tuzsutТруды учебных заведений связиProceedings of Telecommunication Universities1813-324X2712-8830СПбГУТ10.31854/1813-324X-2021-7-3-73-78tuzsut-179Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGIES AND TELECOMMUNICATIONМатематические модели и методы мониторинга и прогнозирования состояния глобально распределенных вычислительных комплексовMathematical Models and Methods for Monitoring and Predicting the State of Globally Distributed Computing Systemshttps://orcid.org/0000-0003-3032-130XЩемелининД. А.ShchemelininD.

Щемелинин Дмитрий Александрович, кандидат технических наук, старший научный сотрудник

Санкт-Петербург, 195277

St. Petersburg, 195277

dshchmel@gmail.comЦентр научных исследований «Три Би»РоссияResearch Center “3B”Russian Federation202105102021737378Copyright © Щемелинин Д.А., 20212021Щемелинин Д.А.Shchemelinin D.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/179

Мониторинг событий и прогнозирование поведения динамической информационной системы приобретают все большую актуальность в связи с глобализацией облачных сервисов и резким увеличением объема обрабатываемых данных. Для своевременного обнаружения и оперативного исправления аномалии используются известные системы мониторинга, которые нуждаются в новых более эффективных и проактивных средствах прогнозирования. На конференции CMG-2013 был представлен метод прогнозирования утечки памяти в Java-приложениях, который позволяет автоматически высвобождать ресурсы путем безопасной перезагрузки сервисов при достижении некоторого критического порогового значения. В данном решении реализована простая линейная математическая модель описания функции исторического тренда. Однако на практике деградация памяти и других вычислительных ресурсов может происходить не постепенно, а очень быстро в зависимости от рабочей нагрузки, и поэтому решение проблемы прогнозирования линейными методами недостаточно эффективно.

Monitoring events and predicting the behavior of a dynamic information system are becoming increasingly important due to the globalization of cloud services and a sharp increase in the volume of processed data. Well-known monitoring systems are used for the timely detection and prompt correction of the anomaly, which require new, more effective and proactive forecasting tools. At the CMG-2013 conference, a method for predicting memory leaks in Java applications was presented, which allows IT teams to automatically release resources by safely restarting services when a certain critical threshold value is reached. Article’s solution implements a simple linear mathematical model for describing the historical trend function. However, in practice, the degradation of memory and other computational resources may not occur gradually, but very quickly, depending on the workload, and therefore, solving the forecasting problem using linear methods is not effective enough.

