CARLOS DIEGO C. P.
PTENES
P & D · Orientação

Linhas de pesquisa

Temas de interesse para trabalhos de pesquisa e desenvolvimento em graduação, mestrado e doutorado.

Engenharia de Software

Evolução e Impacto de Padrões de Projeto em Aplicações Nativas na Nuvem

Resumo. Investiga como padrões clássicos (MVC, Singleton, Factory, Observer) são reinterpretados em arquiteturas nativas em nuvem e como padrões próprios do paradigma — serverless, sidecar, circuit breaker, API gateway, saga e comunicação assíncrona entre microsserviços — afetam acoplamento, resiliência e custo. Combina revisão sistemática da literatura com estudo de casos reais para mapear quando cada padrão ajuda ou atrapalha.

Objetivo. Produzir um catálogo baseado em evidências que relacione padrões, forças e trade-offs a cenários de alta escalabilidade, oferecendo um guia de decisão para arquitetos.

Referências

  • E. Gamma, R. Helm, R. Johnson, and J. Vlissides, Design Patterns: Elements of Reusable Object-Oriented Software. Reading, MA, USA: Addison-Wesley, 1994.
  • G. Hohpe and B. Woolf, Enterprise Integration Patterns. Boston, MA, USA: Addison-Wesley, 2003.
  • C. Richardson, Microservices Patterns. Shelter Island, NY, USA: Manning, 2018.
  • D. Taibi, V. Lenarduzzi, and C. Pahl, "Architectural patterns for microservices: A systematic mapping study," in Proc. 8th Int. Conf. Cloud Computing and Services Science (CLOSER), 2018, pp. 221–232, doi: 10.5220/0006798302210232.
  • C. Pahl, P. Jamshidi, and O. Zimmermann, "Architectural principles for cloud software," ACM Trans. Internet Technol., vol. 18, no. 2, art. no. 17, pp. 1–23, 2018, doi: 10.1145/3104028.

Integração de Práticas Ágeis e DevOps na Engenharia de Software Contemporânea

Resumo. Explora como frameworks ágeis (Scrum, Kanban, XP) se combinam com práticas de DevOps — integração e entrega contínuas, infraestrutura como código, automação de testes e observabilidade — para encurtar o ciclo de feedback sem sacrificar qualidade. Analisa métricas DORA (frequência de deploy, lead time, tempo de restauração e taxa de falha) e o impacto cultural em times multidisciplinares.

Objetivo. Propor um framework híbrido, apoiado em métricas, que integre as cerimônias ágeis ao fluxo DevOps e otimize a entrega contínua de valor.

Referências

  • J. Humble and D. Farley, Continuous Delivery. Boston, MA, USA: Addison-Wesley, 2010.
  • G. Kim, J. Humble, P. Debois, and J. Willis, The DevOps Handbook. Portland, OR, USA: IT Revolution Press, 2016.
  • N. Forsgren, J. Humble, and G. Kim, Accelerate: The Science of Lean Software and DevOps. Portland, OR, USA: IT Revolution Press, 2018.
  • A. Balalaie, A. Heydarnoori, and P. Jamshidi, "Microservices architecture enables DevOps: Migration to a cloud-native architecture," IEEE Softw., vol. 33, no. 3, pp. 42–52, 2016, doi: 10.1109/MS.2016.64.
  • M. Waseem, P. Liang, and M. Shahin, "A systematic mapping study on microservices architecture in DevOps," J. Syst. Softw., vol. 170, art. no. 110798, 2020, doi: 10.1016/j.jss.2020.110798.

Sistemas Distribuídos

Transformação de Arquiteturas Monolíticas em Microsserviços Escaláveis

Resumo. Analisa estratégias, padrões e ferramentas para decompor sistemas monolíticos em microsserviços escaláveis — identificação de limites de contexto (DDD), o padrão strangler fig, extração incremental, gestão de dados por serviço e observabilidade durante a transição. Estuda também os anti-padrões e os custos ocultos da distribuição.

Objetivo. Desenvolver uma taxonomia de padrões e ferramentas que reduza risco e esforço na migração de monólitos para microsserviços.

Referências

  • S. Newman, Building Microservices, 2nd ed. Sebastopol, CA, USA: O’Reilly Media, 2021.
  • E. Evans, Domain-Driven Design: Tackling Complexity in the Heart of Software. Boston, MA, USA: Addison-Wesley, 2003.
  • J. Fritzsch, J. Bogner, A. Zimmermann, and S. Wagner, "From monolith to microservices: A classification of refactoring approaches," in Software Engineering Aspects of Continuous Development (DEVOPS 2018), LNCS 11350. Cham, Switzerland: Springer, 2019, pp. 128–141, doi: 10.1007/978-3-030-06019-0_10.
  • G. Mazlami, J. Cito, and P. Leitner, "Extraction of microservices from monolithic software architectures," in Proc. IEEE Int. Conf. Web Services (ICWS), 2017, pp. 524–531.
  • D. Taibi, V. Lenarduzzi, and C. Pahl, "Processes, motivations, and issues for migrating to microservices architectures: An empirical investigation," IEEE Cloud Comput., vol. 4, no. 5, pp. 22–32, 2017.

