DOI: https://doi.org/10.20998/2522-9052.2020.4.18

Розробка методу прогнозування зміни навантаження ресурсів в системах хмарних обчислень

Viacheslav Davydov, Daryna Hrebeniuk

Анотація


Предметом дослідження в статті є моделі і методи прогнозування навантаження в умовах хмарних обчислень з використанням математичного апарату нейронних мереж. Метою роботи є підвищення ефективності використання ресурсів системах хмарних обчислень (таких, як оперативна пам'ять, дисковий простір, ЦПУ, мережа) шляхом розробки методів прогнозування використання навантаження ресурсів. У статті вирішуються такі задачі: розробка комплексного підходу до завдань прогнозування навантаження ресурсів хмарних систем, що включає в себе синтез комбінованої прогнозуючої нейронної мережі; розробка прогнозної нейросетевої моделі на базі нейронної мережі Елмана; розробка методу навчання нейронної мережі на основі алгоритму штучного імунітету; оцінка ефективності розробленого методу. Для вирішення поставлених завдань були використані підходи і методи штучних нейронних та імунних систем, а також методи теоретичних досліджень, які засновані на наукових положеннях теорії штучного інтелекту, статистичного, функціонального і системного аналізів. Отримані наступні результати: на основі проведеного аналізу методів прогнозування різних навантажень в системах систем обчислень були виявлені основні особливості існуючих методів, продемонстровані їх переваги і недоліки. На основі проведеного аналізу результатів дослідження доведено доцільність вдосконалення аналітичних методів прогнозування навантаження. Удосконалено метод прогнозування навантаження обчислювальних ресурсів в системах хмарних обчислень, що дозволяє отримати більш точні результати оцінки і забезпечити перевантажень в системах хмарних обчислень. Отримані результати підтверджені проведеними експериментами при використанні коштів інфраструктури приватних інфраструктурних сервісів. Висновки: удосконалення методу прогнозування навантаження на базу математичного апарату штучних нейронних мереж. Забезпечити планування розмежування ресурсів з метою підвищення ефективності їх використання.


Ключові слова


нейронна мережа Елмана; системи хмарних обчислень; прогнозування визначення навантаження

Повний текст:

PDF (English)

Посилання


Xiao, Z., Song, W. and Chen, Q. (2013), "Dynamic Resource Allocation Using Virtual Machines for Cloud Computing Environment," IEEE Transactions on Parallel and Distributed Systems, Vol. 24, No. 6, pp. 1107-1117/.

Ashby, W. (2016), An Introduction to Cybernetics (in Russian), URSS, 432 p.

J. Vandebon, J. G. F. Coutinho, W. Luk and T. Chau (2019), "Transparent Heterogeneous Cloud Acceleration," IEEE 30th International Conference on Application-specific Systems, Architectures and Processors (ASAP), New York, NY, USA, pp. 33-33, DOI: https://doi.org/10.1109/ASAP.2019.00-40.

Volkova, A., Shyshkunov, V. (2019), System analysis and modeling of processes in the technosphere (in Russian), Ural University Publishing House, Ekaterinburg, 243 p.

Berketov, G., Mikryukov A., Fedoseev, S. and Golovko, D. (2013), “Models and patterns recognition algorithms in life-cycle management problems of technical systems”, Innovative Information Technologies, Vol. 3, No. 2, pp. 41-50.

Berketov G., Mikryukov A. and Tsurkin A. (2014), “Solving the problems of forecasting the state and managing the life cycle of complex technical complexes by methods of image recognition” (in Russian), Statistics and Economics, No. 1, pp. 138-143, DOI: https://doi.org/10.21686/2500-3925-2014-1-138-143.

Xu, D., Yang, Sh., and Luo, H. (2013), “A Fusion Model for CPU Load Prediction in Cloud Computing”, Journal of Networks, Vol. 8, No. 11, 2506-2511, DOI: https://doi.org/10.4304/jnw.8.11.2506-2511.

Ramezani, F., Lu, J., Hussain, F. (2013), “A Fuzzy Predictable Load Balancing Approach in Cloud Computing”, Proceedings of the International Conference on Grid Computing and Applications (GCA), p. 108.

Bey, K.B., Benhammadi, F., Sebbak, F. (2013), “Fuzzy Subtractive Clustering Based Prediction Approach for CPU Load Availability”, The Fourth International Conference on Cloud Computing, GRIDs, and Virtualization.

Saranya.S, Murugan. B.S (2014), “Intelligent Scheduling System for Dynamic Resource Allocation in Cloud Computing”, International Journal of Advanced Research in Computer Science & Technology, Vol. 2, Issue Special 1, pp. 284-288.

Elman, J. (1990), “Finding structure in time”, Cognitive Science, Vol. 14, No. 2, pp. 179-211.

Hrebeniuk, D. (2018), “Analysis of methods of distribution of resources in the virtualization media”, Control, Navigation and Communication Systems, No. 6(52), pp. 98-103, DOI: https://doi.org/10.26906/SUNZ.2018.6.098.




Copyright (c) 2021 Viacheslav Davydov, Daryna Hrebeniuk