Modelos de dados rastreáveis em arquiteturas de aplicações inteligentes
| Autor: | Biondi, Gabriela Oliveira |
|---|---|
| Přispěvatelé: | Kamienski, Carlos Alberto, Prati, Ronaldo Cristiano, Scott, Ana Lígia Barbour, Kleinschmidt, João Henrique, Bittencourt, Luiz Fernando, Maia, Rodrigo Filev |
| Jazyk: | portugalština |
| Rok vydání: | 2021 |
| Předmět: |
DATA MODELING
COMPUTAÇÃO EM NUVEM COMPUTAÇÃO EM NÉVOA CLOUD COMPUTING SMART APPLICATIONS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC RASTREABILIDADE MODELAGEM DE DADOS CONTEXT-AWARE COMPUTING TRACEABILITY INTERNET DAS COISAS FOG COMPUTING INTERNET OF THINGS PERDA DE DADOS DATA LOSS COMPUTAÇÃO SENSÍVEL AO CONTEXTO APLICAÇÕES INTELIGENTES |
| Zdroj: | Repositório Institucional da UFABC Universidade Federal do ABC (UFABC) instacron:UFABC |
| Popis: | Orientador: Prof. Dr. Carlos Alberto Kamienski Coorientador: Prof. Dr.Ronaldo Cristiano Prati Tese (doutorado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, Santo André, 2021. As Aplicações Inteligentes utilizam recursos de IoT para melhorar a experiência dos seus usuários nas cidades, na indústria, no campo e na saúde. Suas soluções demandam inovação pois (1) elas trabalham com cenários variados, (2) com um grande volume e variabilidade de dados, em arquiteturas distribuídas e, muitas vezes, (3) exigindo respostas em tempo real. Além disso, (4) essa combinação torna esse tipo de aplicação mais sensível a falhas, que podem fazer com que muitos dados sejam perdidos por problemas de hardware/software, conexão com a internet, fornecimento de energia, entre outras coisas. A perda de dados prejudica a rastreabilidade de eventos e consequentemente a auditoria do que foi executado. Para lidar com os desafios que as Aplicações Inteligentes trazem, seu modelo de dados precisa (1) ser genérico para se adequar a diferentes cenários, (2) flexível para lidar com diferentes formatos de dados, (3) escalável para ter bom desempenho diante grandes volumes de dados, e, por fim, (4) ser rastreável para que os eventos possam ser auditados, mesmo em caso de perda de dados. O objetivo desta pesquisa é propor e validar uma abordagem de modelagem de dados para aplicações inteligentes que apresente soluções para os quatro desafios citados: ser (1) genérica, (2) flexível, (3) escalável e (4) rastreável. Além disso, também é objetivo explorar a característica da rastreabilidade mediante a perda de dados e propor uma solução usando uma abordagem probabilística para esses casos. Para a validação, são usados testes qualitativos e quantitativos para cada uma das características. Os resultados dos experimentos qualitativos mostraram que o modelo proposto consegue se adaptar a diferentes cenários e armazenar dados de tipos variados, sendo assim genérico e flexível. Já os resultados dos experimentos quantitativos mostraram que a arquitetura distribuída e as modelagens híbridas diminuem o gargalo do armazenamento de uma grande quantidade de dados e que as abordagens probabilísticas podem ser usadas para rastrear eventos mesmo em casos em que parte dos dados são perdidos, senso assim escalável e rastreável. Intelligent Applications uses IoT resources to improve the experience of its users in cities, industry, the countryside and healthcare. Their solutions demand innovation because (1) they work with varied scenarios, (2) with a large volume and variability of data, in distributed architectures and, often, (3) requiring real-time responses. Furthermore, (4) this combination makes this type of application more sensitive to failures, which can cause a lot of data to be lost due to hardware/software problems, internet connection, power supply, among other things. The loss of data hinders the traceability of events and consequently the auditing of what has been executed. To deal with the challenges that Intelligent Applications bring, its data model needs to (1) be generic to suit different scenarios, (2) be flexible to handle different data formats, (3) be scalable to perform well in large volumes of data, and, finally, (4) be traceable so that events can be audited, even in case of data loss. The objective of this research is to propose and validate a data modeling approach for intelligent applications that presents solutions for the four challenges cited: to be (1) generic, (2) flexible, (3) scalable and (4) traceable. In addition, it also aims to explore the traceability feature through data loss and propose a solution using a probabilistic approach for these cases. For validation, qualitative and quantitative tests are used for each of the characteristics. The results of the qualitative experiments showed that the proposed model can adapt to different scenarios and store data of various types, thus being generic and flexible. The results of the quantitative experiments showed that the distributed architecture and hybrid modeling decreases the bottleneck of storing a large amount of data and that probabilistic approaches can be used to track events even in cases where part of the data is lost, thus scalable and traceable. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|