Совершенствование системы управления облачными сервисами в условиях ограниченности ресурсов Текст научной статьи по специальности «Компьютерные и информационные науки»

образования «Белгородский государственный национальный исследовательский университет», 2009.

6. Дмитриенко В.Д., Заковоротный А.Ю., Бречко В.А. Ассоциативная нейронная сеть арт // Научные ведомости Белгородского государственного университета. № 19-1 (138). Том 24, 2012. Белгород: Федеральное государственное автономное образовательное учреждение высшего образования «Белгородский государственный национальный исследовательский университет», 2012.

7. Дмитриенко В.Д., Леонов С.Ю. Нейронная сеть арт, распознающая изменяющиеся объекты // Вестник Национального технического университета Харьковский политехнический институт. Серия: Информатика и моделирование. № 62 (1104), 2014. Харьков: Нацюнальний техшчний ушверситет «Харкгвський полггехшчний шститут», 2014.

СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ОБЛАЧНЫМИ СЕРВИСАМИ В УСЛОВИЯХ ОГРАНИЧЕННОСТИ РЕСУРСОВ Шишкин Ю.Е.1, Шишкин В.Е.2

'Шишкин Юрий Евгеньевич — аспирант, кафедра информационных технологий и компьютерных систем, Севастопольский государственный университет; 2Шишкин Владислав Евгеньевич — учащийся, Средняя общеобразовательная школа № 34, г. Севастополь

Аннотация: в статье решается задача минимизации функции потерь, характеризуемой системой метрик качества облачного сервиса, при внешних ограничениях на максимальное число вычислительных ядер, объем оперативной памяти, пропускной способности каналов связи и допустимого объема финансовых затрат.

Ключевые слова: Большие Данные, облачные сервисы, распределенные вычисления, система поддержки принятия решений, система массового обслуживания, имитационное моделирование.

УДК 5'7.977.58:004.75

На сегодняшний день для решения задачи построения отказоустойчивых и хорошо масштабируемых вычислительных систем используется подход облачных сервисов. Понятие облачных технологий подразумевает возможность мгновенного получения сетевых ресурсов по требованию, в случае возрастания внешней нагрузки на сервис происходит активация дополнительного пула вычислительных узлов, при этом оплата за выделенный ресурс происходит по факту его использования [1 - 3]. Существующие системы управления облачными сервисами, например, используемые в Microsoft Azure и Citrix, решают задачу управления облачным сервисом как задачу без финансовых ограничений [4 - 5].

Выдвигается гипотеза о том, что применение метода штрафных функций вблизи или около налагаемых ограничений путем введения системы параметризованных задач оптимизации с ограничениями позволит перейти к искомой задаче с ограничениями [6 - 8].

Система управления имеет некоторое множество альтернатив Y = {Yl, Y2}, причем

каждая из альтернатив определяется некоторым набором свойств Yt = Qn, Qt 2, Qim }, таких как требуемые аппаратные ресурсы и стоимость. Целевые критерии выбора отражают множество свойств принятых альтернатив К (Y ) = {К (Y ), К2 (Y ), — , Kz (Y )}.

Введем оператор f как интегральный критерий, ставящий в соответствие каждому вектору К некоторое число E > 0 - метрику эффективности E = f (К ) = f (К,К2,..., Ки ), которая при заданных ограничениях примет следующий вид:

E =

Core ■ par +

Util Bus

\

Mem req

(1)

[1, если Core < K ; Mem < K2 ; Bus < K3 ; где s = < - допустимость рассматриваемого

[0, иначе

набора параметров, Core - число вычислительных ядер, par - коэффициент параллелизации, Mem - объем выделяемой памяти, Util - коэффициент использования памяти, Bus - пропускная способность шины данных, req - интенсивность поступления данных [9 - 10].

Экспериментально выявлено, что внедрение в систему управления облачными сервисами параметризованных функций оптимизации с ограничениями и метрики эффективности позволяет минимизировать потери, вызванные ограниченностью физических и финансовых ресурсов.

s

Список литературы

1. Кодолов П.А. Облачное хранилище данных // Наука, техника и образование, 2016. № 4 (22). С. 51-53.

2. Шишкин Ю.Е. Облачные сервисы в системах поддержки принятия решений // Научный журнал, 2017. № 1 (14). С. 19-20.

3. Шишкин Ю.Е. Актуализация данных в системах мониторинга сложных объектов с использованием информационных метрик // Проблемы современной науки и образования, 2017. № 6 (88). С. 22-27. doi:10.20861/2304-2338-2017-88-001.

4. Пасынков М.А. Комплексная система интеграции баз данных мониторинга физических параметров и позиционирования в акваториях // Научный журнал, 2017. № 2 (15). С. 29-31.

5. Шишкин Ю.Е. Разработка инструментальных средств и математических моделей для оптимизации мониторинга // Наука, техника и образование, 2017. № 3 (33). С. 55-60.

6. Shishkin Y.E. Big Data visualization in decision making // Science in Progress, 2016. C. 203-205. ISBN 978-5-7782-3094-1.

7. Греков А.Н., Шишкин Ю.Е. Моделирование трехкомпонентного акустического измерителя скорости течения // Системы контроля окружающей среды. Севастополь: ИПТС, 2016. № 6 (26). С. 33-40.

8. Магжанова А.Т. Применение облачных технологий для реализации решений интернета вещей // Современные инновации, 2016. № 7 (9). С. 30-34.

9. Шишкин Ю.Е. Визуальный анализ Больших Данных с применением познавательных паттернов // Проблемы современной науки и образования, 2017. № 2 (84). С. 24-26.

10. Шишкин Ю.Е. Анализ моделей взаимодействия пользователей и провайдеров облачных сервисов // Интеллектуальные системы, управление и мехатроника-2016, 2016. С. 289-293.

АНАЛИЗ ИТ-ПОДДЕРЖКИ ДЕЯТЕЛЬНОСТИ ФЕДЕРАЛЬНОГО ОРГАНА ИСПОЛНИТЕЛЬНОЙ ВЛАСТИ Буданова А.С.1, Точилкина Т.Е.2

'Буданова Анна Сергеевна — магистрант; 2Точилкина Татьяна Евгеньевна — научный руководитель, кандидат технических наук, доцент,

кафедра бизнес-информатики, Финансовый университет при Правительстве Российской Федерации, г. Москва

Аннотация: в статье проведен анализ ИТ-поддержки деятельности федерального органа исполнительной власти.

Ключевые слова: Федеральные информационные системы, ИТ в государственном секторе, эффективность ИТ.

УДК 004.5995