Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: TEIXEIRA, Gervásio Eufrauzino
Orientador(a): DANTAS, Jamilson Ramalho
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Disponibilidade
RBD
CTMC
SPN
LAMP
Moodle
Link de acesso: https://repositorio.ufpe.br/handle/123456789/66911
Resumo: A crescente dependência de plataformas de e-learning, intensificada por eventos globais (a exemplo da Covid-19) que as transformaram em infraestruturas educacionais de alta critici dade operacional, exige arquiteturas resilientes, com elevada disponibilidade e desempenho compatível com as demandas institucionais. O Moodle, amplamente adotado como solução de código aberto, carece de análises quantitativas que revelem vulnerabilidades em suas arquitetu ras de implantação e permitam propor melhorias fundamentadas em evidências analíticas. Este trabalho busca preencher essa lacuna ao propor e validar um framework híbrido e hierárquico de modelagem que combina modelos combinatórios e de espaço de estado para avaliar, de forma integrada, a disponibilidade e o desempenho do ambiente Moodle sobre a pilha LAMP (Linux, Apache, MySQL, PHP). A metodologia desenvolvida integra Diagramas de Blocos de Confiabilidade (RBD) para representar dependências estruturais, Cadeias de Markov de Tempo Contínuo (CTMC) para capturar a dinâmica de falhas e reparos, e Redes de Petri Estocásticas (SPN) para modelar a concorrência e as políticas de escalonamento automático em ambientes de nuvem. A validação dos modelos, conduzida por meio de injeção controlada de falhas em componentes críticos e análise estatística com intervalo de confiança de 95%, demonstrou que: (i) a arquitetura básica em hardware físico apresenta disponibilidade de 99,75%, corres pondendo a 21,89 horas de inatividade anual; (ii) a introdução de redundância física eleva a disponibilidade para 99,9994%, reduzindo o tempo de inatividade em 99,75%; (iii) a virtua lização, embora reduza a disponibilidade isoladamente (38,92 horas de inatividade), quando associada à redundância no nível do host, atinge 99,86% de disponibilidade, representando uma redução de 44,82% no tempo de inatividade em relação ao cenário base; e (iv) em nuvem pública, os modelos SPN revelam que políticas de escalonamento reativo podem levar à sa turação e à degradação da vazão sob carga elevada. Conclui-se que arquiteturas virtualizadas com redundância e dimensionamento elástico em nuvem são estratégias eficazes para assegu rar alta disponibilidade (>99,8%) e desempenho consistente. As principais contribuições deste trabalho incluem um framework analítico validado para planejamento de capacidade, diretrizes quantitativas para aprimoramento arquitetural e uma metodologia experimental reprodutível para avaliação de plataformas de aprendizagem
id UFPE_71dcc789fe1a4ca3791fb11f99fc7ded
oai_identifier_str oai:repositorio.ufpe.br:123456789/66911
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling TEIXEIRA, Gervásio Eufrauzinohttp://lattes.cnpq.br/2699568863777450http://lattes.cnpq.br/5655706091153128DANTAS, Jamilson Ramalho2025-11-19T12:50:40Z2025-11-19T12:50:40Z2025-07-29TEIXEIRA, Gervásio Eufrauzino. Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado. 2025. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2025.https://repositorio.ufpe.br/handle/123456789/66911A crescente dependência de plataformas de e-learning, intensificada por eventos globais (a exemplo da Covid-19) que as transformaram em infraestruturas educacionais de alta critici dade operacional, exige arquiteturas resilientes, com elevada disponibilidade e desempenho compatível com as demandas institucionais. O Moodle, amplamente adotado como solução de código aberto, carece de análises quantitativas que revelem vulnerabilidades em suas arquitetu ras de implantação e permitam propor melhorias fundamentadas em evidências analíticas. Este trabalho busca preencher essa lacuna ao propor e validar um framework híbrido e hierárquico de modelagem que combina modelos combinatórios e de espaço de estado para avaliar, de forma integrada, a disponibilidade e o desempenho do ambiente Moodle sobre a pilha LAMP (Linux, Apache, MySQL, PHP). A metodologia desenvolvida integra Diagramas de Blocos de Confiabilidade (RBD) para representar dependências estruturais, Cadeias de Markov de Tempo Contínuo (CTMC) para capturar a dinâmica de falhas e reparos, e Redes de Petri Estocásticas (SPN) para modelar a concorrência e as políticas de escalonamento automático em ambientes de nuvem. A validação dos modelos, conduzida por meio de injeção controlada de falhas em componentes críticos e análise estatística com intervalo de confiança de 95%, demonstrou que: (i) a arquitetura básica em hardware físico apresenta disponibilidade de 99,75%, corres pondendo a 21,89 horas de inatividade anual; (ii) a