мониторингбольшие данныемоделированиефункция прогнозированиягоризонт прогнозированияоблачные технологииmonitoringbig datamodelingforecasting functionforecasting horizoncloud technologiesReferencesShchemelinin D., Mescheryakov S. Capacity Management of Java-based Business Applications Running on Virtualized Environment // Annual International Conference of the Computer Measurement Group (CMG 2013, London, UK, 14–15 May 2013). Computer Measurement Group Inc., 2013. PP. 193–197.Shchemelinin D., Mescheryakov S. Capacity Management of Java-based Business Applications Running on Virtualized Environment. Annual International Conference of the Computer Measurement Group, CMG 2013, 14–15 May 2013, London, UK. Computer Measurement Group Inc.; 2013. p.193–197.Шарый С.П. Курс вычислительных методов. Новосибирск: Институт вычислительных технологий СО РАН, 2012. URL: http://mathscinet.ru/files/SShary.pdf (дата обращения 28.07.2021)Sharyy S.P. Computational Methods Course. Novosibirsk: Institute of Computational Technologies SB RAS Publ.; 2012. (in Russ.) URL: http://mathscinet.ru/files/SShary.pdf [Accessed 28th July 2021]Kucherova K., Mescheryakov S., Shchemelinin D. Cloud monitoring – focusing on forecasting // Internet, Mobile, Performance and Capacity, Cloud and Technology Conference (IMPACT 2016, La Jolla, USA, 07–10 November 2016). Computer Measurement Group Inc., 2016.Kucherova K., Mescheryakov S., Shchemelinin D. Cloud monitoring – focusing on forecasting. Internet, Mobile, Performance and Capacity, Cloud and Technology Conference, IMPACT 2016, 07–10 November 2016, La Jolla, USA. Computer Measurement Group Inc.; 2016.Гайсенок И.С., Закревская И.С. Оценка качества прогнозов // Бизнес-образование как инструмент устойчивого развития экономики: Сб. трудов науч.-практич. конф. Иркутск: Иркутский государственный университет, 2012.Gaysenok I.S., Zakrevskaya D.V. Assessment of the Quality of Forecasts. Proceedings of the Scientific and Practical Conferences on Business Education as a Tool for Sustainable Economic Development. Irkutsk: Irkutsk State University Publ.; 2012. (in Russ.)Wolfram Mathematica Computations // Wolfram. URL: https://www.wolfram.com/mathematica (дата обращения 28.07.2021)Wolfram. Wolfram Mathematica Computations. URL: https://www.wolfram.com/mathematica [Accessed 28 July 2021]Тихонов Э.Е., Бурдо А.И. К вопросу совершенствования автоматизированных систем прогноза // Материалы межрегиональной конференции «Студенческая наука – экономика научно-технического прогресса». Ставрополь: СевКав ГТУ, 2000. С. 30–31.Tikhonov E.Ye., Burdo A.I. On the Issue of Improving Automated Forecasting Systems. Proceedings of. the Interregional Conference on Student Science – Economics of Scientific and Technological Progress. Stavropol: North Caucasus Federal University Publ.; 2000. p.30–31. (in Russ.)Сизов А.А. Модели, способы и программные средства поддержки принятия решений на основе прогнозирования временных рядов с переменной структурой. Дис. … канд. техн. наук. М.: Национальный исследовательский университет «МЭИ», 2014. 141 с.Sizov A.A. Models, Methods and Software for Decision Support Based on Forecasting Time Series with Variable Structure. PhD Thesis. Moscow: National Research University "Moscow Power Engineering Institute" Publ.; 2014. p. 141. (in Russ.)Gildeh D. Monitoring Nightmares for DevOps // SlideShare. 2014. URL: https://www.slideshare.net/outlyer/david41050819 (дата обращения 28.07.2021)Gildeh D. Monitoring Nightmares for DevOps. SlideShare. 2014. URL: https://www.slideshare.net/outlyer/david41050819 [Accessed 28 July 2021]Bhandarkar M. Future of Data Intensive Applications // Proceedings of the 2nd ASE International Conference on Big Data Science and Computing. Stanford, 2014. URL: https://www.kdnuggets.com/2014/08/ase-conference-big-data-scienceday1.html (дата обращения 28.07.2021)Bhandarkar M. Future of Data Intensive Applications. Proceedings of the 2nd ASE International Conference on Big Data Science and Computing. Stanford; 2014. URL: https://www.kdnuggets.com/2014/08/ase-conference-big-data-science-day1.html [Accessed 28 July 2021]Кучерова К.Н. Прогнозирование ресурсов облачных сервисов на основе мониторинговой системы с открытым кодом // Труды учебных заведений связи. 