Context-Aware Digital Twins Scheduling in the Edge-Cloud Compute Continuum Pianificazione Context-Aware dell'esecuzione di Digital Twin in ambienti di calcolo Edge-Cloud

L'avvento dell'Industria 4.0 e dell'Industrial Internet of Things (IIoT) richiede architetture software altamente reattive e resilienti, specialmente per il deployment di Digital Twin in ambienti Edge. Questa tesi presenta uno studio approfondito sulle moderne architetture a microservizi, analizzando le best practice di containerizzazione, integrazione continua e orchestrazione necessarie per supportare carichi di lavoro industriali critici. Partendo dall'analisi dello stato dell'arte, il lavoro si concretizza in un caso di studio applicativo: la progettazione e lo sviluppo di uno scheduler Kubernetes context-aware. A differenza dello scheduler standard, che si basa primariamente sull'allocazione statica di risorse (CPU e RAM), la soluzione proposta instrada dinamicamente i Digital Twin valutando parametri infrastrutturali e di rete in tempo reale, quali latenza verso i macchinari, carico I/O sui dischi e temperatura hardware, sfruttando l'ecosistema Prometheus. Inoltre, parte integrante dell'attività di ricerca e tirocinio ha riguardato la collaborazione attiva a un progetto congiunto tra MASA e TIM. Nello specifico, il lavoro ha previsto la migrazione e il deployment su cluster Kubernetes di architetture a microservizi preesistenti.

The advent of Industry 4.0 and the Industrial Internet of Things (IIoT) requires highly responsive and resilient software architectures, particularly for deploying Digital Twins in Edge environments. This thesis presents a comprehensive study of modern microservice architectures, analyzing the best practices in containerization, continuous integration, and orchestration necessary to support critical industrial workloads. Moving from the analysis of the state-of-the-art, the research culminates in an applied case study: the design and development of a context-aware, telemetry-driven Kubernetes scheduler. Unlike the default scheduler, which primarily relies on static resource allocation (CPU and RAM), the proposed solution dynamically routes Digital Twins by evaluating real-time infrastructure and network parameters, such as latency to factory machinery, disk I/O load, and hardware temperature, leveraging the Prometheus ecosystem. Additionally, an integral part of the research and internship involved active collaboration on a joint project between MASA and TIM. Specifically, this work included the migration and deployment of pre-existing microservice architectures onto Kubernetes clusters.