Gestión inteligente de la variabilidad y la configuración de sistemas altamente configurables

Funder: MINISTERIO DE CIENCIA E INNOVACION

Call: (MINISTERIO DE CIENCIA E INNOVACION)

Of National scope.

El desarrollo software ha cambiado mucho debido a los avances tecnológicos en virtualización, contenerización y orquestación de servicios. Estas innovaciones han introducido nuevos paradigmas sobre cómo se diseña, implementa y gestionan las aplicaciones, pero también ha aumentado la complejidad de la configuración del software debido a las interacciones entre aplicaciones y plataformas de desarrollo. Este desafío se ha intensificado con el surgimiento de sistemas altamente configurables (HCS), como los sistemas ciberfísicos y el Cloud/Edge/IoT (CEI) Continuum. El área de variabilidad y configuración del software (SVC) se ha centrado en el análisis automatizado de modelos de características (AAFM) para razonar sobre los espacios de configuración. Pero analizar los HCS con espacios de configuración masivos aún plantea desafíos importantes. Un análisis del fichero YAML de configuración de Kubernetes reveló 63737 variantes, creando un espacio de configuración colosal de 10^10262. Igualmente, aunque la variabilidad en el ecosistema de inteligencia artificial (IA) compuesto por métodos, API y herramientas no se ha estudiado aún, se estima en cientos de miles. Actualmente, estos y otros HCS similares no se pueden analizar completamente utilizando las herramientas SVC existentes. Si nos centramos en estudiar los HCS desplegables en el CEI Continuum, no podemos utilizar solo variables booleanas, y además necesitamos manejar diversos mecanismos de configuración (ej:ficheros, variables de entorno o metadatos). Pero los enfoques actuales se centran principalmente en modelos booleanos y solo permiten razonar sobre un tipo de mecanismo de variabilidad. Proponemos una metodología para la síntesis, el análisis, la configuración y la visualización de la variabilidad en dominios altamente configurables, siendo a su vez configurable para las necesidades específicas de cada dominio. La metodología permitirá la extracción, el análisis automático y la visualización de la variabilidad en cada fase, utilizando técnicas de IA cuando sea aplicable (ej:utilizar minería de datos para extraer características o LLM para extraer conocimiento del dominio o explicar las variantes de configuración). También debería cubrir otras fases del desarrollo de software más allá del diseño y ejecución y cualquier tipo de artefactos configurables. También definiremos mecanismos para reducir la variabilidad mediante preferencias de usuario o análisis estadístico de entropía y probabilidad. Para el análisis automático, utilizaremos ILP y bibliotecas cuánticas para analizar FM extendidos con espacios de configuración colosales optimizando el consumo de energía. Para el despliegue aplicaremos algoritmos de aprendizaje por refuerzo para asignar servicios configurados a nodos del CEI continuum minimizando la huella energética. Nos centraremos en dos dominios muy relevantes: métodos y herramientas de IA; plataformas de virtualización y orquestación (ej:Kubernetes). La aplicación de SVC al área de IA ayudará a los desarrolladores menos adiestrados a razonar sobre la variabilidad de los Modelos Frontera y elegir las mejores opciones. Con respecto a las plataformas de virtualización, los usuarios podrán navegar por miles de configuraciones posibles y no usar solo configuraciones por defecto. Proporcionaremos herramientas basadas en LLM para ayudar a elegir las mejores configuraciones analizando la Variabilidad Profunda que considera el hardware subyacente y así lograr un rendimiento óptimo