Este repositório disponibiliza os conjuntos de dados obtidos a partir da avaliação experimental de estratégias de escalonamento para a aplicação Hubs VR. A pesquisa analisou o impacto da utilização de métricas de hardware e eventos da aplicação no dimensionamento automático dos microsserviços, utilizando tecnologias como Kubernetes, KEDA, Prometheus e Grafana.
Os dados coletados permitem avaliar a eficácia dessas abordagens e servirão de referência para a modelagem de uma arquitetura de escalonamento adaptativo e inteligente, buscando maior estabilidade e eficiência na alocação de recursos em aplicações imersivas.
Os dados coletados nos experimentos foram organizados em dois conjuntos distintos, conforme a abordagem adotada para o escalonamento:
- Considera apenas uso de CPU e tráfego de rede como parâmetros para escalonamento.
- Utiliza uso de CPU, tráfego de rede e taxa de requisições por segundo.
Os arquivos de dados podem ser encontrados na pasta dados/ deste repositório.
Os experimentos foram conduzidos utilizando as seguintes tecnologias:
- Kubernetes (K8s) → Orquestração dos microsserviços da aplicação Hubs VR.
- KEDA → Escalonamento dinâmico baseado em eventos da aplicação.
- Prometheus → Monitoramento e coleta de métricas do sistema.
- Grafana → Visualização e análise gráfica das métricas coletadas.
- k6 → Testes de carga para simulação de usuários e análise do comportamento do sistema.
- Hubs Cloud → Execução da aplicação Hubs em ambiente controlado.
Essas ferramentas permitiram a coleta estruturada de métricas, possibilitando a análise comparativa entre as abordagens de escalonamento.
O objetivo dos experimentos foi avaliar o comportamento da aplicação Hubs VR diante de diferentes estratégias de escalonamento. A configuração experimental incluiu:
- Simulação de diferentes cargas de usuários utilizando k6, variando de 55 a 700 conexões simultâneas.
- Coleta de métricas em tempo real via Prometheus e Grafana.
- Comparação do desempenho do sistema sob duas abordagens de escalonamento:
- Apenas métricas de hardware.
- Métricas combinadas (hardware e eventos da aplicação).
- Análise dos impactos nas seguintes métricas:
- Requisições por segundo.
- Latência.
- Tempo de resposta.
- Percentual de sucesso das requisições.
Os dados gerados neste estudo servirão de referência para a modelagem de uma arquitetura de escalonamento mais eficiente para a aplicação Hubs VR.
Os dados coletados permitiram a comparação entre os dois cenários, destacando os seguintes aspectos:
- Maior estabilidade no escalonamento com métricas combinadas.
- Redução no tempo de resposta e latência quando eventos da aplicação são incorporados.
- Menor dispersão e maior previsibilidade do comportamento do sistema sob carga variável.
- Aprimoramento da alocação de recursos, reduzindo consumo desnecessário de memória.
Essas observações reforçam a importância de associar métricas de hardware com eventos da aplicação para obter ajustes mais rápidos e precisos no escalonamento de microsserviços.