Adapt and Automate: Efficiently Monitoring in the Cloud Continuum

Monitoring systems are increasingly being deployed throughout the cloud continuum, a distributed and heterogeneous environment with varying software and hardware stacks designed to be simultaneously accessible in a multi-tenant fashion. Its fog and edge computing layers exhibit lower network latency and greater responsiveness compared to the upper cloud layer. However, they have lower reliability due to the prevalence of wireless connectivity, and fewer computational capabilities due to limited device resources. Managing monitoring systems in the cloud continuum poses several challenges for automation and energy consumption. In this context, this thesis addresses two main challenges: (i) automating the monitoring system configurations in response to dynamic needs and technological constraints, and (ii) efficiently utilizing available resources, which is particularly relevant in the context of fog and edge environments. Regarding the first challenge, this thesis presents two main contributions: (i) a Monitoring-as-a-Service (MaaS) framework that can fully govern the life-cycle of the probes, including error-handling, and (ii) the definition, analysis, and qualitative and quantitative evaluation of 11 possible probe deployment patterns. Regarding the second challenge, this thesis presents two additional contributions. Firstly, it presents a self-adaptive peer-to-peer monitoring system for fog environments that can abstract monitored indicators to logical states and activate countermeasures in turn. Secondly, it proposes an energy-aware approach to guide developers in implementing self-adaptive applications for edge environments. Such applications are capable of switching operation modes in response to changes in the environment, ultimately balancing energy consumption with application-level objectives, such as monitoring accuracy.

I sistemi di monitoraggio vengono sempre più spesso distribuiti nel cloud continuum, un ambiente distribuito ed eterogeneo con diversi stack software e hardware progettati per essere accessibili simultaneamente in modo multi-tenant. I suoi livelli di fog e edge computing presentano una latenza di rete inferiore e una maggiore reattività rispetto al livello superiore del cloud. Tuttavia, presentano una minore affidabilità a causa della prevalenza della connettività wireless e minori capacità di calcolo a causa delle risorse limitate dei dispositivi. La gestione dei sistemi di monitoraggio nel cloud continuum pone diverse sfide in termini di automazione e consumo energetico. In questo contesto, la tesi affronta due sfide principali: (i) automatizzare le configurazioni del sistema di monitoraggio in risposta alle esigenze dinamiche e ai vincoli tecnologici, e (ii) utilizzare in modo efficiente le risorse disponibili, il che è particolarmente rilevante nel contesto degli ambienti fog e edge. Per quanto riguarda la prima sfida, questa tesi presenta due contributi principali: (i) un framework Monitoring-as-a-Service (MaaS) in grado di governare completamente il ciclo di vita delle sonde, compresa la gestione degli errori, e (ii) la definizione, l'analisi e la valutazione qualitativa e quantitativa di 11 possibili modelli di distribuzione delle sonde. Per quanto riguarda la seconda sfida, questa tesi presenta due contributi aggiuntivi. In primo luogo, presenta un sistema di monitoraggio peer-to-peer auto-adattivo per gli ambienti fog, in grado di astrarre gli indicatori monitorati in stati logici e di attivare a sua volta delle contromisure. In secondo luogo, propone un approccio energy-aware per guidare gli sviluppatori nell'implementazione di applicazioni auto-adattive per gli ambienti edge. Tali applicazioni sono in grado di cambiare modalità di funzionamento in risposta ai cambiamenti dell'ambiente, bilanciando in ultima analisi il consumo energetico con gli obiettivi a livello di applicazione, come l'accuratezza del monitoraggio.