No projeto de pesquisa conduzido pelo professor Francisco Airton (UFPI), ele e seus alunos Iure Fé (doutorado), José Miqueias (mestrado) e Lucas Lopes (mestrado) desenvolvem modelos analíticos baseados em Redes de Petri, usados para representar matematicamente qualquer sistema distribuído. Eles criam um diagrama que descreve o sistema e realizam cálculos probabilísticos para obter diversas métricas, utilizando uma ferramenta específica para isso.
Airton considera que esses modelos também podem ser interpretados como digital twins. A partir disso, o grupo seleciona um sistema de informação específico — no caso do aluno de doutorado, o Kubernetes — e constrói modelos de Redes de Petri que representam a implantação do Kubernetes. Depois de modelar esse sistema, eles integram o modelo a um software capaz de executá-lo e monitorar o Kubernetes em tempo real.
Já os alunos de mestrado usam outros sistemas monitorados: um deles trabalha com monitoramento por câmera, e outro com um simulador de drones.
A equipe está preparando artigos para o SBRC deste ano, descrevendo como a plataforma de digital twin pode apresentar desempenho superior a diferentes tipos de autoscaling. Neste caso, o sistema testa diferentes configurações e simula cenários (“what if”), o que permite identificar a melhor opção antes de aplicá-la no ambiente real.
Na arquitetura cliente-servidor tradicional, o Kubernetes opera ao lado dos servidores e pode conectar-se a qualquer cliente, incluindo dispositivos de IoT. Nesses dispositivos, um conjunto de sensores gera dados que variam conforme o contexto, como horário do dia ou fluxo de veículos. Essa variação na demanda exige ajustar dinamicamente a configuração da implantação do Kubernetes. É neste ponto que pode atuar o K8s-DT, prevendo a melhor nova configuração a ser implementada.