Cognitive Cloud Continuum
Il Cognitive Computing Continuum (o Continuum Cognitivo di Calcolo) è il concetto su cui si fonda l’approccio infrastrutturale di AVANT.
Più che una semplice rete di risorse fisiche, lo si può intendere come un ambiente intelligente e dinamico, in cui nodi edge, cloud e risorse distribuite collaborano in modo flessibile e adattivo.
L’obiettivo è superare l’attuale frammentazione delle infrastrutture computazionali.
Caratteristiche
Le sue caratteristiche principali, in relazione ad AVANT, sono:
- Integrazione dinamica e collaborativa – Il continuum collega nodi edge e cloud di diversi provider in un sistema eterogeneo, auto-gestito e in grado di apprendere dalle condizioni operative.
- Computazione “liquefatta” – AVANT contribuisce a rendere il calcolo sufficientemente flessibile da scalare attraverso ambienti multi-cloud e adattarsi dinamicamente alle capacità di rete.
- Orchestrazione intelligente – La componente cognitiva è fornita dalla piattaforma C3OP (Cognitive Computing Continuum Orchestration Platform), sviluppata all’interno del progetto, che ottimizza l’uso delle risorse cloud-edge.
- Adattamento autonomo – A differenza di approcci focalizzati solo sull’interoperabilità (come Gaia-X), AVANT gestisce risorse eterogenee in modo auto-regolante, adattandosi dinamicamente alle condizioni del sistema e alle topologie di dati.
- Ottimizzazione multi-obiettivo – L’orchestrazione non si limita alla sola allocazione delle risorse, ma considera simultaneamente disponibilità, carico, consumo energetico, reputazione e requisiti applicativi.
In sintesi, il Cognitive Computing Continuum funge da sistema operativo virtuale per i Digital Twin e altre applicazioni data-intensive, permettendo loro di utilizzare le risorse distribuite in modo efficiente, sicuro e sostenibile, attraverso un’infrastruttura software che unisce intelligenza, autonomia e flessibilità.
Documents
A Greedy Data-Anchored Placement of Microservices in Federated Clouds
The paper proposes an algorithm that optimizes multi-cloud deployment, improving response time without violating data movement constraints.
Data-anchored multi-cloud microservices placement: a greedy approach
The extended abstract proposes the use of the WL-A model with “anchors” to achieve a data-centric deployment, reducing data movement and improving response times.
