Acceder al contenido principalAcceder al menú principalFormulario de contactoLa UAM

Escuela Politécnica SuperiorLogo EPS

Premio a la Mejor Tesis Doctoral en el ámbito de SISTEDES para el profesor de la EPS Pablo C. Cañizares

Premio a la Mejor Tesis Doctoral en el ámbito de SISTEDES para el profesor de la EPS Pablo C. Cañizares

Pablo C. Cañizares, Profesor Ayudante Doctor en la Universidad Autónoma de Madrid ha recibido el Premio a la Mejor Tesis Doctoral en el ámbito de SISTEDES, 2022, por su tesis Doctoral Modelling and Validation of  Cloud Systems using Model-driven Engineering, Metamorphic and Mutation Testing, dirigida por Alberto Núñez Covarrubias y Juan de Lara Jaramillo.

Resumen:

Los sistemas cloud están formados por infraestructuras complejas, donde existe una gran diversidad de subsistemas y componentes, tales como el almacenamiento, la virtualización y las redes. La heterogeneidad de estos sistemas, su amplitud, el elevado número de usuarios que solicitan servicios de forma simultánea y la virtualización utilizada para ofrecer la ilusión de utilizar máquinas dedicadas, entre otros factores, dificultan su validación.

Desafortunadamente, utilizar métodos de Testing convencionales para comprobar la correción de los sistemas cloud no es factible. El objetivo principal de la tesis es diseñar metodologías y técnicas para modelar y testear sistemas cloud. Para ello, la tesis combina dos líneas ortogonales – Ingeniería Dirigida por Modelos o MDE (por las siglas de Model Driven Engineering) y Testing – apoyadas sobre una base formal, para desarrollar metodologías y técnicas que permitan optimizar sistemas cloud de forma viable y eficiente.

Por un lado, se utilizan técnicas basadas en Testing formal para comprobar la corrección de los sistemas cloud. Estas técnicas permiten evaluar, a partir de una definición precisa de su comportamiento, si los sistemas actúan como se espera. Específicamente, se proporciona una metodología basada en Testing Metamórfico o MeT (por las siglas de Metamorphic Testing), que utiliza propiedades relevantes para comprobar la corrección del sistema bajo estudio sin necesidad de tener un conocimiento implícito del mismo. Además, se utiliza MeT, en combinación con Testing de Mutación o MuT (por las siglas de Mutation Testing) para analizar la eficacia de estas propiedades y detectar comportamientos anómalos del sistema.

Por otro lado, se aplican técnicas basadas en MDE para representar conprecisión, a través de un meta-modelo, la infraestructura de los sistemas cloud junto con sus propiedades subyacentes. Con el fin de detectar problemas de diseño y proporcionar soluciones a errores de configuración de los sistemas cloud, se han incluido un conjunto de reglas de experto y un lenguaje gráfico para facilitar el diseño de los mismos. Es importante remarcar que en la tesis se profundiza en el estudio de los aspectos no funcionales del sistema, tales como el consumo energético.

Así, el proceso de optimización tiene como primer objetivo definir qué es un comportamiento incorrecto’ del sistema, ya que es posible que, aún obteniendo los resultados correctos de los tests mediante la comparación de sus salidas, las propiedades analizadas del sistema bajo estudio no reflejen el comportamiento esperado. De esta forma, una vez localizada la anomalía, se propone un conjunto de alternativas válidas que la subsanen, de forma que se optimice – en la medida de la posible – la propiedad bajo estudio en el proceso de testeo. Para localizar estas alternativas se utilizan técnicas inspiradas en algoritmos evolutivos o EAs (por las siglas de Evolutionary Algorithms), los cuales se centran en una búsqueda global adaptativa sobre el espacio de posibles soluciones, proporcionando soluciones casi óptimas a problemas de optimización complejos, donde el tiempo de ejecución representa una limitación significativa.

 

Enlace a la noticia en SISTEDES:

https://www.sistedes.es/premio-a-la-mejor-tesis-doctoral-en-el-ambito-de-sistedes-2022

Escuela Politécnica Superior | Universidad Autónoma de Madrid | Francisco Tomás y Valiente, 11 | 28049 Madrid | Tel.: +34 91 497 2222 | e-mail: informacion.eps@uam.es