2020. Т. 6. № 3. С. 100–106. DOI:10.31854/1813-324X-2020-6-3-100-106Kucherova K. Prediction of Cloud Computing Resources Based on the Open Source Monitoring System. Proc. of Telecom. Universities. 2020;6(3):100–106. (in Russ.) DOI:10.31854/1813-324X-2020-6-3-100-106Логунов Д.Г. Применение методов и моделей прогнозирования временных рядов для оценки циклической нагрузки в облачных системах // Научно-практическая конференция с международным участием «Неделя науки СПбПУ» (Санкт-Петербург, Россия, 18–23 ноября 2019). СПб: Политех-Пресс, 2020. С. 165–168.Logunov D.G. Application of Methods and Models for Forecasting Time Series for Assessing Cyclical Load in Cloud Systems. Proceedings of Scientific and Practical Conference with International Participation on Week of Science SPbPU, 18–23 November 2019, St. Petersburg, Russia. St. Petersburg: Politekh-Press Publ.; 2020. p.165–168. (in Russ.)Михайлов К.И. Анализ программных средств мониторинга высоконагруженных облачных информационных систем // XXIII международная научно-практическая конференция «Системный анализ в проектировании и управлении». Ч. 1. (SAEC-2019, Санкт-Петербург, Россия, 10–11 июня 2019) СПб: Политех-Пресс, 2019. С. 359–362.Mikhailov K.I. Analysis of Software Tools for Monitoring High-Load Cloud Information Systems. Proceedings of the XXIIIrd International Scientific and Practical Conference on System Analysis in Design and Management, SAEC-2019, 10–11 June 2019, St. Petersburg, Russia. Part 1. St. Petersburg: Politekh-Press Publ.; 2019. p.359–362. (in Russ.)Михайлов К.И. Мониторинг и визуализация ресурсов смешанной природы в облачной среде // Научно-практическая конференция с международным участием «Неделя науки СПбПУ» (Санкт-Петербург, Россия, 19–24 ноября 2018). Институт машиностроения, металлургии и транспорта. Ч. 2. СПб: Политех-Пресс, 2018. С. 234–236.Mikhailov K.I. Monitor and Visualize Mixed Assets in the Cloud. Proceedings of Scientific and Practical Conference with International Participation on Week of Science SPbPU, 19–24 November 2018, St. Petersburg, Russia. Institute of Mechanical Engineering, Metallurgy and Transport. Part 2. St. Petersburg: Politekh-Press Publ.; 2018. p.234–236. (in Russ.)Яковлев К.А. Аналитическая обработка и визуализация мониторинговых данных глобально распределенной информационной системы // Научно-практическая конференция с международным участием «Неделя науки СПбПУ» (Санкт-Петербург, Россия, 13–19 ноября 2017). СПб: Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого", 2017. С. 203–205.Yakovlev K.A. Analytical Processing and Visualization of Monitoring Data of a Globally Distributed Information System. Proceedings of Scientific and Practical Conference with International Participation on Week of Science SPbPU, 13–19 November 2017, St. Petersburg, Russia. St. Petersburg: Peter the Great St.Petersburg Polytechnic University Publ.; 2017. p.203–205. (in Russ.)Кучерова К.Н. Мониторинг и прогнозирование серверных ресурсов баз данных облачной архитектуры // Научно-практическая конференция с международным участием «Неделя науки СПбПУ» (Санкт-Петербург, Россия, 13–19 ноября 2017). СПб: Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого", 2017. С. 199–201.Kucherova K.N. Monitoring and Forecasting Server Resources of Cloud Architecture Databases. Proceedings of Scientific and Practical Conference with International Participation on Week of Science SPbPU, 13–19 November 2017, St. Petersburg, Russia. St. Petersburg: Peter the Great St.Petersburg Polytechnic University Publ.; 2017. p.199–201. (in Russ.)Кучерова К.Н., Ефимов В.В. Повышение эффективности мониторинга облачной инфраструктуры на основе прогностического моделирования // Научно-практическая конференция с международным участием «Неделя науки СПбПУ» (Санкт-Петербург, Россия, 14–19 ноября 2016). СПб: Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого", 2016. С. 117–119.Kucherova K.N., Efimov V.V. Improving the Efficiency of Monitoring Cloud Infrastructure Based on Predictive Modeling. Proceedings of Scientific and Practical Conference with International Participation on Week of Science SPbPU, 14–19 November 2016, St. Petersburg, Russia. St. Petersburg: Peter the Great St.Petersburg Polytechnic University Publ.; 2016. p.117–119. (in Russ.)

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