Postęp technologiczny w ostatnich latach, umożliwiający przeprowadzanie skomplikowanych symulacji komputerowych w krótkim czasie, doprowadził do powstania nowych sposobów prowadzenia badań naukowych silnie wykorzystujących dane. Przykładem tego typu podejścia jest metodyka „data farming". Efektywne zastosowanie tej metodyki wymaga dedykowanego oprogramowanie posiadającego (poza innymi) cechę samoskalowalności, która jest niezwykle trudna do osiągnięcia. W niniejszej rozprawie, autor wprowadza dwie koncepcje: usług samoskalowalnych oraz reguł skalowania, które mogą być wykorzystane do tworzenie samoskalowalnych platform. Usługi samoskalowalne stanowią rozszerzenie architektury zorientowanej na usługi (SOA), których celem jest zapewnienie samoskalowalności budowanej usługi w ustandaryzowany sposób. Reguły skalowania stanowią notację umożliwiającą specyfikację warunków wraz z metrykami i akcjami opisującymi skalowanie tworzonych usług. W celu weryfikacji zaproponowanych koncepcji, opracowana została masywnie samoskalowalna platforma wspierająca eksperymenty typu „data farming". Funkcjonalności platformy została potwierdzona w eksperymentach w ramach projektu EDA EUSAS związanych ze wzbogaceniem treningu służb porządkowych poprzez wykorzystanie symulacji wieloagentowych. Do weryfikacji aspektów niefunkcjonalnych platformy wykorzystane zostały testy syntetyczne wykorzystujące różne konfiguracje zasobów obliczeniowych.
Recent technological advances have led to significant improvements in computationally heavy disciplines by providing IT infrastructures capable of executing large- scale simulations in a short amount of time. To effectively exploit these opportunities new scientific methodologies such as Data Farming have emerged. Efficient experimentation using these new tools requires dedicated software, providing (among others) self-scalability - a highly desirable feature which nevertheless remains difficult to implement.
In this dissertation the author introduces two concepts which can be utilized to develop self-scalable platforms, namely self-scalable services and scaling rules. Self- scalable services are an extension of the Service Oriented Architecture which extends the traditional concept of a service to include self-scalability in a standard manner. Scaling rules are a machine-processable notation for defining conditions along with metrics and actions concerning scalability management. To demonstrate the proposed concepts, a massively self- scalable platform for Data Farming applications is proposed. The functional requirements of this platform are evaluated within the context of multi-agent simulation, which aims to enhance training of security forces in the EDA EUSAS project. The non-functional requirements are evaluated via a set of synthetic tests involving massive scalability and self-scalability under different resource configurations.