ОПЕРАТИВНОЕ УПРАВЛЕНИЕ КРИТИЧЕСКИМИ IT-СИСТЕМАМИ НА ОСНОВЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Аннотация
Исследуется актуальная прикладная проблема, связанная c оперативным управлением критическими информационными сервисами. Предложен оригинальный подход, основанный на нейросетевом прогнозировании, в рамках которого разработан метод динамической локальной аппроксимации нейросетевыми моделями. Изложены принципы построения и реализации алгоритма функционирования (в условиях неопределенности профиля внешней нагрузки) комбинированной проактивной системы управления вычислительными ресурсами. Проведены эксперименты, которые подтвердили эффективность метода и подхода в целом.
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
В. В. КРАСНОПРОШИН, Белорусский государственный университет, Минск
д-р техн. наук, проф.
Библиографические ссылки
Straesser, M., Grohmann, J., von Kistowski, J., Eismann, S., Bauer, A., & Kounev, S. (2022). Why Is It Not Solved Yet? Challenges for Production-Ready Autoscaling. In ICPE '22: 13th ACM/SPEC International Conference on Performance Engineering (105–115). ACM. DOI: 10.1145/3489525.3511680.
Khan, N., Elizondo, D. A., Deka, L., & Molina-Cabello, M. A. (2021). Fuzzy Logic Applied to System Monitors. In IEEE Access: Vol. 9 (56523–56538). IEEE. DOI: 10.1109/ACCESS.2021.3072239.
Tran, D., Tran, Nh., Nguyen, B. M., & Nguyen, G. (2017). A Proactive Cloud Scaling Model Based on Fuzzy Time Series and SLA Awareness. In Procedia Computer Science (Intern. Conf. on Computational Science ICCS 2017): Vol. 108 (365–374). Elsevier. DOI: 10.1016/j.procs.2017.05.121.
Persico, V., Grimaldi, D., Pescapè, A., Salvi, A., & Santini, S. (2017). A Fuzzy Approach Based on Heterogeneous Metrics for Scaling Out Public Clouds. In IEEE Transactions on Parallel and Distributed Systems: Vol. 28, iss. 8 (2117–2130). IEEE. DOI: 10.1109/TPDS.2017.2651810.
Starovojtov, A. A. (2023). Modelirovanie sistem dlja proaktivnogo upravlenija vychislitel'nymi kompleksami. In D. A. Pogonyshev (Ed.), XXV Vserossijskaja studencheskaja nauchno-prakticheskaja konferencija Nizhnevartovskogo gosudarstvennogo universiteta: Ch. 3. Informatsionnye tekhnologii (148–155). Nizhnevartovsk: Publ. NVGU. http://konference.nvsu.ru/konffiles/383/Stud_konf_CH3_Informacionnye_tehnologii.pdf. (In Russ.).
Starovojtov, A. A. (2023). Algoritm proaktivnogo upravlenija vychislitel'nymi resursami. In A. V. Blohin (Ed.) et al. 80-ja nauchnaja konferencija studentov i aspirantov Belorusskogo gosudarstvennogo universiteta: Ch. 1 (398–401). Minsk: Publ. BGU. http://konference.nvsu.ru/konffiles/383/Stud_konf_CH3_Informacionnye_tehnologii.pdf. (In Russ.).
Starovoytov, A. A., & Krasnoproshin, V. V. (2023). Technology for making real-time decisions based on neural network forecasting. In A. Nedzved, & A. Belotserkovsky (Eds.), Pattern Recognition and Information Processing (PRIP'2023). Artificial Intelliverse: Expanding Horizons: Proceedings of the 16th International Conference (58–63). Minsk: Publ. BSU. https://prip.by/2023/assets/files/PRIP2023_proceedings.pdf.