Banca de QUALIFICAÇÃO: JOÃO BATISTA DE SOUZA NETO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : JOÃO BATISTA DE SOUZA NETO
DATA : 24/05/2019
HORA: 10:00
LOCAL: Auditorio I do DIMAp e https://www.appear.in/mmusicante
TÍTULO:
PALAVRAS-CHAVES:

Big Data; Teste de Mutação; Apache Spark; Taxonomia; Operadores de Mutação.

PÁGINAS: 140
RESUMO:

O crescimento do volume de dados gerado pela sociedade, sua produção contínua e em larga escala e sua heterogeneidade levaram ao desenvolvimento do conceito de \textit{Big Data}.
O acesso cada vez mais aberto a esses dados apresenta desafios na coleta, armazenamento e, sobretudo, no seu processamento e análise, que exigem importantes recursos de computação e condições de execução adaptada.
Diferentes modelos de programação paralela e sistemas foram propostos para o processamento de Big Data, como o modelo MapReduce e sua implementação no sistema Hadoop, e os sistemas Dryad, Nephele e o Apache Spark, além de outros.
Esses sistemas, projetados para arquiteturas do tipo cluster, oferecem ambientes paralelos de programação e execução que ocultam dificuldades técnicas associadas (como tolerância a falhas e distribuição de dados, por exemplo) e permitem o foco nos aspectos algorítmicos do processamento de dados.
Independentemente do modelo e sistema adotado, aplicações de processamento de Big Data precisam ser testadas e avaliadas, principalmente levando em consideração os custos que envolvem a execução nesse contexto.
Entretanto, a área de testes em Big Data ainda é nova, possuindo poucos trabalhos que buscam aplicar técnicas sistemáticas de teste.
Esta proposta de tese de doutorado visa reduzir a lacuna existente na área de testes de aplicações de processamento de Big Data ao propor uma abordagem de \textit{Teste de Mutação}.
Esta é uma técnica de teste que busca simular defeitos em um programa ao inserir modificações em seu código, através da aplicação dos chamados operadores de mutação que determinam como a modificação é feita, de forma a criar diferentes versões deste, chamados de mutantes.
Esses mutantes podem, então, ser utilizados tanto para avaliar um conjunto de testes, de modo a verificar quantos defeitos esse conjunto consegue identificar, quanto para projetar testes, de modo a criar testes que consigam identificar os defeitos simulados.
Este trabalho propõe uma abordagem de teste de mutação baseado em um modelo que abrange as principais características de sistemas de processamento de Big Data e em defeitos que podem aparecer nesse contexto.
Para identificar os tipos de defeitos que podem aparecer em programas de processamento de Big Data, foi realizada uma investigação sobre defeitos e problemas relacionados com o sistema Apache Spark.
Esse estudo resultou no desenvolvimento de duas taxonomias.
A primeira taxonomia agrupa e caracteriza problemas não-funcionais que afetam o desempenho de execução de uma aplicação Spark.
A segunda taxonomia é focada em defeitos funcionais que afetam o comportamento de aplicações Spark.
Uma definição de operadores de mutação e uma estratégia para a geração de mutantes é derivada desta segunda taxonomia, permitindo projetar uma abordagem para o teste de mutação de aplicações de processamento de Big Data.

MEMBROS DA BANCA:
Presidente - 1221251 - MARTIN ALEJANDRO MUSICANTE
Interno - 1495704 - UMBERTO SOUZA DA COSTA
Externa à Instituição - ANAMARIA MARTINS MOREIRA - UFRJ
Externa à Instituição - GENOVEVA VARGAS-SOLAR - CNRS
Externa à Instituição - SILVIA REGINA VERGÍLIO - UFPR