ETD

• cloud
• cloud continuum
• cloud-to-edge
• edgesimpy
• failure aware

Microservice applications in the Cloud-to-Edge continuum require strict end-to-
end latency guarantees despite heterogeneous, capacity-constrained, and failure-prone
infrastructures. Exact orchestrators based on Mixed-Integer Linear Programming
(MILP), such as the placement model developed within the CAVIA research project,
compute provably optimal deployments, yet are typically evaluated in static, one-shot
scenarios, leaving runtime recovery after failures largely unexplored.
This thesis shows that such global orchestrators are unsuited to online failure
recovery in a dynamic context, and adapts them with a local-repair, partial-commit
scheme — re-allocating only the services affected by a failure — used as additional
baselines. Building on this diagnosis, it proposes CARE, a polynomial-time reserve-
keeping placement policy that preserves spare capacity as a recovery buffer, trading
global optimality for a faster, less disruptive recovery.
The policy is evaluated against these baselines through simulations with the Edge-
SimPy simulator, reproducing realistic metropolitan edge scenarios with mobile users,
dynamic interactions, and node failures. Results show that global re-optimization is
unsuitable for online recovery due to its computational cost and disruptive impact,
whereas the proposed approach reduces recovery time, avoids unnecessary migrations,
and maintains strong service-level agreement (SLA) compliance.

Le applicazioni a microservizi nel continuum Cloud-to-Edge richiedono rigide garanzie di latenza end-to-end su infrastrutture eterogenee, limitate e soggette a guasti. Gli orchestratori esatti basati su programmazione lineare intera mista (MILP), come il modello di placement del progetto CAVIA, calcolano deployment ottimali ma sono solitamente valutati in scenari statici "one-shot", lasciando inesplorato il ripristino a runtime dopo un guasto.
Questa tesi dimostra che tali orchestratori globali non sono adatti al ripristino online in contesti dinamici. Per questo, introduce come baseline un meccanismo di riparazione locale a commit parziale, che rialloca solo i servizi colpiti dal guasto. Su queste basi, propone CARE, una politica di placement a tempo polinomiale che riserva capacità di backup come buffer di ripristino, sacrificando l'ottimalità globale per un recupero più rapido e meno invasivo.
La politica è valutata tramite EdgeSimPy in scenari realistici di edge metropolitano con utenti mobili, dinamicità e guasti ai nodi. I risultati dimostrano che la riottimizzazione globale è inadatta al ripristino online per costi computazionali e impatto sul sistema, mentre CARE riduce i tempi di ripristino, evita migrazioni superflue e garantisce il rispetto degli accordi sul livello di servizio (SLA).