Orama++ : um framework orientado a redes neurais artificiais para predição de tempo de execução e custos em plataformas FaaS multinuvem

Abstract

A computação serverless e, em particular, o modelo Function-as-a-Service (FaaS), têm ganhado popularidade devido à sua escalabilidade, flexibilidade e ao gerenciamento simplificado de infraestrutura. Entretanto, a avaliação de desempenho de aplicações em diferentes provedores de nuvem ainda apresenta desafios significativos, decorrentes da heterogeneidade das plataformas, das variações na alocação de recursos e da ausência de ferramentas padronizadas para experimentação sistemática. Este trabalho propõe o Orama++, um framework orientado a redes neurais artificiais para predição do tempo de execução e dos custos de aplicações FaaS em ambientes multi-nuvem. Além disso, o Orama++ possibilita a execução estruturada de benchmarks em plataformas serverless, abrangendo provedores tais como Amazon Web Services (AWS), Google Cloud Platform (GCP), Microsoft Azure e Alibaba Cloud. O sistema automatiza o provisionamento de cenários experimentais, suportando desde funções simples até aplicações que interagem com serviços de armazenamento e bancos de dados. O framework também orquestra execuções repetitivas para garantir reprodutibilidade experimental e aplica análises estatísticas baseadas em projeto fatorial 2 k e testes t pareados, permitindo avaliar o impacto de diferentes fatores no desempenho das aplicações. Com base nos dados coletados, modelos de redes neurais artificiais são treinados para estimar o tempo de execução e os custos de aplicações FaaS em diferentes configurações de provedores e tamanhos de entrada. Dessa forma, este trabalho contribui para apoiar o processo de tomada de decisão na escolha do uso de serviços FaaS, fornecendo um ambiente estruturado para experimentação, análise comparativa e predição de tempo de execução e custo em plataformas de nuvem pública.