Observabilidade e Resiliência em Arquiteturas Distribuídas Críticas

Resumo. Investiga como os três pilares da observabilidade — métricas, logs e traces distribuídos — se articulam com SLIs, SLOs e error budgets para revelar o comportamento real de sistemas em produção. Correlaciona sinais de telemetria com resiliência, latência e degradação graciosa sob falha.

Objetivo. Propor um modelo de avaliação que meça e melhore, de forma acionável, observabilidade e resiliência em sistemas distribuídos críticos.

Referências

  • M. Kleppmann, Designing Data-Intensive Applications. Sebastopol, CA, USA: O’Reilly Media, 2017.
  • M. T. Nygard, Release It!: Design and Deploy Production-Ready Software, 2nd ed. Raleigh, NC, USA: Pragmatic Bookshelf, 2018.
  • C. Sridharan, Distributed Systems Observability. Sebastopol, CA, USA: O’Reilly Media, 2018.
  • B. Beyer, C. Jones, J. Petoff, and N. R. Murphy, Eds., Site Reliability Engineering. Sebastopol, CA, USA: O’Reilly Media, 2016.
  • A. Basiri et al., "Chaos engineering," IEEE Softw., vol. 33, no. 3, pp. 35–41, 2016, doi: 10.1109/MS.2016.60.

Engenharia de Confiabilidade Aplicada a Sistemas de Alta Criticidade

Resumo. Investiga a Engenharia de Confiabilidade (SRE) e o Chaos Engineering como disciplinas para antecipar falhas: injeção controlada de faltas, experimentos em produção, hipóteses de estado estacionário e automação de recuperação. Examina como transformar confiabilidade em prática mensurável e repetível, e não em heroísmo operacional.

Objetivo. Criar diretrizes práticas para equipes de SRE implementarem confiabilidade e experimentação de caos de forma segura e disciplinada.

Referências

  • B. Beyer, C. Jones, J. Petoff, and N. R. Murphy, Eds., Site Reliability Engineering. Sebastopol, CA, USA: O’Reilly Media, 2016.
  • C. Rosenthal and N. Jones, Chaos Engineering: System Resiliency in Practice. Sebastopol, CA, USA: O’Reilly Media, 2020.
  • A. Basiri et al., "Chaos engineering," IEEE Softw., vol. 33, no. 3, pp. 35–41, 2016, doi: 10.1109/MS.2016.60.
  • A. Basiri, L. Hochstein, N. Jones, and H. Tucker, "Automating chaos experiments in production," in Proc. IEEE/ACM 41st Int. Conf. Software Engineering: SEIP (ICSE-SEIP), 2019, pp. 31–40, doi: 10.1109/ICSE-SEIP.2019.00012.
  • J. Owotogbe, I. Kumara, W.-J. van den Heuvel, and D. A. Tamburri, "Chaos engineering: A multi-vocal literature review," ACM Comput. Surv., vol. 58, no. 7, pp. 1–44, 2025, doi: 10.1145/3777375.

Computação em Nuvem

Planejamento de Capacidade de Cargas de Trabalho sem Precedentes Históricos

Resumo. Aborda técnicas, métodos e modelos para planejar capacidade quando não há histórico de carga — lançamentos, picos sazonais e cargas emergentes. Contrasta abordagens reativas, sintéticas e preditivas e integra semântica de workload, características arquiteturais e objetivos operacionais (SLO, PLO, RLO).

Objetivo. Evoluir o modelo C2PF (Cloud Capacity Planning Framework) para decisões de capacidade proativas, explicáveis e repetíveis em cargas sem histórico.

Referências

  • N. J. Gunther, Guerrilla Capacity Planning. Berlin, Germany: Springer, 2007.
  • T. Lorido-Botran, J. Miguel-Alonso, and J. A. Lozano, "A review of auto-scaling techniques for elastic applications in cloud environments," J. Grid Comput., vol. 12, no. 4, pp. 559–592, 2014, doi: 10.1007/s10723-014-9314-7.
  • N. R. Herbst, S. Kounev, and R. Reussner, "Elasticity in cloud computing: What it is, and what it is not," in Proc. 10th Int. Conf. Autonomic Computing (ICAC), USENIX, 2013, pp. 23–27.
  • C. D. Cavalcanti Pereira, "Capacity planning of cloud computing workloads: A systematic review," in Proc. 15th Int. Conf. Software Engineering Advances (ICSEA), IARIA, 2020.
  • C. D. Cavalcanti Pereira, "A functional paradigm for capacity planning of cloud computing workloads," in Proc. IEEE/ACM 43rd Int. Conf. Software Engineering Companion (ICSE-Companion), 2021, pp. 281–283, doi: 10.1109/ICSE-Companion52605.2021.00128.

