Navegando por Autor "Sousa, Erica Teixeira Gomes de"

Agora exibindo 1 - 4 de 4

CIMut: ferramenta de injeção de falhas em ambientes de nuvens por mutação
(2025-02-13) Duarte, Guilherme Silva; Sousa, Erica Teixeira Gomes de; http://lattes.cnpq.br/9899077867723655; http://lattes.cnpq.br/6937961051628049
A injeção de falhas de software é uma técnica valiosa para avaliar a resiliência de sistemas de software complexos. Ao introduzir falhas em componentes específicos, os pesquisadores podem observar como essas falhas se propagam e impactam o comportamento geral do sistema. Este artigo apresenta a ferramenta CIMut, desenvolvida para injeção de falhas por meio da mutação do código-fonte. A mutação do código-fonte possibilita a introdução de falhas para análise de sistemas. Um estudo experimental abrangente realizado no OpenStack, uma plataforma de computação em nuvem de código aberto, demonstra a eficácia da ferramenta. Foram realizados mais de 62 experimentos no OpenStack, cada um injetando falhas em diferentes componentes do sistema. Os resultados do estudo foram promissores. Uma parcela significativa (até 96,7%) das falhas injetadas resultou em bugs, classificados como erros explícitos (travamentos, exceções) ou bugs com impacto funcional (comportamento incorreto, perda de dados). Esses resultados demonstram que a ferramenta CIMut é capaz de gerar falhas representativas que podem ser utilizadas para avaliar a resiliência de sistemas de software complexos como o OpenStack.
Detecção de Code Smells em ambientes de nuvem
(2025-02-24) Amorim, João Victor Silva de; Sousa, Erica Teixeira Gomes de; http://lattes.cnpq.br/9899077867723655; http://lattes.cnpq.br/2962216276431331
Code smells são características do código que indicam possíveis problemas no design estrutural do software. Embora essas questões não causem falhas imediatas na funcionalidade do sistema, podem comprometer aspectos cruciais, como desempenho, escalabilidade, manutenibilidade e confiabilidade, especialmente em projetos de grande escala. Este trabalho apresenta uma ferramenta desenvolvida para detectar code smells em plataformas de computação em nuvem. A ferramenta foi projetada para identificar code smells relacionados a código repetitivo, código morto e funções contendo múltiplas instruções de retorno. A ferramenta proposta detectou nove tipos de code smells, analisando mais de 1.200 arquivos de código em Python e Java. No OpenStack, o código repetitivo foi o problema mais prevalente, representando 65,7% dos casos, enquanto no CloudStack, classes e métodos longos foram os mais recorrentes, totalizando 39,5% do total. Além disso, o code smell proposto, número mágico, se destacou ao representar 6,1% do total de code smells no CloudStack e 8,4% no OpenStack, evidenciando sua relevância para a legibilidade e manutenibilidade do código. A análise da detecção de code smells demonstra a importância da ferramenta NimbusScan, pois não apenas acelera o processo de revisão de código, mas também promove a modularidade e a clareza necessárias em sistemas complexos e dinâmicos. Essa análise conclui que soluções como a apresentada são essenciais para o desenvolvimento de software robusto e eficiente, capaz de atender às crescentes demandas do mercado de computação em nuvem, desempenhando um papel fundamental na melhoria contínua da qualidade do código e na longevidade dos sistemas.
Uma metodologia para a avaliação de desempenho e custos do treinamento de redes neurais em ambientes de nuvem
(2024-03-07) Moura Filho, Cláudio Márcio de Araújo; Sousa, Erica Teixeira Gomes de; http://lattes.cnpq.br/9899077867723655; http://lattes.cnpq.br/8143173691280119
Redes neurais profundas são soluções para problemas que envolvem reconhecimento de padrões e diversos trabalhos tentam encontrar maneiras de otimizar o desempenho dessas redes. Essa otimização necessita de hardware adequado para ser implementada, hardware esse que pode ser muito custoso para pequenas e médias organizações. O objetivo deste trabalho é propor uma metodologia para avaliar o desempenho e custo do treinamento de redes neurais, considerando os fatores mais impactantes no tempo de treinamento e avaliar o custo financeiro total do ambiente para essa tarefa. Nesse sentido, observou-se que fatores como o tamanho da imagem de entrada e a arquitetura da rede tem grande impacto na métrica de tempo de treinamento e por consequência no custo total.
Uma revisão sistemática sobre avaliação do consumo de energia em nuvem das coisas
(2021-12-10) Ferreira, Emerson Severino de Oliveira Ramos; Sousa, Erica Teixeira Gomes de; http://lattes.cnpq.br/9899077867723655; http://lattes.cnpq.br/9000455288391839
Dispositivos IoT são usados em vários tipos de indústrias verticais e mercados de consumo. Em 2020 haviam cerca de 8 bilhões dispositivos conectados ao redor do mundo, onde a previsão para 2030 é ter mais de 25 bilhões de dispositivos conectados. Além disso, o mercado mundial de dispositivos IoT na área governamental irá transacionar por volta de $21 bilhões de dólares em 2022, onde mais de 50% desse montante será por equipamentos de vigilância externa. O que representa um aumento de 36% em comparação com 2020. Nos dias atuais, uma grande tendência de pesquisa é a combinação de Cloud Computing e Internet of Things (IoT) assim criando assim o conceito de Cloud of Things (CoT). CoT tem como objetivo oferecer recursos computacionais de maneira difusa e ubíqua, em que as características de IoT são oferecidas como serviços através da Cloud Computing. Deste modo CoT atua como um middleware que faz interação entre as coisas (Things) e usuários/aplicações de forma transparente, eliminando a complexidade o que facilita o desenvolvimento de aplicações que interagem com objetos inteligentes, podendo ser utilizada em áreas como Healthcare, Smart Cities, Smart Home, Video Surveillance, Smart Mobility, Smart Energy, entre outros. Nos ambientes de CoT, a grande quantidade de comunicação e transmissão de dados efetivadas por dispositivos IoT, degradam a eficiência energética desses ambientes, afetando a qualidade dos serviços. Desta forma, este trabalho descreve uma revisão sistemática sobre a estratégias para avaliação do consumo de energia em nuvem das coisas. Essa revisão sistemática tem como objetivo reunir estudos publicados relacionados a avaliação de consumo de energia em IoT e nuvem das coisas, para uma análise das metodologias empregadas nesses trabalhos e proposição de trabalhos futuros sobre avaliação de consumo de energia de nuvem das coisas.