Методи, моделі та засоби прогнозування навантаження на вебсервер
Вантажиться...
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Радченко К.О. Методи, моделі та засоби прогнозування навантаження на вебсервер. – Кваліфікаційна праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії з галузі знань 12 Інформаційні технології за спеціальністю 123 Комп’ютерна інженерія. Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2025.
Дисертація присвячена розв'язанню актуальної науково-практичної задачі підвищення ефективності процесу прогнозування навантаження на вебсервер. В результаті проведеного аналізу була визначена перспективність вдосконалення шаблонів нормальної поведінки вебсерверів шляхом впровадження в їх математичне забезпечення сучасних методів частотно-часового аналізу сигналів на базі теорії вейвлет-перетворень. Було досліджено методи прогнозування навантаження на вебсервер з використанням вейвлет-перетворень у поєднанні з нейронними мережами. Актуальність теми обумовлена необхідністю забезпечення стабільної роботи вебресурсів в умовах нестабільного трафіку та різких пікових навантажень. Проведено аналіз теоретичних основ вейвлет-аналізу, класифікацію базисних функцій і розроблено критерії оцінки їх ефективності в задачах часових рядів. Запропоновано інтегровану модель, в якій вейвлет-декомпозиція застосовується для попередньої обробки вхідного сигналу, що дозволяє виокремити значущі компоненти навантаження на різних рівнях масштабу. Розроблено методику вибору оптимального порядку вейвлет-декомпозиції, що забезпечує компроміс між глибиною аналізу та збереженням корисної інформації. На відміну від методів Фур’є, вейвлети дозволяють локалізувати характеристики сигналу як у часовій, так і у частотній області, що дає змогу виділяти тренди, піки навантаження, флуктуації та періодичні аномалії. Проте в поточному науковому дискурсі мало вивченими залишаються питання вибору оптимального вейвлет-базису для задач такого типу, побудови комбінованихмоделей, а також критеріїв оцінювання якості таких моделей у порівнянні з класичними підходами. У зв’язку з цим, мета даного дослідження полягає у підвищенні ефективності прогнозування навантаження на вебсервери шляхом розробки вейвлет-орієнтованих моделей і програмних засобів, а також демонстрації їх переваг у порівнянні з традиційними методами. Було виконано поглиблений аналіз та формалізацію завдання прогнозування навантаження на вебсервери загального призначення з урахуванням особливостей їхньої роботи в комп’ютерних мережах. У процесі дослідження було уточнено предметну область та визначено комплекс ключових експлуатаційних характеристик вебсервера, що мають безпосередній вплив на рівень його навантаження. До таких параметрів належать кількість запитів у черзі, середній час відповіді, швидкість обробки запитів та інші метрики, що відображають стан і продуктивність системи. Для формалізації цих характеристик запропоновано опис області працездатності вебсервера через множину контрольованих параметрів з чітко встановленими граничними значеннями. Вихід будь-якого параметра за межі допустимого діапазону розглядається як ознака перевантаження та потенційного погіршення якості обслуговування. На основі отриманих даних розроблено концептуальну модель прогнозування навантаження, яка описує взаємозв’язок між динамікою параметрів вебтрафіку та прогнозними оцінками майбутніх станів системи. Ключовою особливістю моделі є автоматичний вибір типу базисного вейвлету залежно від характеру вхідного сигналу, що дозволяє підвищити ефективність аналізу. Обґрунтовано застосування вейвлет-перетворень для багатомасштабного аналізу даних, який дає змогу одночасно виявляти довгострокові тенденції та короткочасні пікові зміни у вебтрафіку, що є критично важливим для своєчасного реагування на зміни навантаження. Методологія моделі передбачає використання процедур фільтрації та попередньої обробки даних перед виконанням прогнозування, що зменшує вплив шумів та випадкових коливань на точність результатів. Визначено критерії ефективності вибору типу базисного вейвлету: точність відтворення сигналу, швидкість обчислень та стійкість до завад. Запропонована концептуальна модель формує основу для побудови гібридних систем прогнозування, зокрема рішень на базі Wavelet+LSTM, здатних зменшити час аналізу вебтрафіку та підвищити точність прогнозів завдяки адаптивному вибору базису. Гнучкість моделі забезпечує її сумісність із наявними системами моніторингу та управління вебресурсами без необхідності суттєвих змін в архітектурі. поетапно реалізовано модель прогнозування навантаження на вебсервер, яка охоплює збір логів та метрик, їх попередню обробку, вейвлетдекомпозицію, моделювання та подальшу інтеграцію результатів у робоче середовище. Такий підхід дозволяє ефективно розділяти сигнал на трендові та коливальні компоненти, що підвищує точність прогнозування як довготривалих змін, так і короткочасних пікових навантажень. Концептуальна модель процесу прогнозування навантаження на вебсервер являє собою абстрактне подання процесу, яке описує основні сутності, взаємозв’язки та інформаційні потоки між компонентами системи прогнозування. У межах цієї моделі визначаються ключові етапи – збір даних із серверних логів, попередня обробка сигналів, вейвлет-декомпозиція, формування