Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 701
Aluno: Assis Tiago de Oliveira Filho
Orientador: Prof. Djamel Fawzi Hadj Sadok
Título: Adaptive Architecture for Intelligent Optimization of the Linux
Data Plane in Virtualized Environments
Data: 10/04/2026
Hora/Local: 14h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. José Augusto Suruagy Monteiro (UFPE / Centro de Informática)
Prof. Paulo Romero Martins Maciel (UFPE / Centro de Informática)
Prof. Renato Mariz de Moraes (UFPE / Centro de Informática)
Prof. Antonio Alfredo Ferreira Loureiro (UFMG / Departamento de Ciência da Computação)
Prof. Fabio Luciano Verdi (UFSCar / Departamento de Computação)
RESUMO:
No âmbito conceitual, esta tese propõe uma mudança de paradigma,
redefinindo o Linux Data Plane de um pipeline estático tradicional para um
espaço de configuração dinâmico, onde tecnologias heterogêneas de
aceleração devem coexistir de forma orquestrada. Para operacionalizar esta
visão, a pesquisa apresenta o Data-plane Just-in-time Optimizer (DJO), uma
arquitetura autônoma estruturada em quatro pilares integrados: Descoberta,
Monitoramento, Otimização e Atuação. O núcleo desse sistema é um mecanismo
de decisão multiobjetivo, ciente do contexto e agnóstico a métricas,
projetado para inferir e aplicar a configuração ideal em tempo quase real.
Essa abstração permite gerenciar diversos trade-offs operacionais da
infraestrutura, sendo a sua eficácia validada nesta pesquisa através do
equilíbrio entre a minimização da latência induzida pela virtualização
(RTT) e o controle do custo computacional (utilização de CPU). A pesquisa
combina a metodologia DSR com um mecanismo de regras hierárquicas e um
processo de desenvolvimento de Aprendizado de Máquina estruturado pelo
framework CRISP-DM, com validação suportada por uma plataforma DT. A
viabilidade da arquitetura foi demonstrada empiricamente: os módulos de
Descoberta e Monitoramento apresentam baixa sobrecarga operacional,
mantendo um consumo médio de CPU abaixo de 7\%, mesmo gerenciando 128
instâncias de contêiner. Quanto à eficácia, a orquestração dinâmica reduziu
a latência (RTT) em 86,7\% nos cenários avaliados, com o núcleo cognitivo
demonstrando precisão de 70\% e um viés conservador focado na garantia de
SLA. Ao automatizar esse processo de tomada de decisão, o DJO estabelece
uma abordagem pragmática e flexível para o gerenciamento adaptável do Data
Plane, operando nos modos passivo e ativo, otimizando o desempenho sem
exigir reescrita de aplicações e oferecendo uma solução coesa para o
desafio da otimização fragmentada.
Palavras-chave: Linux Data Plane, Orquestração Adaptativa, Otimização de
Performance, Virtualização, Machine Learning, Digital Twin, Inferência de
Configuração.
Comentários desativados