Manutenção Preditiva em Computação em Nuvem e Devops: Modelos de ML para Antecipar e Prevenir Falhas no Sistema

Este artigo objetiva revisar as tendências atuais e o uso de modelos de aprendizado de máquina (ML) na manutenção preditiva da infraestrutura de TI, especialmente nos ecossistemas de computação em nuvem e DevOps. O objetivo é prever riscos sistêmicos e proteger contra sua ocorrência revisando dados operacionais e estabelecendo padrões subsequentes de desempenho ruim do sistema. Experimentos são realizados com logs precisos das atividades de sistema e serviço de um provedor de serviços em nuvem. Ao mesmo tempo, os modelos de ML desenvolvidos foram estabelecidos para fornecer estimativas razoavelmente precisas de falhas, minimizando assim a possibilidade de falhas 'aleatórias'. Em eventos da vida real, o modelo mostrou-se útil na antecipação de futuras cargas e interrupções do sistema que poderiam prejudicar o sistema. Alguns dos desafios abordados incluem o processamento em tempo real de fluxos de dados e a escalabilidade do processamento de dados. Os resultados do artigo mostram que modelos de ML podem sustentar sistemas cada vez mais confiáveis, otimizar operações em ambientes de computação em nuvem e DevOps, e propor uma estratégia inovadora para preservação do sistema e antecipação de falhas. Data de Publicação: 12-11-2023