolvido o que leva o usuário ao retrabalho. Sendo assim, este trabalho tem como proposta desenvolver um framework que auxilie o pesquisador no estudo de disponibilidade de serviços de nuvem computacional. Esse framework utiliza SPN (Stochastic Petri Nets) como um mecanismo de injeção de falhas, que permite que o usuário avalie vários modelos de nuvens computacionais pois o framework não sofrerá modificação para se adequar ao ambiente computacional que será avaliado. Além disso a solução proposta monitora o ambiente e informa ao usuário os tempos de falha e reparo do sistema. Nossos resultados mostraram que o framework foi eficiente e eficaz no resultado da disponibilidade dos modelos avaliados no estudos de caso.