ознак, навчання прогнозувальної нейронної мережі та оцінювання точності. Концептуальна модель відображає логічну структуру процесу, дозволяючи зрозуміти що саме виконує система та як пов’язані її функціональні блоки. Запропонована інтегрована модель процесів прогнозування навантаження на вебсервер являє собою об’єднання функціональних, аналітичних і алгоритмічних компонентів у взаємопов’язаний повний цикл прогнозування – від збору даних до прийняття рішень. Інтегрована модель реалізує взаємодію модулів моніторингу, вейвлет-аналізу, нейромережевого прогнозування, оптимізації параметрів та візуалізації результатів. Вона забезпечує цілісну інтеграцію інформаційних, аналітичних і керувальних процесів у єдиному середовищі, що дає змогу точніше формувати прогнози вебтрафіку й автоматично адаптувати конфігурацію серверних ресурсів під змінні умови роботи вебсистеми. Прогнозування навантаження на вебсервер зазвичай розглядається як задача часових рядів, де майбутні значення метрик навантаження передбачаються наоснові історичних даних. Особливість цієї задачі полягає у високій динамічності середовища, сезонності запитів, наявності пікових навантажень та неочікуваних стрибків, зумовлених зовнішніми факторами. Застосування вейвлет-аналізу дало змогу покращити роботу з нестаціонарними часовими рядами, адже він забезпечує високу деталізацію у часово-частотному просторі. Поєднання статистичних методів із глибинними нейронними моделями дозволило отримати більш збалансовані результати та знизити похибку прогнозів. Порівняльний аналіз показав перевагу інтегрованої вейвлет-моделі над традиційними підходами, такими як ARIMA чи класичні нейромережі. Практична цінність моделі полягає у можливості завчасно виявляти перевантаження та запобігати їм завдяки автоматичному масштабуванню, оптимізації використання обчислювальних ресурсів та інтеграції з інструментами моніторингу. Розроблена модель може застосовуватись адміністраторами вебресурсів як у тестових середовищах для генерації синтетичних навантажень, так і у реальних умовах для підтримання стабільності роботи серверів, здатних підлаштовуватися під динаміку трафіку, у використанні більших наборів даних для навчання та в аналізі зовнішніх факторів (сезонність, рекламні кампанії, події). Це відкриває перспективи для ще більш точного прогнозування та гнучкого управління вебсерверами у змінному середовищі. Запропоновано метод визначення ефективного типу базисного вейвлету, що призначений для розробки шаблону нормальної поведінки. Для цього обґрунтовано ряд положень та перелік критеріїв ефективності, які дозволяють забезпечити вибір ефективного типу базисного вейвлету у відповідності до значимих вимог задачі розробки означеного шаблону. Суть методу визначення найефективнішого типу материнського вейвлету полягає в систематичному багатокритеріальному оцінюванні вейвлет-функцій з урахуванням їхніх математичних, спектральних і структурних властивостей щодо характеру досліджуваного сигналу навантаження вебсервера. Метод передбачає порівняння вейвлетів-кандидатів за рядом кількісних і якісних критеріїв, що відображають придатність вейвлету для часовочастотного аналізу трафіку. На основі результатів вибору оптимального базису також розроблено метод прогнозування навантаження на вебсервер, який поєднує вейвлет-декомпозицію з нейромережевим прогнозуванням. Застосування обраного материнського вейвлету забезпечує ефективне виділення трендових і високочастотних компонентів трафіку, що, у свою чергу, підвищує адаптивність моделі до змін середовища та знижує середньоквадратичну похибку прогнозу. Суть методу прогнозування навантаження на вебсервер полягає у використанні інтегрованого поєднання часово-частотного аналізу сигналу за допомогою вейвлет-перетворення з глибинним нейронним прогнозуванням, що дозволяє з високою точністю передбачати зміну інтенсивності вебзапитів і забезпечувати оптимальне використання обчислювальних ресурсів серверної інфраструктури. здійснено огляд основних підходів до оцінки показників навантаження вебсерверів, що зводиться до пошуку ефективного компромісу між вимогами до безпеки та ресурсами, необхідними для їхнього забезпечення. Аналіз експериментальних результатів підтверджує, що комбінування вейвлет-фільтрації з подальшим прогнозуванням дозволяє досягати прийнятної точності на різних часових масштабах, а також забезпечує наочну інтерпретацію динаміки навантаження, що важливо для оперативного та стратегічного управління ресурсами вебсерверу. Однією з ключових переваг розробленої системи є можливість автоматизованого підбору оптимального вейвлету без потреби у тривалих обчислювальних експериментах, що суттєво скорочує час побудови моделі та підвищує ефективність процесу прогнозування.
Опис
Ключові слова
нейронна мережа, дані, вебсервер, трафік, навантаження, моделювання, метод, прогнозування, система, тестування, модульність, цифровий двійник, вимірювання, корекція і контроль помилок, neural network, data, web server, traffic, load, modeling, method, forecasting, system, testing, modularity, digital twin, measurement, error correction and control
Бібліографічний опис
Радченко, К. О. Методи, моделі та засоби прогнозування навантаження на вебсервер : дис. … д-ра філософії : 123 Комп’ютерна інженерія / Радченко Костянтин Олександрович. – Київ, 2025. – 296 с.