Ein wichtiger Trend im Bereich der Systementwicklung ist Cloud Computing. Die Vorteile dieses neuartigen Programmiermodells sind vielfältig, und beinhalten, neben anderen Vorteilen, potentielle Kostenersparnisse für den Anwendungsentwickler, annähernd beliebige Skalierung, und umweltfreundlichere IT-Systeme aufgrund von reduziertem Energieverbrauch. Gegenwärtig existieren einige Forschungsarbeiten, die sich mit dem erstmaligen Instanziieren von Cloudanwendungen beschäftigen. Weiters beginnen aktuelle nationale, wie auch internationale, Forschungsprojekte, sich ernsthaft mit der Problematik der Laufzeit-Migration von Cloudanwendungen auseinanderzusetzen. Allerdings gibt es immer noch wenige Erkenntnisse zur laufenden Beobachtung von Cloudanwendungen in Bezug auf Kosten und Leistung. Ein erfolgversprechender Ansatz hierfür ist das Prinzip des Autonomic Computing, welches komplexen verteilten Systemen erlaubt, sich mit Hilfe der vier Schritte Beobachtung, Analyse, Planung und Ausführung selbständig zu überwachen, und im Bedarfsfall selbst zu optimieren. Wir betrachten die dadurch entstehende Autonomie als essentiell für den Umgang mit Cloudanwendungen, die auf längeren Betrieb ausgelegt sind.
Das Projekt adressiert dieses Kernproblem des Cloud Computing (Laufzeitmanagement von Cloudanwendungen) durch einen, auf den Prinzipien des Autonomic Computing basierenden, Ansatz zur Selbst-Optimierung. Dabei werden Cloudanwendungen beobachtet, zukünftige Leistungsdaten und Kosten vorhergesagt, autonom entschieden, ob Verbesserungen moeglich sind, und, wenn dies der Fall ist, dynamisch auf einen anderen Cloud-Dienst (oder eine Kombination von Diensten) migriert. Um die notwendige Beobachtung der laufenden Anwendung mit Hilfe eines generischen Modells abzubilden, planen wir Techniken des Complex Event Processings zu untersuchen. Die Vorhersage zukünftiger Leistung und Kosten wird mit Hilfe von Methoden des maschinellen Lernens umgesetzt werden. Schließlich werden wir auch Programmiertechniken und Methoden erforschen, die es erlauben, dienst-unabhängige, und sauber migrierbare Cloudanwendungen zu entwickeln.
Mit der Fokussierung auf autonomes Management adressiert dieses Projekt einige der interessantesten gegenwärtigen Forschungsfragen, die Forscher und Entwickler im Bereich Cloud Computing betreffen. Das Projekt wird signifikant zum Stand der Forschung in den Bereichen Kosten- und Leistungsabschätzung, generische Laufzeitbeobachtung von Cloudanwendungen, und Migration von Cloudanwendungen beitragen. Darüberhinaus wird das Projekt nicht das Rad neu erfinden, sondern bestehendes Wissen aus verschiedenen Bereichen (unter anderem maschinelles Lernen und Entwicklung von domänen-spezifischen Sprachen) adaptieren und in einen gemeinsamen Rahmen integrieren.
