Registro de alterações

O que a árvore atual do DispatchAtlas oferece, agrupado por área. O histórico canônico e legível por máquina vive no repositório CHANGELOG.md, que segue Keep a Changelog e versionamento semântico assim que os lançamentos de pacotes começarem; as versões marcadas aparecem na página de lançamentos.

O DispatchAtlas é uma plataforma reprodutível de benchmarking para escalonamento de tarefas no continuum IoE / Edge–Fog–Cloud.

✨ Destaques atuais

• Modelo central de escalonamento — modelos de custo de máquinas não relacionadas (matriz de tempo de execução, máscara de compatibilidade, preparação dependente de sequência, curvas de execução dependentes de carga, comunicação entre recursos), co-alocação multirrecurso, execução parcial (computação imprecisa), tarefas moldáveis de largura variável, co-escalonamento em grupo (gang) e semântica de tarefas com compartilhamento justo multilocatário, uma ampla família de objetivos (makespan, preparação, energia, custo, carbono, latência, atraso, justiça, participação no recurso dominante, confiabilidade, segurança, robustez, recompensa imprecisa, composto) com valores escalares ou vetoriais, relatório de viabilidade com registros de linhas inviáveis, derivação determinística de semente e serialização JSON por trás de protocolos de integração tipados.
• Atlas de benchmarks — famílias genéricas de escalonamento por otimização combinatória (máquinas não relacionadas, job-shop, job-shop flexível, flow-shop por permutação, flow-shop com preparação dependente de sequência e escalonamento de projetos com recursos restritos) ao lado de famílias de computação distribuída e de um continuum de famílias Edge–Fog–Cloud (descarregamento de borda, cold-start serverless, grafos de chamadas de microsserviços, posicionamento de réplicas, borda aérea, janelas de streaming, recuperação de falhas, escalonamento ciberfísico, agregação de sensores IoT para a borda, escalonamento de clusters de GPU e aprendizado de máquina, posicionamento de serviços de borda, adiamento ciente de carbono, seleção de clientes em aprendizado federado, renderização de realidade estendida imersiva, escalonamento de borda em satélites de órbita baixa, colocação de tarefas em datacenter, alocação de máquinas virtuais, descarregamento de borda veicular, redes industriais sensíveis ao tempo, fatiamento de redes 5G, sincronização de borda em gêmeos digitais, análise de vídeo em cidades inteligentes, inferência dividida colaborativa entre borda e nuvem, computação de borda confidencial, computação de borda intermitente sem bateria, escalonamento de spot-VMs preemptíveis, posicionamento por localidade de dados, escalonamento por co-conclusão de coflows e serviço de inferência de modelos generativos sob um orçamento de cache chave-valor), cada uma com uma classe de perfil, metadados com respaldo de citação, métricas de caracterização, estratificação de dificuldade e uma métrica de calibração de distância de distribuição.
• Registro de solvers — bases construtivas e de despacho, adaptadores exatos (CP-SAT, programação linear inteira-mista e quadraticamente restrita, branch-and-bound, um solver nativo de enumeração exaustiva limitada e backends comerciais opcionais por trás de um extra dedicado), metaheurísticas representativas, um conjunto diversificado de concorrentes com referências canônicas, solvers contínuos ligados ao escalonamento por meio de adaptadores de codificação, um concorrente multiobjetivo e uma família de solvers de codificação nativa que busca diretamente sobre escalonamentos viáveis. Cada descritor carrega um contrato de citação fail-closed e capacidades declaradas.
• Camada de seleção — recomendação de solvers baseada em regras e aprendida que classifica os solvers a partir de capacidades declaradas e da caracterização de benchmarks, por trás de um protocolo de validação cruzada livre de vazamento que relata generalização fora da amostra e nunca afirma um solver globalmente melhor.
• Objetivos, restrições e qualidade — avaliação por objetivo, restrições de nível de serviço nomeadas com caminhos distintos de violação rígida e de penalidade suave, auxiliares de fronteira de Pareto e quatro indicadores de qualidade (hipervolume, IGD+, o indicador epsilon aditivo e a dispersão), e robustez de valor em risco no pior caso ou condicional sobre um conjunto de perturbações explicitamente declarado.
• Motor de campanha — validação, orçamento de execução em dry-run, execução com checkpoints e reproduzível, uma política de contagem de execuções no piso de poder estatístico, invariantes de comparação justa, replay determinístico contra hashes de conteúdo registrados e uma topologia paralela segura que escala até os núcleos disponíveis do host com sondagem de capacidade e proteções de paralelismo aninhado.
• Análise e evidência — inferência não paramétrica (Wilcoxon de postos com sinal com tamanhos de efeito de Vargha-Delaney e Cliff's-delta, o omnibus de Friedman com um post-hoc de Nemenyi, correção de Holm e Hochberg e intervalos de bootstrap acelerado e corrigido por viés) sem dependência de estatística de terceiros, figuras e tabelas determinísticas em SVG e PGFPlots, uma superfície de limitações para métodos não suportados, e pacotes de evidência filtrados por divulgação e indexados por níveis de evidência genéricos.
• Documentação e portal — um site de documentação com um portal interativo (explorador de catálogo de benchmarks, explorador de resultados, prévia de simulação, um recomendador de solvers explicável e apenas de metadados, inspeção da plataforma e um centro de downloads), demonstrações executáveis no navegador (visualizar evidências, incluindo figuras de convergência e de exploração–explotação, executar um solver ao vivo e executar um experimento com semente com um tamanho de efeito e um intervalo de confiança por bootstrap), busca offline, um sitemap, um índice do site legível por máquina e dados de portal seguros para o público renderizados na página em tempo de build.
• Governança e cadeia de suprimentos — superfícies raiz de governança e comunidade, licenciamento SPDX de linha única compatível com REUSE, CI com cobertura imposta, auditoria de dependências fixadas, uma auditoria agendada da cadeia de suprimentos sobre o fecho da distribuição instalada, uma configuração de segurança CodeQL, geração de SBOM em CycloneDX e verificação de assinatura de lançamento e proveniência de build.