Modelagem de Capacidade Escalável em Nuvem Híbrida

Resumo. Estuda técnicas e ferramentas para prever demanda e dimensionar recursos em ambientes de nuvem híbrida, equilibrando custo, desempenho e conformidade entre nuvem pública e privada. Explora modelos de séries temporais e de aprendizado de máquina para autoscaling proativo e alocação sensível a custo.

Objetivo. Desenvolver um modelo preditivo baseado em Machine Learning para dimensionamento de capacidade em nuvem híbrida, otimizando custo e desempenho.

Referências

  • T. Lorido-Botran, J. Miguel-Alonso, and J. A. Lozano, "A review of auto-scaling techniques for elastic applications in cloud environments," J. Grid Comput., vol. 12, no. 4, pp. 559–592, 2014, doi: 10.1007/s10723-014-9314-7.
  • C. Qu, R. N. Calheiros, and R. Buyya, "Auto-scaling web applications in clouds: A taxonomy and survey," ACM Comput. Surv., vol. 51, no. 4, art. no. 73, pp. 1–33, 2018, doi: 10.1145/3148149.
  • M. Masdari and A. Khoshnevis, "A survey and classification of the workload forecasting methods in cloud computing," Cluster Comput., vol. 23, pp. 2399–2424, 2020, doi: 10.1007/s10586-019-03010-3.
  • A. N. Toosi, R. N. Calheiros, and R. Buyya, "Interconnected cloud computing environments: Challenges, taxonomy, and survey," ACM Comput. Surv., vol. 47, no. 1, art. no. 7, pp. 1–47, 2014, doi: 10.1145/2593512.
  • C. D. Cavalcanti Pereira, "Capacity planning of cloud computing workloads," in Cloud Computing — Applications and Sustainable Developments. London, U.K.: IntechOpen, 2025, doi: 10.5772/intechopen.1011100.

Arquitetura Nativa para Otimização de Aplicações SaaS

Resumo. Explora padrões nativos de nuvem aplicados a SaaS — multi-tenancy (isolamento por banco, esquema ou linha), escalabilidade horizontal, elasticidade, medição de uso e modelos de bilhetagem. Investiga o equilíbrio entre isolamento, densidade de tenants e custo por cliente.

Objetivo. Criar um guia de boas práticas para arquitetura SaaS com foco em escalabilidade, isolamento de tenants e eficiência de custo.

Referências

  • C. Fehling, F. Leymann, R. Retter, W. Schupeck, and P. Arbitter, Cloud Computing Patterns. Vienna, Austria: Springer, 2014.
  • C. D. Weissman and S. Bobrowski, "The design of the Force.com multitenant internet application development platform," in Proc. ACM SIGMOD Int. Conf. Management of Data, 2009, pp. 889–896, doi: 10.1145/1559845.1559942.
  • C.-P. Bezemer and A. Zaidman, "Multi-tenant SaaS applications: Maintenance dream or nightmare?," in Proc. Joint ERCIM Workshop on Software Evolution (EVOL) and Int. Workshop on Principles of Software Evolution (IWPSE), ACM, 2010, pp. 88–92, doi: 10.1145/1862372.1862393.
  • J. Kabbedijk, C.-P. Bezemer, S. Jansen, and A. Zaidman, "Defining multi-tenancy: A systematic mapping study on the academic and the industrial perspective," J. Syst. Softw., vol. 100, pp. 139–148, 2015, doi: 10.1016/j.jss.2014.10.034.
  • R. Krebs, C. Momm, and S. Kounev, "Architectural concerns in multi-tenant SaaS applications," in Proc. 2nd Int. Conf. Cloud Computing and Services Science (CLOSER), 2012, pp. 426–431.

Modelos de Maturidade para Infraestruturas de Nuvem

Resumo. Analisa modelos de maturidade (inspirados no CMMI e em frameworks de nuvem) para avaliar de forma estruturada o uso de nuvem de uma organização — governança, automação, FinOps, segurança e observabilidade. Propõe dimensões e níveis que orientem a evolução do uso inicial à otimização avançada.

Objetivo. Propor um framework de maturidade que meça e oriente a jornada de adoção e otimização de nuvem em organizações.

