Пошук академічних текстів

Інформація × Реєстраційний номер 0825U001952, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 02-07-2025 Статус Наказ про видачу диплома Назва роботи МЕТОД ДОПОВНЮВАЛЬНИХ НАВАНТАЖЕНЬ ДЛЯ РОЗПОДІЛУ ЗАДАЧ В ХМАРНИХ СИСТЕМАХ Здобувач Дмитренко Олександра Анатоліївна, Керівник Скулиш Марія Анатоліївна Опонент Кучук Ніна Георгіївна Опонент Глибовець Андрій Миколайович Рецензент Барановський Олексій Миколайович Рецензент Астраханцев Андрій Анатолійович Опис Оптимізація використання ресурсів хмарних систем має високий пріоритет через широке розповсюдження цих технологій. Поява Docker та Kubernetes спростила тестування та розгортання хмарних застосунків, збільшивши попит на хмарні ресурси та підкресливши важливість їх ефективного використання. Чинні підходи до розподілу навантаження мають суттєві недоліки. Вимоги контейнерних задач оцінюються за допомогою параметрів requests та limits для RAM і CPU, які визначають пріоритет задачі та ймовірність її вилучення при перевантаженні вузла. Іншою проблемою є неефективне вивільнення RAM при зменшенні потреби в ній. В дисертації пропонується трансформувати роль бажаних та максимальних значень ресурсів з вирішального фактора на координаційний параметр. Ідея полягає в аналізі історичних даних для оцінки потреб задач у різні періоди та пошуку доповнень до "прогалин" у навантаженні шляхом комбінування задач. Запропонована математична модель базується на принципі доповнювальності та теорії нечітких ґраток. Вона враховує ОП, ЦП, мережеві ресурси та дисковий простір. Метод доповнювальних навантажень спрямований на формування груп зі стабільними шаблонами навантаження та зменшення використання ресурсів. Описаний метод включає кластеризацію мікросервісів виділяючи подібні шаблони роботи обчислювальних задач, сортування їх часових рядів за амплітудою використання ресурсів та пошук пар з груп шаблонів, протилежних за часом споживання ресурсів (активні вночі та пасивні вдень мають зіставитися з пасивними вночі та активними вдень). При реалізації використовувалися Z-масштабування, кластеризація KMeans, алгоритми FastDTW та PCA. При застосуванні принципу доповнювальних навантажень можна досягти покращень в автомасштабуванні: 1) у випадку заповнення кластера лише доповнювальними навантаженнями, зменшується споживання електроенергії. 2) у випадку часткового заповнення сервера доповнювальними навантаженнями можливо зменшити запас ресурсів сервера (headroom) і в результаті - зменшити кількість серверів у кластері. Статистичний аналіз показав значні покращення: зменшення кількості технічного обладнання на 8-17% залежно від ключового критерію, підвищення енергоефективності на 10-15%, зменшення кількості перепланувань розміщення задач на 25-35% та зниження потреб в автомасштабуванні до 20%. На вузлах з доповнювальними групами запасний ресурс можна зменшити до 20%. Запропонований підхід застосовується до мікросервісів, монолітів та безсерверних технологій, що робить його універсальним інструментом для оптимізації хмарних інфраструктур. Дата реєстрації 2025-05-26 Додано в НРАТ 2025-05-26 Закрити