ОЦЕНКА ДЛИНЫ ПЕРИОДА НЕСТАЦИОНАРНЫХ ПРОЦЕССОВ В ОБЛАЧНЫХ СИСТЕМАХ 

Жмылёв С.А. Оценка длины периода нестационарных процессов в облачных системах // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 3. С. 475–481. doi: 10.17586/2226-1494-2019-19-3-475-481

Предмет исследования. Проанализированы существующие подходы к автоматическому масштабированию облачных систем, функционирующих в условиях нестационарной пользовательской нагрузки. Выявлены недостатки существующих подходов к прогнозированию нагрузки, обусловленные недостаточной производительностью используемых алгоритмов. Анализ свойств периодических нестационарных процессов и автоматическая оценка длины их периода произведены на основе измеренных данных. Точность разработанных аналитических моделей подтверждена в ходе многочисленных имитационных экспериментов в среде моделирования AnyLogic Professional. Метод. В основе разработанного метода автоматической оценки длины периода нестационарных процессов лежит последовательное приближение промежуточного результата к искомой величине. Предложенный метод ранжирует предполагаемые результаты в соответствии с вероятностью их соответствия определяемой величине периода нестационарного процесса. Основные результаты. Обеспечена возможность оценки длины периода за адекватное время. Тестирование проводилось на системе с процессором AMD FX 8120 с тактовой частотой 3,1 ГГц в один поток. Исходный сигнал генерировался с амплитудой 1. Варьировались форма сигнала, величина периода, множитель амплитуды и величина наложенного случайного шума. По данным, полученным с крупнейшего транспортного сетевого узла России «Акционерное общество «Центр взаимодействия компьютерных сетей «МСК-IX», успешно определен период суммарного транзитного трафика, а также успешно определены периоды нестационарных процессов для модели облачной системы. Практическая значимость. Разработанный метод может быть использован в составе сервисов автоматического масштабирования облачных систем и обеспечивает более эффективное управление инфраструктурными ресурсами облачных вычислительных систем.

1. Bogatyrev V.A., Parshutina S.A., Poptcova N.A., Bogatyrev A.V. Efficiency of redundant service with destruction of expired and irrelevant request copies in real-time clusters // Communications in Computer and Information Science. 2016. V. 678. P. 337–348. doi: 10.1007/978-3-319-51917-3_30
2. Patel R.P. Cloud computing and virtualization technology in radiology // Clinical Radiology. 2012. V. 67. N 11. P. 1095–1100. doi: 10.1016/j.crad.2012.03.010
3. Moreno-Vozmediano R., Montero R.S, Llorente I.M. Iaas cloud architecture: from virtualized datacenters to federated cloud infrastructures // Computer. 2012. V. 45. N 12. P. 65–72. doi: 10.1109/mc.2012.76
4. Chang B.R., Tsai H.F., Chen C.M. Empirical analysis of server consolidation and desktop virtualization in cloud computing // Mathematical Problems in Engineering. 2013. V. 2013. 11 p. doi: 10.1155/2013/947234
5. Мартынчук И.Г., Жмылёв С.А. Архитектура и организация сервисов автомасштабирования в облачных системах // Альманах научных работ молодых ученых Университета ИТМО. 2017. Т. 5. С. 200–203.
6. Жмылёв С.А., Мартынчук И.Г., Киреев В.Ю., Алиев Т.И. Оценка длины периода нестационарных процессов в облачных системах // Известия вузов. Приборостроение. 2018. Т. 61. № 8. С. 645–651. doi: 10.17586/0021-3454-2018-61-8-645-651
7. Cattani C., Kudreyko A. Application of periodized harmonic wavelets towards solution of eigenvalue problems for integral equations // Mathematical Problems in Engineering. 2010. 8 p. doi: 10.1155/2010/570136
8. Chen W.W., Liu S., Wang Q.J. Fast Fourier transform based numerical methods for elasto-plastic contacts of nominally flat surfaces // Journal of Applied Mechanics. 2008. V. 75. N 1. doi: 10.1115/1.2755158
9. Левина А.Б., Таранов С.В. Исследование влияния сложности функции кодирования на распределение вероятности маскировки ошибки // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 2. С. 331–337. doi: 10.17586/2226-1494-2016-16-2-331-337
10. Bogatyrev V.A. Fault tolerance of clusters configurations with direct connection of storage devices // Automatic Control and Computer Sciences. 2011. V. 45. N 6. P. 330–337. doi: 10.3103/S0146411611060046
11. Bogatyrev V.A., Bogatyrev S.V., Golubev I.Yu. Optimization and the process of task distribution between computer system clusters // Automatic Control and Computer Sciences. 2012. V. 46. N 3. P. 103–111. doi: 10.3103/S0146411612030029
12. Письмак А.Е., Харитонова А.Е., Цопа Е.А., Клименков С.В. Оценка семантической близости предложений на естественном языке методами математической статистики // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 2. С. 324–330. doi: 10.17586/2226-1494-2016-16-2-324-330
13. Shahzad A., Lee Y.S., Lee M. et al. Real-time cloud-based health tracking and monitoring system in designed boundary for cardiology patients // Journal of Sensors. 2018. V. 2018. 15 p. doi: 10.1155/2018/3202787
14. Суммарный трафик участников, передаваемый через MSK-IX [Электронный ресурс]. Режим доступа: https://www.msk-ix. ru/traffic/ (дата обращения: 09.04.2019).
15. Беззатеев С.В., Елина Т.Н., Мыльников В.А. Моделирование процессов подбора параметров облачных систем для обеспечения их устойчивости с учетом надежности и безопасности // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 4. С. 654–662. doi: 10.17586/2226-1494-2018-18-4-654-662
 

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License