Referências

  • M. C. Paulk, B. Curtis, M. B. Chrissis, and C. V. Weber, "Capability maturity model, version 1.1," IEEE Softw., vol. 10, no. 4, pp. 18–27, 1993, doi: 10.1109/52.219617.
  • J. Becker, R. Knackstedt, and J. Pöppelbuß, "Developing maturity models for IT management," Bus. Inf. Syst. Eng., vol. 1, no. 3, pp. 213–222, 2009, doi: 10.1007/s12599-009-0044-5.
  • J. Pöppelbuß and M. Röglinger, "What makes a useful maturity model? A framework of general design principles for maturity models and its demonstration in business process management," in Proc. 19th European Conf. Information Systems (ECIS), 2011.
  • T. Mettler, "Maturity assessment models: A design science research approach," Int. J. Society Systems Science, vol. 3, no. 1/2, pp. 81–98, 2011, doi: 10.1504/IJSSS.2011.038934.
  • C. D. C. Pereira, C. A. C. Filho, and F. S. Ferraz, "Cloud maturity framework: A guideline to assess and modernize cloud computing applications and workloads," in Proc. 17th Int. Conf. Software Engineering Advances (ICSEA), 2022, pp. 53–57.

Dados & Inteligência Artificial

Data Lakes como Camada Centralizada de Integração Empresarial

Resumo. Investiga o Data Lake como camada central de integração entre sistemas legados, aplicações distribuídas e plataformas analíticas — padrões de ingestão, arquitetura em zonas (raw, trusted, refined), gestão de metadados e catálogo, governança, escalabilidade e desempenho de consulta. Discute a convergência lake-warehouse (lakehouse).

Objetivo. Propor e validar um modelo arquitetural de Data Lake orientado à integração corporativa, com governança e desempenho.

Referências

  • R. Hai, C. Koutras, C. Quix, and M. Jarke, "Data lakes: A survey of functions and systems," IEEE Trans. Knowl. Data Eng., vol. 35, no. 12, pp. 12571–12590, 2023, doi: 10.1109/TKDE.2023.3270101.
  • F. Nargesian, E. Zhu, R. J. Miller, K. Q. Pu, and P. C. Arocena, "Data lake management: Challenges and opportunities," Proc. VLDB Endow., vol. 12, no. 12, pp. 1986–1989, 2019.
  • P. N. Sawadogo and J. Darmont, "On data lake architectures and metadata management," J. Intell. Inf. Syst., vol. 56, no. 1, pp. 97–120, 2021, doi: 10.1007/s10844-020-00608-7.
  • C. Giebler, C. Gröger, E. Hoos, H. Schwarz, and B. Mitschang, "Leveraging the data lake: Current state and challenges," in Proc. Int. Conf. Big Data Analytics and Knowledge Discovery (DaWaK), LNCS 11708. Cham, Switzerland: Springer, 2019, pp. 179–188, doi: 10.1007/978-3-030-27520-4_13.
  • C. D. Cavalcanti Pereira, "Data lakes as a centralized integration layer in enterprise environments," J. Data Analysis and Information Processing, vol. 13, pp. 467–486, 2025, doi: 10.4236/jdaip.2025.134027.

Pipeline Centrado em Dados para IA Confiável

Resumo. Trata integridade, viés, dados sintéticos e proveniência como um sistema interdependente para IA confiável, cobrindo todo o ciclo de vida do dado — coleta, rotulagem, validação, linhagem e auditoria. Enfatiza a virada data-centric: melhorar sistematicamente os dados, e não só o modelo, para elevar transparência e responsabilização.

Objetivo. Definir e avaliar empiricamente o Data-Centric Trust Pipeline como modelo de governança de dados para domínios sensíveis.

Referências

  • D. Schwabe et al., "The METRIC-framework for assessing data quality for trustworthy AI in medicine: A systematic review," npj Digit. Med., vol. 7, no. 1, art. no. 11, 2024, doi: 10.1038/s41746-024-01196-4.
  • N. Sambasivan, S. Kapania, H. Highfill, D. Akrong, P. Paritosh, and L. M. Aroyo, "Everyone wants to do the model work, not the data work: Data cascades in high-stakes AI," in Proc. CHI Conf. Human Factors in Computing Systems, 2021, art. no. 39, doi: 10.1145/3411764.3445518.
  • D. Zha et al., "Data-centric artificial intelligence: A survey," ACM Comput. Surv., vol. 57, no. 5, pp. 1–42, 2025, doi: 10.1145/3711118.
  • S. Longpre et al., "A large-scale audit of dataset licensing and attribution in AI," Nat. Mach. Intell., vol. 6, no. 8, pp. 975–987, 2024, doi: 10.1038/s42256-024-00878-8.
  • C. D. Cavalcanti Pereira, "A data-centric trust pipeline: An empirical framework for trustworthy AI in sensitive domains," AI and Ethics, vol. 6, art. no. 383, 2026, doi: 10.1007/s43681-026-01247-4.
← PublicaçõesPesquisas em andamento →