|
Abstract:
|
A proliferação de dispositivos conectados à Internet, estimada em 29,3 bilhões em 2023, impulsionou o desenvolvimento de paradigmas de computação distribuída que complementam a computação em nuvem, como a computação em borda e em névoa. Esses paradigmas, sintetizados pelo conceito de contínuo nuvem-coisas, aproximam o processamento dos dispositivos finais e atendem a requisitos que a arquitetura centralizada da nuvem não consegue satisfazer. Nesse cenário, o monitoramento de sistemas é uma funcionalidade importante para a orquestração de serviços, pois coleta o estado atualizado dos recursos e habilita as decisões de gerenciamento; contudo, o próprio sobrecusto introduzido pelas ferramentas de monitoramento pode comprometer a operação em dispositivos com capacidade computacional limitada. Este trabalho faz uma revisão sobre os paradigmas computacionais relevantes na literatura, com foco na computação em borda e em névoa. Neste contexto, busca também análises sobre monitoramento e métricas relevantes, bem como soluções de monitoramento já existentes, definindo taxonomias relevantes para ambas.
À partir disso, realiza-se uma avaliação experimental, utilizando como metodologia um benchmark, entre duas ferramentas de monitoramento de sistemas Linux, o Performance Co-Pilot (PCP) e a stack Prometheus, incluindo Node Exporter, avaliando o sobrecusto que cada uma impõe sobre uma máquina com recursos constritos, visando contemplar casos de nós borda. Os experimentos foram conduzidos no testbed Emulab, utilizando o Yahoo! Cloud Serving Benchmark (YCSB) para gerar cargas transacionais sobre o sistema de banco de dados MySQL~8.4, em quatro perfis de carga de trabalho e dois tamanhos de buffer pool (128MB e 1GB), comparando três configurações: sem monitoramento (baseline), com pmlogger e com o Node Exporter. Os resultados indicam que ambas as ferramentas impõem sobrecusto limitado, com aparente tendência de piora em termos de vazão e latência, porém da mesma ordem de grandeza que a variabilidade natural entre execuções independentes do mesmo cenário. Como encaminhamento para trabalhos futuros, recomenda-se a execução de múltiplas repetições por cenário para estimativa de variância, o aumento da granularidade de threads nas varreduras, avaliação mais precisa do sobrecusto da latência e avaliação de bases de dados NoSQL. |
