Antonella DI STEFANO

Antonella Di Stefano è professore ordinario del Gruppo Ingegneria Informatica (SSD: ING-INF 05) presso il DIEEI dell'Università di Catania dove insegna "Programmazione Orientata agli Oggetti" e " “Sistemi Distribuiti e Big Data".

Attività di Ricerca e Contributi Scientifici

Da diversi anni l’attività di ricerca è focalizzata sui sistemi distribuiti di grandi dimensioni, proponendo modelli, architetture, algoritmi e protocolli per l’analisi, la valutazione e la progettazione di infrastrutture software distribuite. I contributi scientifici hanno riguardato ambienti Grid, Peer-to-Peer, Cloud, Fog ed Edge Computing, con particolare attenzione al routing, resource discovery, allocation & scheduling, fault tolerance e gestione della Quality of Service (QoS).

Attività di Ricerca Correnti

L’attività più recente riguarda l’orchestrazione adattativa e la gestione delle risorse nei sistemi Edge–Cloud continuum, caratterizzati da eterogeneità, variabilità della latenza, connettività intermittente e incertezza delle risorse, che richiedono meccanismi decisionali dinamici e autonomici per il posizionamento, l’esecuzione, la migrazione dei servizi e il coordinamento dei carichi di lavoro.

Le principali direzioni di ricerca includono:

• orchestrazione QoS-driven di servizi distribuiti
• strategie di task offloading in ambienti Edge–Cloud
• migrazione predittiva e proattiva dei servizi
• scheduling adattativo e allocazione dinamica delle risorse
• performance isolation in infrastrutture multi-tenant distribuite
• continuità del servizio e orchestrazione SLA-aware in ambienti altamente dinamici
• meccanismi adattativi e autonomici per l’orchestrazione distribuita

Orchestrazione Edge–Cloud e Migrazione Adattativa

I contributi di ricerca riguardano la progettazione di meccanismi distribuiti e adattativi di orchestrazione per infrastrutture di grandi dimensioni operanti in condizioni altamente variabili.

Le principali tematiche affrontate includono:

• modelli di orchestrazione distribuita per sistemi Edge–Cloud continuum
• task offloading intelligente tra nodi eterogenei
• strategie di migrazione predittiva per la continuità del servizio e l’ottimizzazione delle prestazioni
• coordinamento fault-aware e QoS-aware dei carichi di lavoro
• adaptive service placement sotto vincoli di latenza, costo, disponibilità e affidabilità
• strategie decentralizzate di gestione adattativa delle risorse

Questi approcci mirano a garantire continuità del servizio, scalabilità e rispetto degli SLA in ambienti caratterizzati da fluttuazioni dinamiche del carico, variabilità delle risorse e degrado infrastrutturale.

Sistemi Decisionali Adattativi

Le attività di ricerca affrontano lo sviluppo di meccanismi decisionali adattativi e autonomici per infrastrutture distribuite, supportando:

• decisioni dinamiche di posizionamento e migrazione dei servizi
• politiche di orchestrazione QoS- e SLA-aware
• distribuzione adattativa dei workload tra risorse Edge e Cloud
• adattamento predittivo in condizioni incerte e parzialmente osservabili
• strategie di orchestrazione adattativa distribuita su larga scala

Questi sistemi combinano tecniche adattative, approcci autonomici ed euristiche data-driven per supportare l’adattamento runtime dei sistemi distribuiti.

Background Scientifico e Fondamenti della Ricerca

Risultati scientifici significativi sono stati prodotti nello sviluppo di modelli, architetture e algoritmi per sistemi ad agenti mobili e nella loro applicazione ad ambienti distribuiti. Particolare rilievo ha avuto lo studio di meccanismi scalabili di naming, discovery e coordination per agenti mobili in sistemi di grandi dimensioni, in grado di supportare operazioni resilienti in presenza di mobilità, migrazioni dinamiche e guasti.

L’attività di ricerca sulle Grid ha prodotto diversi contributi scientifici e partecipazioni a progetti nazionali e internazionali. In tale contesto sono state affrontate problematiche di scheduling delle risorse in scenari best-effort e QoS-guaranteed. Sono state proposte strategie QoS-aware di allocazione dei job, pattern per l’advance reservation e meccanismi di scheduling per cluster di workstation, integrati negli scheduler PBS e LSF e nei middleware OGSA-compliant Globus e gLite.

In ambito Peer-to-Peer, l’attività di ricerca ha riguardato protocolli di discovery QoS-aware scalabili e fault tolerant e strategie adattative di allocazione delle risorse.

In ambito Cloud, le attività hanno riguardato workflow management e ottimizzazione autonomica delle risorse tramite sistemi IaaS modulari e tecniche di performance isolation e adattamento runtime.

Tra le soluzioni proposte per routing e scheduling distribuito assume particolare rilievo l’algoritmo bio-ispirato “Alienated Ant Algorithm” (AAA), algoritmo QoS-aware completamente distribuito e adattativo per il coordinamento delle risorse in ambienti dinamici.

L’approccio AAA ha fornito un framework completamente distribuito e adattativo per il routing QoS-aware e il coordinamento delle risorse basato su decisioni locali e auto-organizzazione.

L’algoritmo AAA è stato applicato con successo a diversi domini applicativi.