Реєстраційний номер
0826U004499, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
13-08-2026
Статус
Наказ про видачу диплома
Назва роботи
Розробка програмного каркасу на основі мікросервісів та хмарних технологій для моделювання процесів і явищ наноплазмоніки.
Здобувач
Бавдис Михайло Ігорович,
Керівник Кушнір Олексій Олександрович
Опонент Дзундза Богдан Степанович
Опонент Висоцька Вікторія Анатоліївна
Рецензент Сінькевич Олег Олександрович
Рецензент Любунь Зіновій Михайлович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Львівський національний університет імені Івана Франка
Опис
Стрімке зростання обсягів наукових обчислень та глобальне поширення хмарних платформ зумовлюють нагальну потребу у нових підходах до побудови програмних систем. Мікросервісна архітектура стала де-факто стандартом масштабованих розподілених рішень, проте її адаптація до ресурсоємних науково-обчислювальних задач залишається відкритою проблемою. Існуючі хмарні інструменти проєктувалися переважно для типових вебзастосунків і не враховують специфіки інтенсивних науково-обчислювальних конвеєрів: надвисоку потребу в обчислювальних ресурсах, координацію масивних паралельних процесів та синхронізацію гетерогенних апаратних ресурсів. Стандартні механізми хмарної оркестрації демонструють інерційність при обробці пульсуючих навантажень, а формалізовані критерії вибору ML-архітектур та спеціалізовані метрики для оцінювання ефективності наукових обчислень у розподіленому середовищі відсутні.
У першому розділі проведено системний аналіз методів, архітектурних підходів та інструментальних засобів для побудови високонавантажених систем наукового моделювання. Обґрунтовано доцільність мікросервісної парадигми у поєднанні з багатохмарною оркестрацією та визначено теоретичне підґрунтя для розробки механізмів проактивного адаптивного управління ресурсами на основі циклу MAPE-K. Систематизовано обчислювальні вимоги задач моделювання наноплазмоніки методом дискретних диполів (DDA), що обґрунтовує необхідність спеціалізованих конвеєрів із GPU-прискоренням.
У другому розділі розроблено теоретико-методологічне та алгоритмічне забезпечення для оптимізації мікросервісної інфраструктури. Формалізовано інтегральний критерій ресурсної ефективності (REI) та систему спеціалізованих метрик (RUE, SWE, EPR) для ізольованого оцінювання пульсуючих наукових навантажень. Розроблено алгоритмічне ядро адаптивного LOC-контролера з тришаровою LSTM-моделлю та механізмом уваги для прогнозування навантаження з горизонтом до 15 хвилин. Контролер динамічно перемикається між проактивним і реактивним режимами, а для багатокритеріальної оптимізації використовує алгоритм NSGA-III.
У третьому розділі описано інженерну реалізацію мікросервісного каркасу на базі Amazon EKS (Kubernetes v1.28) та інфраструктури як коду (Terraform). Представлено функціональну декомпозицію системи, гібридну асинхронну комунікаційну стратегію (Apache Kafka, AMQP) та трирівневу підсистему кешування (in-memory LRU, Redis LZ4, XFS), яка забезпечує hit rate 90%, зниження затримки повторних запитів на 75% та скорочення звернень до GPU на 90%. Описано конвеєри CI/CD та інфраструктуру спостережуваності (Prometheus, Grafana, Jaeger, OpenTelemetry).
У четвертому розділі представлено результати експериментальної верифікації (450 вимірювань на метрику, 30 повторів). Статистичними методами (тест Шапіро–Вілка, t-критерій) підтверджено достовірність результатів (p < 0,001, d ∈ [0,89; 1,85]). Середня затримка скорочена на 80,7% (зі 145 до 28 мс), пропускна здатність зросла у 10 разів (до 2,5 ТБ/год), доступність – 99,89%. LOC-контролер діяв проактивно у 67% випадків, обмежуючи деградацію затримки до 8%. Показники RUE зросли на 23,6%, SWE – на 17,2%, EPR – на 37,7%.
Наукова новизна полягає у тому, що вперше запропоновано систему спеціалізованих метрик та інтегральний критерій ресурсної ефективності для оптимізації вибору ML-архітектур з урахуванням пульсуючого характеру обчислень; удосконалено алгоритми багатохмарної оркестрації шляхом інтеграції LSTM-прогнозування та динамічного перемикання режимів управління у цикл MAPE-K; набули подальшого розвитку методи проєктування розподілених систем через створення мікросервісного каркасу з гібридною оркестрацією та трирівневим кешуванням.
Практичне значення полягає в тому, що розроблений програмний каркас та алгоритми доведені до рівня практичного використання і можуть застосовуватися для побудови високонавантажених розподілених систем незалежно від предметної галузі. Хмарна платформа та механізми адаптивного управління готові до інтеграції в ІТ-інфраструктуру дослідницьких центрів і підприємств, а система метрик з Prometheus-експортером надає інженерам готові інструменти для DevOps-моніторингу та автоматизації масштабування.
Ключові слова: мікросервісна архітектура, хмарні обчислення, програмний каркас, наукові обчислення, нейронна мережа, адаптивне управління ресурсами, машинне навчання, LSTM, Kubernetes, ресурсна ефективність, розподілені системи.
Дата реєстрації
2026-08-11
Додано/оновлено в НРАТ
2026-08-11 / 2026-09-16
