РОЗПОДІЛ ОБЧИСЛЮВАЛЬНИХ РЕСУРСІВ У ХМАРНИХ СИСТЕМАХ
DOI:
https://doi.org/10.26906/SUNZ.2022.2.075Ключові слова:
хмарні технології, хмарні ресурси, оптимальний розподіл ресурсівАнотація
У статті розглянуто класифікацію існуючих технологій надання хмарних послуг. Для кожної технології визначено переваги та недоліки. Також визначено характерні особливості хмарних обчислень, які необхідно враховувати при розподілі ресурсів. Визначено, що у всіх технологіях враховуються тільки необхідні обсяги процесорного ресурсу, оперативної пам'яті та місця у сховищі даних. При цьому не враховується специфіка роботи застосунків. Також не враховується розділення ресурсів між різними додатками. Таким чином, не завжди має місце вибір оптимального ресурсу для розміщення заявок клієнтів. Це часто призводить до істотного зниження продуктивності додатків. Крім того, неефективно використовується хмарний ресурс. Існуючі підходи та методи розподілу ресурсів не враховують усіх особливостей хмарних обчислень. Це може призвести до неефективного використання хмарної інфраструктури. Тому метою даної статті є визначення характерних рис хмарних обчислень, які необхідно буде враховувати при розподілі ресурсів. Завдання полягає в забезпеченні рівномірного розподілу навантаження на всі хмарні сервери. У результаті проведеного аналізу доведено, що технологія IAAS є найбільш уразливою до якості розподілу ресурсів. Визначено необхідний набір показників для технології IAAS, які необхідно враховувати при розподілі ресурсів.Завантаження
Посилання
Zhen Xiao, Weija Song, and Qu Chen, “Dynamic Resource Allocation using Virtual Machines for Cloud Computing Environment”, IEEE transaction on parallel and distributed systems, Vol/ 24, Is. 6, pp. 1107 – 1117, June 2013, doi: 10.1109/TPDS.2012.283.v/
P. Franti, “Efficiency of random swap clustering”, Journal of Big Data, 2018, vol. 5, No. 13, pp. 1-29. doi: 10.1186/s40537-018-0122-y.
N. Kuchuk, O. Shefer, G. Cherneva, and F. A. Alnaeri, “Determining the capacity of the self-healing network segment”, Advanced Information Systems, vol. 5, no. 2, pp. 114–119, Jun. 2021, doi: 10.20998/2522-9052.2021.2.16.
Ye. Qiang, and W. Zhuang, “Distributed and adaptive medium access control for internet-of-things-enabled mobile networks”, IEEE Internet of Things Journal, 2017, vol. 4, no. 2, pp. 446-460, doi: 10.1109/JIOT.2016.2566659.
H. Khudov, K. Tahyan, V. Chepurnyi, I. Khizhnyak, K. Romanenko, A. Nevodnichii, and O. Yakovenko, “Optimization of joint search and detection of objects in technical surveillance systems”, Advanced Information Systems, 2020, Vol. 4, No. 2, pp. 156-162, doi: 10.20998/2522-9052.2020.2.23.
S. Semenov, and Cao Weilin, “Testing process for penetration into computer systems mathematical model modification”, Advanced Information Systems, Vol. 4, No. 3, pp. 133–138. 2020, doi: 10.20998/2522-9052.2020.3.19.
G. Kuchuk, A. Kovalenko, I.E. Komari, A. Svyrydov, and V. Kharchenko, “Improving big data centers energy efficiency: Traffic based model and method”, Studies in Systems, Decision and Control, vol. 171, Kharchenko, V., Kondratenko, Y., Kacprzyk, J. (Eds.), Springer Nature Switzerland AG, pp. 161-183, 2019, doi: 10.1007/978-3-030-00253-4_8.
A. Nechausov, I. Mamusuĉ, and N. Kuchuk, “Synthesis of the air pollution level control system on the basis of hyperconvergent infrastructures”, Advanced Information Systems, vol. 1, no. 2, 2017, pp. 21–26. DOI: 10.20998/2522-9052.2017.2.04.
H. Kuchuk, A. Kovalenko, B.F. Ibrahim, and I. Ruban, “Adaptive compression method for video information”, International Journal of Advanced Trends in Computer Science and Engineering, 8(1), pp. 66–69, 2019, doi: http://dx.doi.org/10.30534/ijatcse/2019/1181.22019.
S. Bulba, “Composite application distribution methods”, Advanced Information Systems”, vol. 2, no. 3, pp. 128–131, 2018, doi: 10.20998/2522-9052.2018.3.22.
