Optimizing distributed data storage in multi-cloud environments: algorithmic approach

Скорочена інформація про документ
dc.contributor.authorKartashov, Anton D.
dc.contributor.authorGloba, Larysa S.
dc.date.accessioned2025-04-09T09:48:48Z
dc.date.available2025-04-09T09:48:48Z
dc.date.issued2024
dc.description.abstractBackground. Multi-cloud environments present complex challenges in optimal resource allocation and provider selection. Previous research has established a comprehensive ontological model and evaluation criteria for distributed data storage, however efficient provider selection remains a significant challenge due to the dynamic nature of cloud services and the multitude of interdependent factors affecting performance and cost-effectiveness. Objective. The purpose of the paper is to develop and validate a sophisticated optimization function for cloud provider selection in multi-cloud environments, incorporating both Reinforcement Learning (RL) and Multi-Objective Evolutionary Algorithms (MOEAs) to address the complexity of provider selection while considering multiple competing objectives and constraints. Methods. The research employs an ontological approach to formalize domain concepts, relationships, and properties in multi-cloud environments. Additionally, an optimization function is developed incorporating multiple weighted criteria derived from the established ontological model. The study focuses on the implementation of the RL algorithm to adapt to dynamic changes in cloud provider characteristics and integration of MOEAs to handle multiple competing objectives as well as providing a comparative analysis with traditional selection methods and alternative optimization approaches for multi-cloud storage settings. Results. The proposed ontological model successfully formalizes the domain's concepts, relationships, and properties in multi-cloud environments. The optimization function demonstrates effectiveness in selecting the most suitable public cloud provider based on the proposed features, enhancing data management practices automation and decision-making processes. Conclusions. The developed optimization function and suggested methodology significantly advance the state-of-the-art in distributed multi-cloud data storage. The integration of RL and MOEAs provides a robust framework for addressing the complexity of multi-cloud environments while offering superior performance compared to existing approaches. The methodology successfully balances multiple objectives while adapting to dynamic changes in cloud provider characteristics.
dc.description.abstractotherПроблематика. Мультихмарні середовища створюють складні виклики в оптимальному розподілі ресурсів та виборі постачальників послуг. Попередні дослідження встановили комплексну онтологічну модель та критерії оцінювання для розподіленого зберігання даних, проте ефективний вибір постачальників залишається значним викликом через динамічну природу хмарних сервісів та множину взаємозалежних факторів, що впливають на продуктивність та економічну ефективність. Мета досліджень. Розробити та валідувати складну функцію оптимізації для вибору хмарних постачальників у мультихмарних середовищах, що поєднує методи Навчання з Підкріпленням (НП) та Багатоцільові Еволюційні Алгоритми (БЕА) для вирішення складності вибору постачальників з урахуванням множини конкуруючих цілей та обмежень. Методика реалізації. Дослідження використовує онтологічний підхід для формалізації концепцій предметної області, відносин та властивостей у мультихмарних середовищах. Додатково розроблено функцію оптимізації, що включає множину зважених критеріїв, отриманих з встановленої онтологічної моделі. Дослідження зосереджується на впровадженні алгоритму Навчання з Підкріпленням для адаптації до динамічних змін характеристик хмарних постачальників та інтеграції Багатоцільових Еволюційних Алгоритмів для обробки множини конкуруючих цілей, а також надає порівняльний аналіз з традиційними методами вибору та альтернативними підходами до оптимізації для мультихмарних середовищ зберігання. Результати досліджень. Запропонована онтологічна модель успішно формалізує концепції предметної області, відносини та властивості в мультихмарних середовищах. Функція оптимізації демонструє ефективність у виборі найбільш підходящого публічного хмарного постачальника на основі запропонованих характеристик, покращуючи автоматизацію практик управління даними та процесів прийняття рішень. Висновки. Розроблена функція оптимізації та запропонована методологія значно просувають сучасний стан розподіленого мультихмарного зберігання даних. Інтеграція НП та БЕА забезпечує надійну основу для вирішення складності мультихмарних середовищ, пропонуючи вищу продуктивність порівняно з існуючими підходами. Методологія успішно балансує множинні цілі, адаптуючись до динамічних змін характеристик хмарних постачальників.
dc.format.pagerangePp. 4-12
dc.identifier.citationKartashov, A. D. Optimizing distributed data storage in multi-cloud environments: algorithmic approach / Anton D. Kartashov, Larysa S. Globa // Information and telecommunication sciences : international research journal. – 2024. – Vol. 15, N. 2. – Pp. 4-12. – Bibliogr.: 9 ref.
dc.identifier.doihttps://doi.org/10.20535/2411-2976.22024 .4-12
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/73300
dc.language.isoen
dc.publisherNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
dc.publisher.placeKyiv
dc.relation.ispartofInformation and telecommunication sciences : international research journal, Vol. 15, N. 2
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectCloud computing
dc.subjectmulti-cloud environments
dc.subjectdata storage
dc.subjectdata access
dc.subjectontological model
dc.subjectoptimization function
dc.subjectdata security
dc.subjectscalability
dc.subjectcost optimization
dc.subjectresource management
dc.subjectхмарні обчислення
dc.subjectмультихмарні середовища
dc.subjectзберігання даних
dc.subjectдоступ до даних
dc.subjectонтологічна модель
dc.subjectфункція оптимізації
dc.subjectбезпека даних
dc.subjectмасштабованість
dc.subjectоптимізація витрат
dc.subjectуправління ресурсами
dc.subject.udc004.9
dc.titleOptimizing distributed data storage in multi-cloud environments: algorithmic approach
dc.title.alternativeОптимізація розподіленого збереження даних у мультихмарних середовищах: алгоритмічний підхід
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
4-12.pdf
Розмір:
585.28 KB
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

Information and telecommunication sciences: international research journal, Vol. 15, N. 2