Monitoramento Granular de Clusters Cassandra sob Cargas Dinâmicas para Predição de Latência
Resumo
Este trabalho apresenta um ambiente experimental virtualizado baseado em Proxmox e Apache Cassandra para monitoramento de serviços distribuídos sob cargas dinâmicas. Foi desenvolvido um pipeline de monitoramento com granularidade de um segundo para coletar métricas de infraestrutura e medições de latência de cauda das operações de leitura e escrita do Cassandra. O conjunto de dados coletado foi utilizado no treinamento de um modelo Random Forest para predição do 95 percentil de latência sob diferentes condições de carga. Os resultados experimentais, analisados por meio de FDAs e métricas de predição, demonstram que a coleta em alta granularidade é eficaz para capturar transientes de carga e apoiar a predição de latência.Referências
3GPP (2023). Architecture enhancements for 5g system (5gs) to support network data analytics services. Technical Report TS 23.288, 3rd Generation Partnership Project (3GPP). Version 18.2.0.
Al-Khalil, A. (2026). Artificial intelligence-driven network slicing: A comparative study of 5g and 6g automation capabilities. ARO-The Scientific Journal of Koya University, 14:212–221.
Google (2024). cAdvisor (Container Advisor). GitHub repository.
Grafana Labs (2026). Grafana: The open observability platform. Accessed in: 2026-05-10.
Hastie, T., Tibshirani, R., and Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, New York, 2nd edition.
ITU-R (2023). Framework and overall objectives of the future development of imt for 2030 and beyond. Technical Report Recommendation ITU-R M.2160-0, International Telecommunication Union.
Lakshman, A. and Malik, P. (2010). Cassandra: A decentralized structured storage system. ACM SIGOPS Operating Systems Review, 44(2):35–40.
Letaief, K. B., Chen, W., Shi, Y., Zhang, J., and Zhang, Y.-J. A. (2019). The roadmap to 6g: Ai empowered wireless networks. arXiv preprint arXiv:1904.11686.
Mijumbi, R., Serrat, J., Gorricho, J.-L., Bouten, N., De Turck, F., and Boutaba, R. (2016). Network function virtualization: State-of-the-art and research challenges. IEEE Communications Surveys & Tutorials, 18(1):236–262.
Prometheus Authors (2026). Prometheus: An open-source monitoring system with a dimensional data model. Accessed in: 2026-05-10.
Proxmox Server Solutions (2024). Proxmox Virtual Environment Administration Guide. Vienna, Austria. Release 8.1.
Ribeiro, J., Vandikas, K., Marquezini, M. V., Rothenberg, C., and Pasquini, R. (2026). An Experimental Framework for Studying Non-IID Data in Federated Learning for Network Telemetry. In Anais do XLIV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 127–140, Porto Alegre, RS, Brasil. SBC.
Scalco-Neto, H., Araujo, A., Both, C., Oliveira-Jr, A., and Cardoso, K. (2021). Uma visão de arquitetura para redes 6g. In Anais do I Workshop de Redes 6G, pages 31–36, Porto Alegre, RS, Brasil. SBC.
Al-Khalil, A. (2026). Artificial intelligence-driven network slicing: A comparative study of 5g and 6g automation capabilities. ARO-The Scientific Journal of Koya University, 14:212–221.
Google (2024). cAdvisor (Container Advisor). GitHub repository.
Grafana Labs (2026). Grafana: The open observability platform. Accessed in: 2026-05-10.
Hastie, T., Tibshirani, R., and Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, New York, 2nd edition.
ITU-R (2023). Framework and overall objectives of the future development of imt for 2030 and beyond. Technical Report Recommendation ITU-R M.2160-0, International Telecommunication Union.
Lakshman, A. and Malik, P. (2010). Cassandra: A decentralized structured storage system. ACM SIGOPS Operating Systems Review, 44(2):35–40.
Letaief, K. B., Chen, W., Shi, Y., Zhang, J., and Zhang, Y.-J. A. (2019). The roadmap to 6g: Ai empowered wireless networks. arXiv preprint arXiv:1904.11686.
Mijumbi, R., Serrat, J., Gorricho, J.-L., Bouten, N., De Turck, F., and Boutaba, R. (2016). Network function virtualization: State-of-the-art and research challenges. IEEE Communications Surveys & Tutorials, 18(1):236–262.
Prometheus Authors (2026). Prometheus: An open-source monitoring system with a dimensional data model. Accessed in: 2026-05-10.
Proxmox Server Solutions (2024). Proxmox Virtual Environment Administration Guide. Vienna, Austria. Release 8.1.
Ribeiro, J., Vandikas, K., Marquezini, M. V., Rothenberg, C., and Pasquini, R. (2026). An Experimental Framework for Studying Non-IID Data in Federated Learning for Network Telemetry. In Anais do XLIV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 127–140, Porto Alegre, RS, Brasil. SBC.
Scalco-Neto, H., Araujo, A., Both, C., Oliveira-Jr, A., and Cardoso, K. (2021). Uma visão de arquitetura para redes 6g. In Anais do I Workshop de Redes 6G, pages 31–36, Porto Alegre, RS, Brasil. SBC.
Publicado
15/06/2026
Como Citar
GOUVEIA, Maria Fernanda N.; RIBEIRO, Johny M. B.; COELHO, Paulo R. S. L.; FAINA, Luis F.; PASQUINI, Rafael.
Monitoramento Granular de Clusters Cassandra sob Cargas Dinâmicas para Predição de Latência. In: ESCOLA REGIONAL DE INFORMÁTICA DO TRIÂNGULO MINEIRO (ERI-TM), 1. , 2026, Uberlândia/MG.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 107-111.
DOI: https://doi.org/10.5753/eritm.2026.27373.
