UM MODELO DE ESCALONAMENTO PARA AMBIENTES DE MICROSERVIÇO MULTILOCATARIO

INTRODUÇÃO: Este projeto de iniciação científica focou-se intensamente no desenvolvimento de um modelo de escalonamento de contêineres utilizando técnicas de aprendizado de máquina para otimizar a utilização dos recursos computacionais em ambientes de microserviços. OBJETIVOS: O objetivo principal foi aprimorar significativamente a eficiência operacional dos clusters Kubernetes, levando em consideração o estado atual dos servidores para evitar sobrecarga e melhorar a distribuição dos recursos. MATERIAIS E MÉTODO: A metodologia empregada envolveu a meticulosa configuração de um ambiente de teste robusto em um sistema bare metal, onde o Kubernetes serviu como o orquestrador principal. Microserviços específicos foram implementados com o propósito de gerar métricas operacionais que alimentaram o sofisticado algoritmo de aprendizado de máquina. Este estudo inovador modificou as fases de filtragem e pontuação dentro do processo de escalonamento, substituindo as abordagens padrão do Kubernetes por soluções inovadoras que incorporam inteligência artificial para decisões de alocação mais precisas e eficazes. RESULTADOS: Os resultados demonstraram que o modelo personalizado conseguiu melhorar de forma modesta a distribuição de carga e a utilização da CPU. Apesar de não superar significativamente o escalonador padrão em termos de eficiência de memória e uso de disco, as melhorias observadas foram promissoras. CONSIDERAÇÕES FINAIS: Conclui-se que, embora as vantagens tenham sido modestas, a aplicação de técnicas de aprendizado de máquina no escalonamento de contêineres apresenta um caminho viável e promissor para a otimização de recursos em ambientes de computação em nuvem. Este estudo contribui significativamente para o entendimento de como técnicas avançadas podem ser integradas em sistemas de orquestração existentes para melhorar a eficiência operacional e sugere áreas para futuras investigações.

PALAVRAS-CHAVE: Kubernetes; Aprendizagem de máquina; Escalonamento de containers; Microserviços