Проектування сервісів для збереження і аналізу даних в хмарних сховищах

Скорочена інформація про документ
dc.contributor.advisorРуренко, Олександр Григорович
dc.contributor.authorКорельчук, Денис Геннадійович
dc.date.accessioned2025-04-02T12:18:53Z
dc.date.available2025-04-02T12:18:53Z
dc.date.issued2024
dc.description.abstractВ епоху великих даних, необхідність ефективних інструментів для зберігання та аналізу даних стає все більш гострою. Хмарні сховища пропонують масштабованість, доступність та економність, що робить їх ідеальними для обробки великих обсягів даних. Отримання цінної інформації з великих даних стає ключовим фактором для прийняття обґрунтованих рішень у різних галузях, таких як бізнес, медицина, наука та управління. Це обумовлює необхідність у створенні ефективних інструментів для зберігання, обробки та глибокого аналізу даних, що забезпечують конкурентні переваги та підтримують інноваційний розвиток. Мета й завдання дослідження: Огляд сучасних хмарних сервісів. А саме Проаналізувати функціональність та архітектуру існуючих хмарних сервісів для збереження та аналізу даних, таких як: Amazon Web Service, Google Cloud Computing, Microsoft Azure. Сформулювати корпоративні вимоги щодо використання хмарних сервісів, розробки сервісів для ефективного збереження та аналізу даних. Проектування сценаріїв переносу робочих навантажень на хмарну платформу Розробити ефективну стратегію переносу робочого навантаження у хмарну Платформу Google cloud computing. Об’єкт дослідження: Розподілені обчислювальні системи на основі існуючих хмарних платформ Робочі навантаження(англ. Workload), які визначені і відповідають операційній діяльності корпорації потребують відповідних обчислювальних ресурсів і часу. Розвиток хмарних технологій спричиняє реальні можливості і умови для перенесення робочих корпоративних навантажень на хмарну платформу. Це дозволяє масштабувати обчислювальні ресурси під потреби корпорації і на цій основі зменшити витрати на програмно-апаратну архітектуру. Предмет дослідження: Сучасні методики проектування сервісів для збереження і аналізу даних в хмарних сховищах Зростаючий обсяг даних, які потрібно обробляти для отримання цінної інформації є ключовим фактором для прийняття обґрунтованих рішень щодо ведення операційної діяльності корпорацій. Це обумовлює необхідність створення ефективних інструментів для перенесення робочих навантажень на хмарну платформу, зберігання і оброблення даних. Наукова новизна одержаних результатів: Наукова новизна роботи полягає у створенні систематизованого підходу до проектування сервісів для збереження та аналізу даних у хмарних сховищах із врахуванням сучасних технологічних рішень та економічної ефективності. У рамках роботи розроблено алгоритм оптимізації використання хмарного сховища, що враховує різні класи зберігання даних (Standard, Nearline, Coldline, Archive) залежно від потреб користувача. Запропоновані методики дозволяють інтегрувати безпекові заходи, такі як контроль доступу через Google IAM, автоматичне масштабування ресурсів і політики життєвого циклу даних, що забезпечує ефективність і безпеку системи. Дослідження також охоплює використання шифрування даних через Google KMS для гарантії відповідності регуляторним вимогам. Практичне значення одержаних результатів: Практичне значення роботи полягає у можливості застосування розробленого підходу до проектування хмарних сервісів у різних сферах, таких як бізнес-аналітика, обробка великих даних, зберігання архівних матеріалів або реалізація вебдодатків. Застосування представлених методик дає змогу знизити витрати на зберігання даних та підвищити надійність і масштабованість системи. Результати роботи можуть бути використані для впровадження рішень у корпоративних структурах, які прагнуть перейти до хмарних технологій, мінімізуючи ризики і знижуючи витрати.
dc.description.abstractotherRelevance of the topic: In the era of big data, the need for efficient tools for data storage and analysis is becoming increasingly acute. Cloud storage offers scalability, accessibility, and cost-effectiveness, making it ideal for processing large amounts of data. Gaining valuable insights from big data is becoming a key factor in making informed decisions in various industries such as business, medicine, science, and government. This necessitates the creation of effective tools for data storage, processing and deep data analysis that provide competitive advantages and support innovative development. The purpose and objectives of the study: To review modern cloud services. Namely, to analyze the functionality and architecture of existing cloud services for data storage and analysis, such as: Amazon Web Service, Google Cloud Computing, Microsoft Azure. Formulate corporate requirements for the use of cloud services, development of services for effective data storage and analysis. Designing scenarios for transferring workloads to a cloud platform Develop an effective strategy for transferring workloads to the Google cloud computing platform. Object of research: Distributed computing systems based on existing cloud platforms Workloads that are defined and correspond to the operating activities of a corporation require appropriate computing resources and time. The development of cloud technologies creates real opportunities and conditions for transferring corporate workloads to the cloud platform. This allows scaling computing resources to the needs of the corporation and, on this basis, reducing the cost of software and hardware architecture. The subject of research: Modern methods of designing services for data storage and analysis in cloud storage The growing amount of data that needs to be processed to obtain valuable information is a key factor in making informed decisions about corporate operations. This necessitates the creation of effective tools for transferring workloads to the cloud platform, storing and processing data. Scientific novelty of the results: The scientific novelty of the work is the creation of a systematic approach to the design of services for storing and analyzing data in cloud storage, taking into account modern technological solutions and economic efficiency. As part of the work, an algorithm for optimizing the use of cloud storage has been developed that takes into account different classes of data storage (Standard, Nearline, Coldline, Archive) depending on the user's needs. The proposed methodologies allow for the integration of security measures such as access control through Google IAM, automatic resource scaling, and data lifecycle policies, which ensures system efficiency and security. The study also covers the use of data encryption through Google KMS to ensure compliance with regulatory requirements. Practical significance of the results: The practical significance of the work lies in the possibility of applying the developed approach to the design of cloud services in various fields, such as business intelligence, big data processing, archival storage, or web application development. The application of the presented methods allows to reduce the cost of data storage and increase the reliability and scalability of the system. The results of the work can be used to implement solutions in corporate structures that seek to move to cloud technologies, minimizing risks and reducing costs. Additionally, the work performed serves as a basis for educational purposes, especially in the context of training specialists in the field of cloud computing and data management.
dc.format.extent98 с.
dc.identifier.citationКорельчук, Д. Г. Проектування сервісів для збереження і аналізу даних в хмарних сховищах : магістерська дис. : 172 Електронні комунікації та радіотехніка / Корельчук Денис Геннадійович. – Київ, 2024. – 98 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/73211
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectХмарні сховища
dc.subjectзбереження даних
dc.subjectаналіз даних
dc.subjectоптимізація ресурсів
dc.subjectGoogle Cloud Storage
dc.subjectбезпека даних
dc.subjectконтроль доступу
dc.subjectшифрування
dc.subjectжиттєвий цикл даних
dc.subjectмасштабованість
dc.titleПроектування сервісів для збереження і аналізу даних в хмарних сховищах
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Korelchuk_magistr.pdf
Розмір:
1.93 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ТК)
Магістерські роботи