introdução de redundância física eleva a disponibilidade para 99,9994%, reduzindo o tempo de inatividade em 99,75%; (iii) a virtua lização, embora reduza a disponibilidade isoladamente (38,92 horas de inatividade), quando associada à redundância no nível do host, atinge 99,86% de disponibilidade, representando uma redução de 44,82% no tempo de inatividade em relação ao cenário base; e (iv) em nuvem pública, os modelos SPN revelam que políticas de escalonamento reativo podem levar à sa turação e à degradação da vazão sob carga elevada. Conclui-se que arquiteturas virtualizadas com redundância e dimensionamento elástico em nuvem são estratégias eficazes para assegu rar alta disponibilidade (>99,8%) e desempenho consistente. As principais contribuições deste trabalho incluem um framework analítico validado para planejamento de capacidade, diretrizes quantitativas para aprimoramento arquitetural e uma metodologia experimental reprodutível para avaliação de plataformas de aprendizagemThe growing dependence on e-learning platforms, intensified by global events (such as COVID 19), which have become highly operationally critical educational infrastructures, requires re silient architectures with high availability and performance compatible with institutional de mands. Moodle, widely adopted as an open-source solution, supports quantitative analyses that reveal vulnerabilities in its deployment architectures and enable the proposal of improvements based on analytical evidence. This work seeks to fill this gap by proposing and validating a hybrid, hierarchical modeling framework that combines combinatorial and state-space models to comprehensively assess the availability and performance of the Moodle environment on the LAMP stack (Linux, Apache, MySQL, PHP). The developed methodology integrates Relia bility Block Diagrams (RBDs) to represent structural dependencies, Continuous-Time Markov Chains (CTMCs) to capture failure and repair dynamics, and Stochastic Petri Nets (SPNs) to model concurrency and autoscaling policies in cloud environments. Model validation, con ducted through controlled fault injection in critical components and statistical analysis with a 95% confidence interval, demonstrated that: (i) the basic architecture on physical hardware presents 99.75% availability, corresponding to 21.89 hours of annual downtime; (ii) the in troduction of physical redundancy increases availability to 99.9994%, reducing downtime by 99.75%; (iii) virtualization, although reducing availability exclusively (38.92 hours of down time), when associated with host-level redundancy, achieves 99.86% availability, representing a 44.82% reduction in downtime compared to the baseline scenario; and (iv) in the public cloud, SPN models reveal that reactive scheduling policies lead to saturation and throughput manipulation under high load. We conclude that virtualized architectures with redundancy and elastic scaling in the cloud are effective strategies for ensuring high availability (>99.8%) and consistent performance. The main contributions of this work include a validated analytical framework for capacity planning, quantitative guidelines for architectural improvement, and a reproducible experimental methodology for evaluating learning platforms.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDisponibilidadeRBDCTMCSPNLAMPMoodleAvaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estadoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Gervasio Eufrauzino Teixeira.pdfDISSERTAÇÃO Gervasio Eufrauzino Teixeira.pdfapplication/pdf1739077https://repositorio.ufpe.br/bitstream/123456789/66911/1/DISSERTA%c3%87%c3%83O%20Gervasio%20Eufrauzino%20Teixeira.pdf0ede3a6aa27708370c986c4a54271858MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/66911/2/license.txt5e89a1613ddc8510c6576f4b23a78973MD52TEXTDISSERTAÇÃO Gervasio Eufrauzino Teixeira.pdf.txtDISSERTAÇÃO Gervasio Eufrauzino Teixeira.pdf.txtExtracted texttext/plain239336https://repositorio.ufpe.br/bitstream/123456789/66911/3/DISSERTA%c3%87%c3%83O%20Gervasio%20Eufrauzino%20Teixeira.pdf.txt37655ae83de9ed0f5cca3bf703201f1fMD53THUMBNAILDISSERTAÇÃO Gervasio Eufrauzino Teixeira.pdf.jpgDISSERTAÇÃO Gervasio Eufrauzino Teixeira.pdf.jpgGenerated Thumbnailimage/jpeg1257https://repositorio.ufpe.br/bitstream/123456789/66911/4/DISSERTA%c3%87%c3%83O%20Gervasio%20Eufrauzino%20Teixeira.pdf.jpg69f8fd8b2520a8fabed27c67c34fce32MD54123456789/669112025-11-23 16:36:10.574oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-11-23T19:36:10Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado
title Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado
spellingShingle Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado
TEIXEIRA, Gervásio Eufrauzino
Disponibilidade
RBD
CTMC
SPN
LAMP
Moodle
