ПРОЕКТУВАННЯ СТРУКТУРИ ІМІТАЦІЙНОЇ МОДЕЛІ ГЕТЕРОГЕННОГО ВІРТУАЛІЗОВАНОГО ЦЕНТРУ ОБРОБКИ ДАНИХ

Автор(и)

  • Serhii Pyrozhenko
  • Artem Guk

DOI:

https://doi.org/10.26906/SUNZ.2026.1.095

Ключові слова:

центр обробки даних, гетерогенність, віртуалізація, багатокомпонентність, імітаційна модель

Анотація

Актуальність дослідження. У реальних умовах експлуатації центри обробки даних формуються на основі різнорідних апаратних платформ, мережевих рішень та програмних середовищ, що призводить до появи гетерогенних обчислювальних інфраструктур. Така гетерогенність ускладнює процеси керування ресурсами, балансування навантаження та забезпечення заданого рівня якості обслуговування. Об’єктом дослідження є процес обробки даних у гетерогенний віртуалізований центр обробки даних як складна багатокомпонентна обчислювальна система, що об’єднує різнорідні апаратні, програмні та мережеві ресурси у єдину інфраструктуру. Предметом дослідження є методи та засоби імітаційного моделювання процесів функціонування гетерогенного віртуалізованого центру обробки даних, зокрема моделі взаємодії різнорідних ресурсів, механізми їх віртуалізації та алгоритми розподілу навантаження. Метою дослідження є проєктування та дослідження структури імітаційної моделі гетерогенного віртуалізованого центру обробки даних, що дозволяє аналізувати вплив різнорідності обчислювальних, мережевих і програмних ресурсів на ефективність функціонування системи, а також оцінювати характеристики продуктивності, масштабованості та керування ресурсами в умовах віртуалізації. Результати дослідження. У ході виконання роботи було розроблено структуру імітаційної моделі гетерогенного віртуалізованого центру обробки даних з урахуванням різнорідності апаратних та програмних ресурсів, обґрунтовано вибір середовища імітаційного моделювання для дослідження процесів функціонування ГВЦОД, реалізовано імітаційну модель, що дозволяє досліджувати вплив гетерогенності ресурсів на продуктивність та ефективність роботи віртуалізованої інфраструктури, отримано кількісні та якісні показники функціонування ГВЦОД у різних сценаріях навантаження, проведено аналіз результатів моделювання та сформульовано рекомендації щодо підвищення ефективності керування різнорідними ресурсами. Подальші дослідження буде спрямувано на розширення імітаційної моделі з урахуванням енергоспоживання та енергоефективності гетерогенних ресурсів.

Завантажити

Дані для завантаження поки недоступні.

Посилання

1. Pyrozhenko S., and Radchenko V. (2025), “Methods and algorithms for virtual machine migration”, Системи управління, навігації та зв’язку. Полтава : Національний університет «Полтавська політехніка імені Юрія Кондратюка», 2025. вип. 3(81), C. 167–171, doi: https://doi.org/10.26906/SUNZ.2025.3.167

2. Silva, D., Rafael, J. & Fonte, A., 2023. Virtualization Maturity in Creating System VM: An Updated Performance Evaluation. Int. Journal of Electrical and Computer Engineering Research, 3(2), pp. 7–17. https://doi.org/10.53375/ijecer.2023.341

3. Zhang, S., Wang, Y., Wan, X., Li, Z. & Guo, Y., 2023. Virtualization Airborne Trusted General Computing Technology. Applied Sciences, 13(3), 1342. https://doi.org/10.3390/app13031342

4. Altahat, M.A., Daradkeh, T. & Agarwal, A., 2025. Virtual machine scheduling and migration management across multicloud data centers: blockchain-based versus centralized frameworks. Journal of Cloud Computing, 14, Article number: 1. https://doi.org/10.1186/s13677-024-00724-7

5. Kuchuk, N., Mozhaiev, O., Semenov, S., Haichenko, A., Kuchuk, H., Tiulieniev, S., Mozhaiev, M., Brusakova, O. and Gnusov, Y. (2023), “Devising a method for balancing the load on a territorially distributed foggy environment”, EasternEuropean Journal of Enterprise Technologies, 1(4 (121), pp. 48–55. doi: https://doi.org/10.15587/1729-4061.2023.274177.

6. Chen, J., Wang, Y. and Liu, T. (2021), “A proactive resource allocation method based on adaptive prediction of resource requests in cloud computing”, J. Wireless Com Network, 24, doi: https://doi.org/10.1186/s13638-021-01912-8.

7. Petrovska, I. and Kuchuk, H. (2022), “Static allocation method in a cloud environment with a service model IAAS”, Advanced Information Systems, vol. 6, is. 3, pp. 99–106, doi: https://doi.org/10.20998/2522-9052.2022.3.13.

8. Kuchuk, N., Shefer, O., Cherneva, G. and Alnaeri, F.A. (2021), “Determining the capacity of the self-healing network segment”, Advanced Information Systems, vol. 5, no. 2, pp. 114–119, Jun. 2021, doi: https://doi.org/10.20998/2522-9052.2021.2.16.

9. Petrovska, I. and Kuchuk H. (2022), “Features of the distribution of computing resources in cloud systems”, Control, Navigation and Communication Systems, No. 2, pp. 75-78, doi: http://dx.doi.org/10.26906/SUNZ.2022.2.075.

10. Nechausov, A., Mamusuĉ, I. and Kuchuk, N. (2017), “Synthesis of the air pollution level control system on the basis of hyperconvergent infrastructures”, Advanced Information Systems, vol. 1, no. 2, pp. 21–26, doi: https://doi.org/10.20998/2522-9052.2017.2.04.

11. Wang, J., Bewong, M. & Zheng, L. (2024), “SD-WAN: Hybrid Edge Cloud Network between Multi-site SDDC”, Computer Networks, 250, Article number 110509, doi: https://doi.org/10.1016/j.comnet.2024.110509

Завантаження

Опубліковано

2026-02-13

Номер

Розділ

Інформаційні технології

Статті цього автора (цих авторів), які найбільше читають