Agenda de defesas Agenda de defesas

Voltar

Defesas de dissertações acontecem nesta quarta-feira (13) no CIn

Primeira defesa acontece às 10h e a segunda defesa às 14h

Na quarta-feira (13), no Programa de Pós-Graduação em Ciência da Computação, acontecerão duas defesas de dissertações. A primeira, intitulada “A Hybrid Strategy for Auto-scaling of VMs: An Approach Based on Time Series and Thresholds”, será às 10h; a segunda, intitulada “HSP: A Hybrid Selection and Prioritisation of Regression Test Cases based on Information Retrieval and Code Coverage applied on an Industrial Case Study”, será a partir das 14h, ambas no Centro de Informática (CIn).

A dissertação “A Hybrid Strategy for Auto-scaling of VMs: An Approach Based on Time Series and Thresholds” é de autoria de Paulo Roberto Pereira da Silva, que foi orientado pelos professores Paulo Romero Martins Maciel e Jean Carlos Teixeira de Araújo. A banca examinadora contará com a presença dos professores Kelvin Lopes Dias (CIn/UFPE), Paulo Romero Martins Maciel (CIn/UFPE) e o professor externo Rubens de Souza Matos Júnior (IFS – Campus Lagarto). A defesa será na sala D224, localizada no CIn, e começará a partir das 10h.

Já a dissertação “HSP: A Hybrid Selection and Prioritisation of Regression Test Cases based on Information Retrieval and Code Coverage applied on an Industrial Case Study”, produzida pelo aluno Claudio José Antunes Salgueiro Magalhães, foi orientada pelos professores Alexandre Cabral Mota e Flávia Almeida Barros. A defesa será na sala E423 e contará com os professores Juliano Manabu Iyoda (CIn/UFPE), Alexandre Cabral Mota (CIn/UFPE) e o professor convidado Lucas Albertins de Lima (DC/UFRPE) na banca examinadora.

Resumo 1

A demanda por desempenho, disponibilidade e confiabilidade em sistemas computacionais tem aumentado bastante ultimamente. Melhorar esses aspectos é um importante desafio de pesquisa devido à grande diversidade de aplicações e usuários. A elasticidade dos aplicativos de computação em nuvem desempenha um papel importante e sua implementação é baseada em técnicas de autoescalonamento, as quais permitem aumentar e diminuir a capacidade da aplicação baseada em nuvem. Portanto, é possível lidar com a variação da carga de trabalho sem interromper o serviço. O processo de autoescalonamento pode ser agrupado em duas classes: reativo e proativo. Nesta dissertação, propomos uma abordagem híbrida de autoescalonamento que utiliza soluções reativas e proativas. Nós nos concentramos na operação de um servidor Web, onde aplicamos a característica de CPU-bound na aplicação. A abordagem proposta é um monitor de uso da CPU e gerenciamento de autoescalonamento usado para melhorar o throughput do sistema e reduzir o tempo ocioso da CPU. Nossa proposta é implementada usando modelo reativo baseado em thresholds e cinco modelos de previsão: Drift, Simple Exponential Smoothing, Holt, Holt-Winters e Arima. De forma que as técnicas verificam se o consumo de CPU atingiu um threshold, em caso positivo o sistema é escalonado. Por outro lado, se o threshold não foi alcançado, a fase de previsão é iniciada. Nesta fase, os cinco modelos de previsão são treinados e testados, então o mais adequado para o momento é usado para prever o consumo do recurso computacional. O principal objetivo desta pesquisa é alcançar uma melhor QoS relacionada ao ambiente de computação em nuvem. Em um dos resultados obtidos é possível notar que nosso método híbrido representa uma melhoria no throughput de 12,11% , em relação à técnica baseada somente em threshold.

Resumo 2

A maneira usual de garantir a qualidade dos produtos de software é através de testes. Este trabalho apresenta uma nova estratégia para seleção e priorização de Casos de Teste (TC) para testes de regressão. Na falta de artefatos de código de onde Planos de Teste são derivados, este trabalho usa informações transmitidas por documentos textuais mantidos pela Indústria, como Solicitações de Mudança (CR). O processo proposto é baseado em técnicas de recuperação de informações combinadas com medidas de cobertura de código para selecionar e priorizar os TCs. O objetivo é fornecer um Plano de Teste de alta cobertura que maximize o número de falhas encontradas. Esse processo foi implementado como uma ferramenta protótipo que foi usada em um estudo de caso com nosso parceiro industrial (Motorola Mobility). Os resultados dos experimentos revelaram que a estratégia combinada fornece melhores resultados do que o uso de recuperação de informações e cobertura de código de forma independente. No entanto, vale a pena mencionar que qualquer uma dessas opções automatizadas teve um desempenho melhor do que o processo manual anterior implantado por nosso parceiro industrial para criar planos de teste.