tuzsutТруды учебных заведений связиProceedings of Telecommunication Universities1813-324X2712-8830СПбГУТ10.31854/1813-324X-2020-6-3-100-106tuzsut-136Research ArticleТРУДЫ МОЛОДЫХ УЧЕНЫХYOUNG SCHOLARS RESEARCHПрогнозирование ресурсов облачных сервисов на основе мониторинговой системы с открытым кодомPrediction of Cloud Computing Resources Based on the Open Source Monitoring SystemКучероваК. Н.KucherovaK. ..kristina.mylife@gmail.comСанкт-Петербургский политехнический университет Петра ВеликогоРоссияPeter the Great Saint-Petersburg Polytechnic UniversityRussian Federation20201304202163100106Copyright © Кучерова К.Н., 20212021Кучерова К.Н.Kucherova K...Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://tuzs.sut.ru/jour/article/view/136

В статье описан универсальный подход к мониторингу хранилищ данных глобально распределенных вычислительных комплексов, что позволяет автоматизировать создание новых метрик в системе и прогнозировать их поведение для конечного пользователя. Так как существующие мониторинговые программные продукты обеспечивают готовую схему для мониторинга только системных метрик, таких как использование оперативной памяти, процессора, внешних дисков и сетевого траффика, но не предлагают решения для бизнес-функций, то IT-компаниям приходится проектировать специализированные структуры баз данных. Предложенная в статье структура данных для хранения мониторинговой статистической информации универсальна и позволяет экономить ресурсы при организации мониторинга баз данных в масштабе глобально распределенных вычислительных комплексов. Целью работы является разработка универсальной модели для мониторинга и прогнозирования хранилищ данных глобально распределенных вычислительных комплексов и оценка ее адекватности реальным условиям эксплуатации.

The paper describes the universal approach for monitoring the data storage of a globally distributed cloud computing system, which allows you to automate creation of new metrics in the system and predict their behavior for the end users. Since the existing monitoring software products provide built-in scheme only for system metrics like RAM, CPU, disk drives, network traffic, but don’t offer solutions for business functions, IT companies have to design specialized database structure (DB). The data structure proposed in this paper for storing the monitoring statistics is universal and allows you to save resources when orginizing database monitoring on the scale of the GDCCS. The goal of the research is to develop a universal model for monitoring and forecasting of data storage in a globally distributed cloud computing system and its adequacy to real operating conditions.

