DICE: Quality-driven development of data-intensive cloud applications Conference Poster

abstract

  • La ingeniería basada en modelos (MDE) a menudo incluye técnicas de garantía de calidad (QA) para ayudar a los desarrolladores a crear software que cumpla con los requisitos de confiabilidad, eficiencia y seguridad. En este documento, consideramos la cuestión de cómo MDE, consciente de la calidad, debería apoyar los sistemas de software que requieren una gran cantidad de datos. Este es un reto difícil, ya que los modelos y las técnicas de garantía de calidad existentes ignoran en gran medida las propiedades de los datos, como los volúmenes, las velocidades o la ubicación de los datos. Además, la garantía de calidad requiere la capacidad de caracterizar el comportamiento de tecnologías como Hadoop/MapReduce, NoSQL y el procesamiento basado en secuencias, que no se comprenden bien desde el punto de vista del modelado. Para fomentar una respuesta comunitaria a estos desafíos, presentamos la agenda de investigación de DICE, una metodología MDE de calidad para aplicaciones de cloud intensivas en datos. El objetivo de DICE es desarrollar una cadena de herramientas de ingeniería de calidad que ofrezca simulación, verificación y optimización arquitectónica para aplicaciones Big Data. Resumimos algunos de los principales desafíos que implica el desarrollo de estas herramientas y de los modelos que las sustentan.
  • Model-driven engineering (MDE) often features quality assurance (QA) techniques to help developers creating software that meets reliability, efficiency, and safety requirements. In this paper, we consider the question of how quality-aware MDE should support data-intensive software systems. This is a difficult challenge, since existing models and QA techniques largely ignore properties of data such as volumes, velocities, or data location. Furthermore, QA requires the ability to characterize the behavior of technologies such as Hadoop/MapReduce, NoSQL, and stream-based processing, which are poorly understood from a modeling standpoint. To foster a community response to these challenges, we present the research agenda of DICE, a quality-aware MDE methodology for data-intensive cloud applications. DICE aims at developing a quality engineering tool chain offering simulation, verification, and architectural optimization for Big Data applications. We overview some key challenges involved in developing these tools and the underpinning models.

publication date

  • 2015/1/1

keywords

  • Architecture
  • Big data
  • Community
  • Engineering
  • MapReduce
  • Methodology
  • Model
  • Modeling
  • Optimization
  • Processing
  • Quality Assurance
  • Quality assurance
  • Requirements
  • Safety
  • Simulation
  • Software
  • Software System

ISBN

  • 9781479919345

number of pages

  • 6

start page

  • 78

end page

  • 83