Оптимізація автоскейлінгу в Kubernetes за допомогою штучного інтелекту
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 146 с., 37 рис., 11 табл., 44 посилань, 1 додаток.
Об’єктом дослідження є процес масштабування ресурсів у Kubernetes кластерах. Предметом дослідження є моделі прогнозування навантаження для задачі оптимізації масштабування обчислювальних ресурсів у середовищі Kubernetes. Метою роботи є оптимізація автоскейлінгу в Kubernetes шляхом впровадження моделей машинного навчання, здатних прогнозувати навантаження на CPU, з метою забезпечення ефективнішого управління обчислювальними ресурсами. Kubernetes є основою сучасної хмарної інфраструктури, однак класичні механізми автоскейлінгу, як HPA чи VPA, працюють за реактивним принципом та мають затримки у масштабуванні, що призводить до перевантаження або перевитрати ресурсів. У цій роботі запропоновано проактивний підхід, що ґрунтується на прогнозуванні навантаження за допомогою нейронних мереж. Було проведено порівняльний аналіз архітектур, оброблено реальний часовий ряд метрик навантаження, та запропоновано архітектуру для інтеграції моделі у середовище Kubernetes.
Опис
Ключові слова
кубернетес, автоскейлінг, прогнозування навантаження, штучний інтелект, нейронні мережі, rnn, lstm, gru, transformer, fan, kan, проактивне масштабування, хмарні обчислення, kubernetes, autoscaling, load forecasting, artificial intelligence, neural networks, proactive autoscaling, cloud computing
Бібліографічний опис
Тхай, О. О. Оптимізація автоскейлінгу в Kubernetes за допомогою штучного інтелекту : дипломна робота … бакалавра : 122 Комп'ютерні науки / Тхай Ольга Олексіївна. – Київ, 2025. – 146 с.