ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ УПРАВЛІННЯ ХМАРНИМИ РЕСУРСАМИ ЗА ДОПОМОГОЮ РОЗПОДІЛЕНОГО МОНІТОРИНГУ
DOI:
https://doi.org/10.32689/maup.it.2025.2.11Ключові слова:
хмарні технології, моніторинг, управління, паралельні обчислення, безпека хмарних обчисленьАнотація
Метою даної роботи є розробка архітектури розподіленої системи моніторингу, здатної до адаптивного реагування на змінне навантаження, часткові відмови та мережеві деградації задля підвищення ефективності управління хмарними обчислювальними ресурсами. Методологія дослідження ґрунтується на розробці ієрархічної архітектури, яка включає моніторингові агенти з адаптивною частотою вибірки, fog-рівень із локальними ML-моделями для прогнозування навантаження, а також центральний координатор, який виконує глобальну аналітику та стратегічне управління. У ході дослідження було реалізовано експериментальний прототип системи на базі контейнеризованого середовища з використанням Docker, Apache Kafka, Python, Random Forest та SHAP-інтерпретації. Було проведено серію експериментів за п’ятьма сценаріями: від номінальної роботи до стресових умов із втратами зв’язку, перевантаженнями та комбінованими загрозами.Наукова новизна – вперше реалізовано поєднання агентного моніторингу з динамічною частотою вибірки та ML-аналітики на fog-рівні для забезпечення високої швидкості й точності реагування в умовах децентралізованого управління. Запропонована модель перевершує традиційні централізовані підходи як за якісними, так і за кількісними показниками.Висновки. За результатами експериментів встановлено, що запропонована архітектура дозволяє знизити середній час реакції системи на події на 60–70 %, зменшити втрати телеметричних даних на 3–4 %, підвищити точність прогнозування навантаження до 30 % і зменшити кількість помилкових дій в умовах динамічної інфраструктури. Крім того, розподілений характер обробки інформації забезпечує вищий рівень стабільності системи за рахунок зменшення флуктуацій в алокації ресурсів. Отримані результати підтверджують доцільність впровадження запропонованої архітектури у системах, що потребують високої надійності, адаптивності та масштабованості – зокрема, в edge/fog-середовищах, індустріальному Інтернеті речей, розумних дата-центрах та критично важливих сервісах реального часу.
Посилання
Улізько В. О. Інтелектуальна система управління ресурсами в хмарних середовищах на основі машинного навчання. 2024. URL: https://ela.kpi.ua/handle/123456789/72021 (дата звернення: 10.06.2025).
Almutairi S., Alghanmi N., Monowar M. M. Survey of centralized and decentralized access control models in cloud computing. International Journal of Advanced Computer Science and Applications. 2021. Vol. 12, No. 2.
Barua B., Kaiser M. S. AI-driven resource allocation framework for microservices in hybrid cloud platforms. arXiv preprint. 2024. arXiv:2412.02610. https://doi.org/10.48550/arXiv.2412.02610.
Ilager S., Muralidhar R., Buyya R. Artificial intelligence (AI)-centric management of resources in modern distributed computing systems. 2020 IEEE Cloud Summit. 2020. P. 1–10. DOI: 10.1109/IEEECloudSummit48914.2020.00007.
Kotliarskyi A., Petrashenko A. Spobib pidvyshchennia efektyvnosti vykorystannia khmarnykh resursiv – A method for improving the efficiency of cloud resource usage. Computer-integrated technologies: education, science, production. 2024. No. 54. P. 125–129. https://doi.org/10.36910/6775-2524-0560-2024-54-14.
Li L., Bell J., Coppola M., Lomonaco V. Adaptive AI-based decentralized resource management in the cloud-edge continuum. arXiv preprint. 2025. arXiv:2501.15802. https://doi.org/10.48550/arXiv.2501.15802.
Marques G., Senna C., Sargento S., Carvalho L., Pereira L., Matos R. Proactive resource management for cloud of services environments. Future Generation Computer Systems. 2024. Vol. 150. P. 90–102. https://doi.org/10.1016/j.future.2023.08.005.
Moghaddam S.K., Buyya R., Ramamohanarao K. Performance-aware management of cloud resources: a taxonomy and future directions. ACM Computing Surveys (CSUR). 2019. Vol. 52, No. 4. P. 1–37. https://doi.org/10.1145/3337956.
Ravichandran N., Inaganti A. C., Muppalaneni R., Nersu S.R.K. AI-driven self-healing IT systems: automating incident detection and resolution in cloud environments. Artificial Intelligence and Machine Learning Review. 2020. Vol. 1, No. 4. P. 1–11. https://doi.org/10.69987/.
Tuli S., Gill S. S., Xu M., Garraghan P., Bahsoon R., Dustdar S., Jennings N. R. HUNTER: AI-based holistic resource management for sustainable cloud computing. Journal of Systems and Software. 2022. Vol. 184. P. 111124. https://doi.org/10.1016/j.jss.2021.111124.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Андрій КОБИЛЮК

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.