Preview

Труды учебных заведений связи

Расширенный поиск

Математические модели и методы мониторинга и прогнозирования состояния глобально распределенных вычислительных комплексов

https://doi.org/10.31854/1813-324X-2021-7-3-73-78

Полный текст:

Аннотация

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.

Об авторе

Д. А. Щемелинин
Центр научных исследований «Три Би»
Россия

Щемелинин Дмитрий Александрович, кандидат технических наук, старший научный сотрудник

Санкт-Петербург, 195277



Список литературы

1. 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, London, UK, 14–15 May 2013). Computer Measurement Group Inc., 2013. PP. 193–197.

2. 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)

3. 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.

4. 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.

5. Wolfram Mathematica Computations // Wolfram. URL: https://www.wolfram.com/mathematica (дата обращения 28.07.2021)

6. 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.

7. 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.

8. Gildeh D. Monitoring Nightmares for DevOps // SlideShare. 2014. URL: https://www.slideshare.net/outlyer/david41050819 (дата обращения 28.07.2021)

9. 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)

10. 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-2020-6-3-100-106

11. Логунов 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.

12. 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.

13. 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.

14. 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.

15. 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.

16. 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.


Рецензия

Для цитирования:


Щемелинин Д.А. Математические модели и методы мониторинга и прогнозирования состояния глобально распределенных вычислительных комплексов. Труды учебных заведений связи. 2021;7(3):73-78. https://doi.org/10.31854/1813-324X-2021-7-3-73-78

For citation:


Shchemelinin D. Mathematical Models and Methods for Monitoring and Predicting the State of Globally Distributed Computing Systems. Proceedings of Telecommunication Universities. 2021;7(3):73-78. (In Russ.) https://doi.org/10.31854/1813-324X-2021-7-3-73-78

Просмотров: 157


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1813-324X (Print)
ISSN 2712-8830 (Online)