Evaluating Continuous Performance Predictions of Lua-Based Sensor Applications
| Typ | Masterarbeit | |
|---|---|---|
| Aushang | Aushang MA Lua2 2023-11-29.pdf | |
| Betreuer | Wenden Sie sich bei Interesse oder Fragen bitte an: Manar Mazkatli (E-Mail: manar.mazkatli@kit.edu, Telefon: +49-721-608-4-5940), Martin Armbruster (E-Mail: martin.armbruster@kit.edu, Telefon: +49-721-608-45942) |
Motivation
Verteilte Anwendungen in Smart-Factory-Umgebungen erfordern eine modularisierte Umsetzung mittels wiederverwendbarer Komponenten. Mögliche Entwurfsentscheidungen sind: Wie werden die vorhandenen Komponenten am besten zusammengesetzt? Oder welche Ressourcen sind gefordert?. Die Analyse des Verhaltens und der Leistung auf Grundlage der Entwurfsentscheidungen der o.g. Anwendungen ist teuer. Sie benötigen den Einsatz mindestens einer Testumgebung und Leistungsmessungen für alle Entwurfsalternativen.
Der Ansatz für die Kontinuierliche Integration von Performance-Modellen (KIPM) ermöglicht eine automatisierte, inkrementelle Modellierung von Softwaresystemen zwecks günstiger modell-basierter Leistungsvorhersagen. KIPM extrahiert dazu die Quellcodeänderungen aus einem Commit und aktualisiert damit ein Quellcodemodell in einer Konsistenzerhaltungsplattform (Vitruvius). Mittels vordefinierter metamodell-basierten Konsistenzregeln in Vitruvius aktualisiert KIPM ein Performance-Modell auf Architektur-Ebene. Anschließend instrumentiert KIPM die geänderten Quellcode-Teile, um eine dynamische Analyse auszuführen und Performance-Modellparameter abzuschätzen. Mit diesem parametrisierten Performance-Modell ist es möglich, Analysen, wie Leistungsvorhersagen, durchzuführen und Entwurfsentscheidungen zu bewerten. Deswegen kann KIPM ein Lösungsansatz für die Unterstützung der Entwicklung performanter verteilter Anwendungen in Smart-Factory-Umgebungen sein.
Ein Prototyp der KIPM-Pipeline mit Java und Lua als Programmiersprachen und dem Palladio-Komponentenmodell (PCM) als Performance-Modell existiert bereits, wobei für Lua die Instrumentierung fehlt.
Aufgabenstellung
Das Ziel der Arbeit ist es, den KIPM-Ansatz um die Instrumentierung für Lua zu erweitern und mit einer realen Fallstudie aus der Industrie zu evaluieren. Die SICK AG bietet mit dem SICK AppSpace Ökosystem dem Benutzer die Möglichkeit, industrielle Sensorapplikationen zu entwickeln. Diese werden in der Skriptsprache Lua entwickelt und bilden den Rahmen für die Evaluation.
Die Arbeit umfasst die folgenden Teilaufgaben:
- Instrumentierung von Lua-Quellcode
- Monitoring von instrumentierten Lua-Code aus einer Sensorapplikation mit Kalibrierung des PCMs
- Analyse des resultierenden PCMs
Wir bieten
- Einen Arbeitsplatz am Standort Karlsruhe der SICK AG, die einer der weltweit führenden Hersteller von intelligenten Sensoren und Sensorlösungen für die Fabrik-, Logistik- und Prozessautomation ist.
- Industrielle Fallstudie zur Evaluation der Masterarbeit.