облачная системабаза данныхмониторингсистемная метрикапрогнозированиекорреляционная функцияcloud computing systemdatabasemonitoringsystem metricspredictioncorrelation functionReferencesDistillery. URL: https://distillery.com (дата обращения 12.08.2020)Distillery. URL: https://distillery.com (дата обращения 12.08.2020)Dhyani A. Create a Custom Metric in Zabbix. 2016. URL: https://www.tothenew.com/blog/create-a-custom-metric-in- zabbix (дата обращения 12.08.2020)Dhyani A. Create a Custom Metric in Zabbix. 2016. URL: https://www.tothenew.com/blog/create-a-custom-metric-in- zabbix (дата обращения 12.08.2020)Efimov V.V., Mescheryakov S.V., Shchemelinin D.A., Yakovlev K.A. Integration and Continuous Service Delivery in Globally Distributed Computing System // Университетский научный журнал. 2017. № 30. С. 13-20.Efimov V.V., Mescheryakov S.V., Shchemelinin D.A., Yakovlev K.A. Integration and Continuous Service Delivery in Globally Distributed Computing System // Университетский научный журнал. 2017. № 30. С. 13-20.Gildeh D. What We Learnt Talking to 60 Companies about Monitoring // Dataloop.IO. 2014. URL: https://dataloopio. wordpress.com/2014/01/30/what-we-learnt-talking-to-60-companies-about-monitoring (дата обращения 12.08.2020)Gildeh D. What We Learnt Talking to 60 Companies about Monitoring // Dataloop.IO. 2014. URL: https://dataloopio. wordpress.com/2014/01/30/what-we-learnt-talking-to-60-companies-about-monitoring (дата обращения 12.08.2020)Levey T. Introducing Real-Time Business Metrics // AppDynamics. 2013. URL: https://www.appdynamics.com/blog/news/introducing-real-time-business-metrics (дата обращения 12.08.2020)Levey T. Introducing Real-Time Business Metrics // AppDynamics. 2013. URL: https://www.appdynamics.com/blog/news/introducing-real-time-business-metrics (дата обращения 12.08.2020)Cliffe D. Monitoring Business Metrics and Refining Outage Response // PagerDuty. 2015. URL: https://www.pagerduty.com/blog/monitoring-business-metrics (дата обращения 12.08.2020)Cliffe D. Monitoring Business Metrics and Refining Outage Response // PagerDuty. 2015. URL: https://www.pagerduty.com/blog/monitoring-business-metrics (дата обращения 12.08.2020)Prometheus. Open-source Systems Monitoring and Alerting Toolkit. URL: https://prometheus.io (дата обращения 12.08.2020)Prometheus. Open-source Systems Monitoring and Alerting Toolkit. URL: https://prometheus.io (дата обращения 12.08.2020)Nesvold H. Getting into Business with Prometheus. 2016. URL: https://schibsted.com/blog/business-with-prometheus (дата обращения 12.08.2020)Nesvold H. Getting into Business with Prometheus. 2016. URL: https://schibsted.com/blog/business-with-prometheus (дата обращения 12.08.2020)Saymon. URL: https://saymon.info/en-version (дата обращения 12.08.2020)Saymon. URL: https://saymon.info/en-version (дата обращения 12.08.2020)Gartner Magic Quadrant for EFSS (Enterprise File Sharing and Sync) // Content Collaboration Platforms. 2018. URL: https://www.gartner.com/en/documents/3881863/magic-quadrant-for-content-collaboration-platforms (дата обращения 12.08.2020)Gartner Magic Quadrant for EFSS (Enterprise File Sharing and Sync) // Content Collaboration Platforms. 2018. URL: https://www.gartner.com/en/documents/3881863/magic-quadrant-for-content-collaboration-platforms (дата обращения 12.08.2020)Kucherova K., Mescheryakov S., Shchemelinin D. Prediction Experience and New Model // Proceedings of the 7th Annual International Zabbix Conference (Riga, Latvia, 15-17 September 2017). URL: http://www.zabbix.com/conf2017_agenda.phpKucherova K., Mescheryakov S., Shchemelinin D. Prediction Experience and New Model // Proceedings of the 7th Annual International Zabbix Conference (Riga, Latvia, 15-17 September 2017). URL: http://www.zabbix.com/conf2017_agenda.phpKucherova K.N., Mescheryakov S.V., Shchemelinin D.A. Using Predictive Monitoring Models in Cloud Computing Systems. Communications in Computer and Information Science // Proceedings of the 21st International Conference on Distributed Computer and Communication Networks (DCCN 2018, Moscow, Russia, 17-21 September 2018). Cham: Springer, 2018. Vol. 919. PP. 341-352. DOI:10.1007/978-3-319-99447-5_29Kucherova K.N., Mescheryakov S.V., Shchemelinin D.A. Using Predictive Monitoring Models in Cloud Computing Systems. Communications in Computer and Information Science // Proceedings of the 21st International Conference on Distributed Computer and Communication Networks (DCCN 2018, Moscow, Russia, 17-21 September 2018). Cham: Springer, 2018. Vol. 919. PP. 341-352. DOI:10.1007/978-3-319-99447-5_29Mescheryakov S., Shchemelinin D., Efimov V. Adaptive control of cloud computing resources in the internet telecommunication multiservice system // Proceedings of the 6th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT-2014, St.-Petersburg, Russia, 6-8 October 2014). IEEE, 2014. PP. 287-293. DOI:10.1109/ICUMT.2014.7002117Mescheryakov S., Shchemelinin D., Efimov V. Adaptive control of cloud computing resources in the internet telecommunication multiservice system // Proceedings of the 6th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT-2014, St.-Petersburg, Russia, 6-8 October 2014). IEEE, 2014. PP. 287-293. DOI:10.1109/ICUMT.2014.7002117

The authors declare that there are no conflicts of interest present.