AMEC: Modelo para Análise de Aplicações com Microsserviços Baseado no Monitoramento do Consumo Energético
Resumo
A computação em nuvem está presente no cotidiano por meio de câmeras, sensores, sistemas de gestão e aplicativos móveis. A arquitetura de microsserviços, amplamente utilizada na nuvem, destaca-se pela escalabilidade, flexibilidade e identificação de problemas. Contudo, o aumento do poder computacional gera elevado consumo energético, exigindo estudos para maior eficiência. Este trabalho apresenta o modelo AMEC, que analisa gargalos de desempenho com foco no consumo energético em microsserviços. O modelo monitora em tempo real CPU, memória, rede e disco, gerando um laudo energético detalhado. Resultados iniciais indicam sua eficácia comparada ao estado da arte.
Palavras-chave:
Aplicações de Computação de Alto Desempenho em Ciências e Engenharias, Arquiteturas de Computadores, Avaliação, Medição e Predição de Desempenho, Ciência de Dados e Computação de Alto Desempenho
Referências
Araujo, G., Barbosa, V., Lima, L. N., Sabino, A., Brito, C., Fé, I., Rego, P., Choi, E., Min, D., Nguyen, T. A., and Silva, F. A. (2024). Energy consumption in microservices architectures: A systematic literature review. IEEE Access, 12:186710–186729.
Biçici, E. (2024). A cloud monitor to reduce energy consumption with constrained optimization of server loads. IEEE Access, 12:25265–25277.
Mahesar, A. R., Li, X., and Sajnani, D. K. (2024). Efficient microservices offloading for cost optimization in diverse mec cloud networks. Journal of Big Data, 11(1).
Saboor, A., Mahmood, A. K., Omar, A. H., Hassan, M. F., Shah, S. N. M., and Ahmadian, A. (2021). Enabling rank-based distribution of microservices among containers for green cloud computing environment. Peer-to-Peer Networking and Applications, 15(1):77–91.
Shafi, N., Abdullah, M., Iqbal, W., Erradi, A., and Bukhari, F. (2024). Cdascaler: a cost-effective dynamic autoscaling approach for containerized microservices. Cluster Computing.
Turin, G., Borgarelli, A., Donetti, S., Damiani, F., Johnsen, E. B., and Tapia Tarifa, S. L. (2023). Predicting resource consumption of kubernetes container systems using resource models. Journal of Systems and Software, 203:111750.
Wang, R., Ying, S., Li, M., and Jia, S. (2020). Hsacma: a hierarchical scalable adaptive cloud monitoring architecture. Software Quality Journal, 28(3):1379–1410.
Biçici, E. (2024). A cloud monitor to reduce energy consumption with constrained optimization of server loads. IEEE Access, 12:25265–25277.
Mahesar, A. R., Li, X., and Sajnani, D. K. (2024). Efficient microservices offloading for cost optimization in diverse mec cloud networks. Journal of Big Data, 11(1).
Saboor, A., Mahmood, A. K., Omar, A. H., Hassan, M. F., Shah, S. N. M., and Ahmadian, A. (2021). Enabling rank-based distribution of microservices among containers for green cloud computing environment. Peer-to-Peer Networking and Applications, 15(1):77–91.
Shafi, N., Abdullah, M., Iqbal, W., Erradi, A., and Bukhari, F. (2024). Cdascaler: a cost-effective dynamic autoscaling approach for containerized microservices. Cluster Computing.
Turin, G., Borgarelli, A., Donetti, S., Damiani, F., Johnsen, E. B., and Tapia Tarifa, S. L. (2023). Predicting resource consumption of kubernetes container systems using resource models. Journal of Systems and Software, 203:111750.
Wang, R., Ying, S., Li, M., and Jia, S. (2020). Hsacma: a hierarchical scalable adaptive cloud monitoring architecture. Software Quality Journal, 28(3):1379–1410.
Publicado
23/04/2025
Como Citar
SILVA, Lucas Oliveira da; RIGHI, Rodrigo da Rosa.
AMEC: Modelo para Análise de Aplicações com Microsserviços Baseado no Monitoramento do Consumo Energético. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS), 25. , 2025, Foz do Iguaçu/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 13-16.
ISSN 2595-4164.
DOI: https://doi.org/10.5753/eradrs.2025.6649.
