Επιτυχής Ολοκλήρωση και Πιστοποίηση του Ευρωπαϊκού Έργου Horizon Europe MLSysOps με συντονιστή το Εργαστήριο Συστημάτων Υπολογιστών
Το ευρωπαϊκό ερευνητικό έργο Horizon Europe MLSysOps – Machine Learning for Autonomic System Operation in the Heterogeneous Edge-Cloud Continuum (https://mlsysops.eu), στο οποίο το Εργαστήριο Συστημάτων Υπολογιστών του ΤΗΜΜΥ είχε τον κεντρικό συντονισμό, ολοκληρώθηκε με επιτυχία, λαμβάνοντας τη σχετική πιστοποίηση από την Ευρωπαϊκή Κοινότητα στις 9 Ιουνίου 2026.
Το έργο επικεντρώθηκε στην ανάπτυξη ενός πρωτοποριακού πλαισίου για την αυτόνομη διαχείριση και βελτιστοποίηση της αποδοτικής εκτέλεσης κατανεμημένων εφαρμογών στο υπολογιστικό συνεχές (Cloud-Edge Continuum). Η αρχιτεκτονική του βασίστηκε σε τρεις καινοτόμους πυλώνες:
- Ιεραρχικό Μοντέλο Πρακτόρων: Η διαχείριση της υποδομής και των εφαρμογών είναι κατανεμημένη σε μια ιεραρχία τριών επιπέδων. Οι πράκτορες επιπέδου κόμβου (node agents) ελέγχουν την τοπική υποδομή, οι πράκτορες επιπέδου cluster (cluster agents) συντονίζουν τις επιμέρους ομάδες κόμβων, και ο κεντρικός πράκτορας (continuum agent) έχει την καθολική εποπτεία της διαχείρισης.
- Ανοιχτό Μοντέλο Λήψης Αποφάσεων (Plug–in AI Policies): Οι πράκτορες σε κάθε επίπεδο μπορούν να χρησιμοποιούν είτε συμβατικούς κανόνες είτε εξωτερικά μοντέλα Τεχνητής Νοημοσύνης (AI/ML). Η δυναμική ενεργοποίηση, κλήση και απενεργοποίηση αυτών των μοντέλων γίνεται κατά το χρόνο εκτέλεσης (at runtime) μέσω ρητά ορισμένου πρωτοκόλλου (MLConnector API), επιτρέποντας την εναλλαγή μοντέλων AI χωρίς καμία τροποποίηση στους υποκείμενους μηχανισμούς διαχείρισης.
- Ιεραρχική Τηλεμετρία & Σύνοψη Πληροφορίας: Σε αντίθεση με την παραδοσιακή ροή ελέγχου, η συλλογή δεδομένων ακολουθεί μια bottom-up ιεραρχική προσέγγιση μέσω του OpenTelemetry (OTEL). Οι μετρικές συλλέγονται τοπικά και υποβάλλονται σε έξυπνο φιλτράρισμα και σύνοψη κοντά στο σημείο συλλογής. Με αυτόν τον τρόπο, μεταφέρεται προς τα ανώτερα επίπεδα μόνο η απαραίτητη πληροφορία, ελαχιστοποιώντας το φόρτο επικοινωνίας και εξασφαλίζοντας τη λειτουργικότητα σε συστήματα μεγάλης κλίμακας.
Ενισχύοντας έμπρακτα τη δέσμευση του εργαστηρίου στην ανοιχτή επιστήμη, ολόκληρο το λογισμικό διατίθεται ελεύθερα στο GitHub του έργου, ενώ τα εκπαιδευμένα μοντέλα και τα σύνολα δεδομένων που χρησιμοποιήθηκαν είναι ελεύθερα προσβάσιμα στην κοινότητα του MLSysOps στο Zenodo.















