Work

An AI-Driven Autonomous Self-Healing System for Cloud-Native Microservice Applications

Year: 2026
Type: dissertation
Abstract: As arquiteturas de microsserviços são o padrão adotado para sistemas cloud-native, mas a sua natureza distribuída e dinâmica introduz desafios significativos na manutenção da disponibilidade e resiliência dos serviços.As abordagens tradicionais de gestão de falhas, baseadas em limiares pré-definidos e intervenção manual, são insuficientes para ambientes com muitos componentes interdependentes, onde as falhas se propagam rapidamente entre serviços.Na literatura revista, as soluções existentes abordam predominantemente fases isoladas do ciclo de controlo autonómico, e há pouca evidência empírica sobre o comportamento de um ciclo integrado de deteção, diagnóstico, planeamento e execução sob restrições reais de observabilidade.Esta dissertação apresenta um protótipo integrado de auto-reparação baseado em inteligência artificial para aplicações cloud-native de microsserviços, estruturado como um ciclo MAPE-K (Monitor, Analyze, Plan, Execute, Knowledge Base).A fase de Análise combina três modelos baseados em redes neuronais de grafos: um preditor de falhas, um autoencoder espaço-temporal para deteção não supervisionada de anomalias e um classificador de causa raiz para localização de serviço e classificação de tipo de falha.As fases de Planeamento e Execução recorrem a um modelo de linguagem de grande dimensão (LLM) implantado localmente, com geração aumentada por recuperação (RAG), para gerar playbooks de remediação, executados por um agente ReAct que invoca comandos kubectl, com um mecanismo de reserva em Ansible.Um modelo de governação sensível ao risco classifica as ações de remediação em três níveis de autonomia.O sistema foi validado através de 135 cenários de injeção de falhas em três aplicações de referência (Online Boutique, Sock Shop e Train Ticket), abrangendo seis a sete tipos de falha em cinco serviços por aplicação.Para cada falha que entrou no caminho de remediação, o ciclo integrado completou as fases de diagnóstico, planeamento e execução.A cobertura de deteção, contudo, variou entre 42,9% e 85,7% consoante o benchmark, estando limitada pelo sinal de observabilidade disponível para cada tipo de falha.O tempo médio de recuperação situou-se entre 150 e 464 segundos, abaixo de uma hora em todos os benchmarks.O limiar DORA de recuperação inferior a uma hora é usado apenas como referência contextual, não como termo de comparação direta.A deteção preditiva teve um impacto marginal no Online Boutique, mas acrescentou até 50 pontos percentuais no Train Ticket e forneceu cobertura exclusiva de falhas de conectividade.A execução agêntica trouxe vantagens qualitativas em adaptabilidade, verificação e rastreabilidade, enquanto a execução estática se revelou mais rápida sempre que a precisão do diagnóstico era baixa.O principal resultado empírico é que a autonomia prática do sistema depende menos da capacidade isolada dos modelos e mais da completude da observabilidade, da qualidade do diagnóstico e do acoplamento entre serviços.Palavras-chave:
Language: English
Open Access status: green
OpenAlex ID: W7202060197
Cites: 31
Cited by:
Related to: 10