title_short Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado
title_full Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado
title_fullStr Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado
title_full_unstemmed Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado
title_sort Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado
author TEIXEIRA, Gervásio Eufrauzino
author_facet TEIXEIRA, Gervásio Eufrauzino
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/2699568863777450
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5655706091153128
dc.contributor.author.fl_str_mv TEIXEIRA, Gervásio Eufrauzino
dc.contributor.advisor1.fl_str_mv DANTAS, Jamilson Ramalho
contributor_str_mv DANTAS, Jamilson Ramalho
dc.subject.por.fl_str_mv Disponibilidade
RBD
CTMC
SPN
LAMP
Moodle
topic Disponibilidade
RBD
CTMC
SPN
LAMP
Moodle
description A crescente dependência de plataformas de e-learning, intensificada por eventos globais (a exemplo da Covid-19) que as transformaram em infraestruturas educacionais de alta critici dade operacional, exige arquiteturas resilientes, com elevada disponibilidade e desempenho compatível com as demandas institucionais. O Moodle, amplamente adotado como solução de código aberto, carece de análises quantitativas que revelem vulnerabilidades em suas arquitetu ras de implantação e permitam propor melhorias fundamentadas em evidências analíticas. Este trabalho busca preencher essa lacuna ao propor e validar um framework híbrido e hierárquico de modelagem que combina modelos combinatórios e de espaço de estado para avaliar, de forma integrada, a disponibilidade e o desempenho do ambiente Moodle sobre a pilha LAMP (Linux, Apache, MySQL, PHP). A metodologia desenvolvida integra Diagramas de Blocos de Confiabilidade (RBD) para representar dependências estruturais, Cadeias de Markov de Tempo Contínuo (CTMC) para capturar a dinâmica de falhas e reparos, e Redes de Petri Estocásticas (SPN) para modelar a concorrência e as políticas de escalonamento automático em ambientes de nuvem. A validação dos modelos, conduzida por meio de injeção controlada de falhas em componentes críticos e análise estatística com intervalo de confiança de 95%, demonstrou que: (i) a arquitetura básica em hardware físico apresenta disponibilidade de 99,75%, corres pondendo a 21,89 horas de inatividade anual; (ii) a introdução de redundância física eleva a disponibilidade para 99,9994%, reduzindo o tempo de inatividade em 99,75%; (iii) a virtua lização, embora reduza a disponibilidade isoladamente (38,92 horas de inatividade), quando associada à redundância no nível do host, atinge 99,86% de disponibilidade, representando uma redução de 44,82% no tempo de inatividade em relação ao cenário base; e (iv) em nuvem pública, os modelos SPN revelam que políticas de escalonamento reativo podem levar à sa turação e à degradação da vazão sob carga elevada. Conclui-se que arquiteturas virtualizadas com redundância e dimensionamento elástico em nuvem são estratégias eficazes para assegu rar alta disponibilidade (>99,8%) e desempenho consistente. As principais contribuições deste trabalho incluem um framework analítico validado para planejamento de capacidade, diretrizes quantitativas para aprimoramento arquitetural e uma metodologia experimental reprodutível para avaliação de plataformas de aprendizagem
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-11-19T12:50:40Z
dc.date.available.fl_str_mv 2025-11-19T12:50:40Z
dc.date.issued.fl_str_mv 2025-07-29
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv TEIXEIRA, Gervásio Eufrauzino. Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado. 2025. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2025.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/66911
identifier_str_mv TEIXEIRA, Gervásio Eufrauzino. Avaliação de desempenho e disponibilidade de um ambiente de Gestão de Aprendizagem a partir de modelos combinatórios e de espaço de estado. 2025. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2025.
url https://repositorio.ufpe.br/handle/123456789/66911
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Ciencia da Computacao
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/66911/1/DISSERTA%c3%87%c3%83O%20Gervasio%20Eufrauzino%20Teixeira.pdf
https://repositorio.ufpe.br/bitstream/123456789/66911/2/license.txt
https://repositorio.ufpe.br/bitstream/123456789/66911/3/DISSERTA%c3%87%c3%83O%20Gervasio%20Eufrauzino%20Teixeira.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/66911/4/DISSERTA%c3%87%c3%83O%20Gervasio%20Eufrauzino%20Teixeira.pdf.jpg
bitstream.checksum.fl_str_mv 0ede3a6aa27708370c986c4a54271858
5e89a1613ddc8510c6576f4b23a78973
37655ae83de9ed0f5cca3bf703201f1f
69f8fd8b2520a8fabed27c67c34fce32
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741716427079680

Registros relacionados