Інформаційна технологія управління обчислювальними ресурсами в Kubernetes кластері
Вантажиться...
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Омельченко В. В. Інформаційна технологія управління обчислювальними ресурсами в Kubernetes кластері. – Кваліфікаційна наукова
праця на правах рукопису.
Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 126 – Інформаційні системи та технології в галузі знань 12 – Інформаційні технології. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2025.
Дисертаційна робота присвячена вирішенню проблеми автоматизації управління обчислювальними ресурсами в кластерах Kubernetes. Сучасні інформаційні системи підтримують велику кількість застосунків. Одним із важливих факторів для підтримання заданого рівня якості послуг є забезпечення компонентів інформаційної системи достатнім об’ємом
обчислювальних ресурсів. Обчислювальні та фінансові ресурси є обмеженими, що вимагає постійного пошуку балансу між рівнем послуг та об’ємом ресурсів. Автоматизація процесів управління ІТ-інфраструктурою дозволяє підвищити ефективність використання обчислювальних ресурсів кластера при дотриманні необхідного рівня якості послуг, що надаються.
Проведено аналіз існуючих методів прогнозування часових рядів в контексті робочих навантажень на доцільність їх використання для проактивного масштабування. Для порівняння обрано поширені методи прогнозування для часових рядів з врахуванням сезонностей, тенденцій та запланованих подій. Проведені експериментальні дослідження оцінки точності обраних методів на типових шаблонах робочих навантажень на основі історичних даних різної довжини. Також досліджено стійкість даних методів до наявності аномалій в історичних даних. На основі проведених експериментів обрано множину методів для прогнозування робочих
навантажень в проактивному масштабуванні.
Запропоновано метод комбінованого прогнозування з поєднанням компонентів довгострокового та короткострокового передбачення.
Навантаження застосунків може включати аномалії, що призводить до некоректного розподілу обчислювальних ресурсів при проактивному управлінні. Метод комбінованого прогнозування дозволяє підвищити стійкість рішень для проактивного масштабування при наявності аномалій з визначеним шаблоном без постійної періодичності. Довгострокове
прогнозування використовується для передбачення комплексних сезонностей і тенденцій. Короткострокове прогнозування відповідає за ідентифікацію аномалій в поточному навантаженні та визначення їх масштабу шляхом зіставлення поточного і минулих шаблонів. Комбінування прогнозів двох методів відбувається за допомогою вагових коефіцієнтів, які визначаютьсяшляхом вирішення задачі максимізації на даних для тестування. Проведено експериментальне дослідження запропонованого методу. Результати
демонструють підвищення загальної точності з 91% до 95% на тестових даних за умови наявності аномальних шаблонів в історичних даних. Використання запропонованого комбінованого методу прогнозування в рішеннях для проактивного масштабування може підвищити ефективність управління
обчислювальними ресурсами.
Запропоновано метод проактивного масштабування обчислювальних ресурсів. Проактивні методи масштабування дозволяють надавати консистентний рівень якості послуг при ефективному використанні обчислювальних ресурсів. Описано модель проактивного управління.
Запропоновано архітектуру модуля проактивного масштабування, яка включає модулі даних, прогнозування, застосування та прийняття рішень.
Описано використання методу в умовах відсутності даних або низької точності отриманих прогнозів. На основі проведеного аналізу методів прогнозування обрано рішення для подальшого використання та розробки програмного модуля. Реалізовано програмний модуль для горизонтального проактивного масштабування в Kubernetes з використанням вбудованих інструментів. Проведено експериментальне дослідження розробленого програмного модуля на кластері Kubernetes для порівняння зі статичним та
реактивним підходами масштабування. У порівнянні з надлишковим статичним підходом отримано аналогічний рівень якості послуг при використанні на 46% меншого об’єму ресурсів. У порівнянні з реактивним підходом середній час відповіді застосунку зменшився з 160 мс до 23 мс.
Запропоновано гібридний метод масштабування, що включає реактивний і проактивний компоненти. Комбінація даних методів дозволяє
використовувати проактивне управління при наявності точних прогнозів. При виникненні аномалій навантаження і неможливості точно оцінити їх масштаб,
управління передається реактивному компоненту. Запропоновано індикатор переходу між проактивним і реактивним управлінням на основі порівняння відповідності отриманих прогнозів до поточного навантаження на застосунок.
Рівень точності прогнозів визначається протягом заданої кількості ітерацій.
Для забезпечення оперативної передачі управління забезпечується робота обох компонентів незалежно від поточного стану. Реалізовано програмний модуль з використанням розробленого проактивного методу і вбудованого рішення для реактивного масштабування в Kubernetes. Проведено експериментальне дослідження розробленого програмного модуля.
Результати демонструють здатність запропонованого методу ідентифікувати аномалії та передавати управління між компонентами за визначеними правилами.
Запропоновано гібридний метод масштабування, що дозволяє координувати роботу горизонтального і вертикального компонентів масштабування. Метод дозволяє підвищити ефективність використання обчислювальних ресурсів кластера при використанні горизонтального масштабування. Вертикальний компонент адаптує об’єм обчислювальних
ресурсів до поточних потреб в межах одного екземпляру для типів обчислювальних ресурсів, які не є основними при горизонтальному масштабуванні. Запропоновано модуль координації для узгодження конфігурації вертикального і горизонтального компонентів. Розроблено програмний модуль для роботи в Kubernetes, який використовує
запропонований метод. Результати проведених експериментів демонструють зменшення збиткового резервування обчислювальних ресурсів на 65% у порівнянні зі статичним підходом на синтетичних даних.
Створено інформаційну технологію управління обчислювальними ресурсами в кластері. Запропоновано здійснювати декомпозицію інформаційних систем на окремі модулі. Визначено функціонал кожного модуля і комунікацію між модулями та кластером. На основі запропонованої архітектури описано реалізацію інформаційної технології в кластерах
Kubernetes. Запропоновано здійснювати інтеграцію вбудованих інструментів для моніторингу стану, аналізу даних і розгортання елементів управління.
Описано процеси управління обчислювальними ресурсами. Реалізована інформаційна система використовує інтеграцію розроблених методів для
проактивного та гібридного масштабування.
Розроблені методи та інформаційна технологія може бути використана для управління ресурсами в реальних інформаційних системах з використанням платформи Kubernetes або подібних платформ оркестрації контейнеризованих застосунків для автоматизації процесів управління обчислювальними ресурсами.
Опис
Ключові слова
інформаційні системи, інформаційні технології, віртуалізація, контейнеризація, Kubernetes, Docker, хмарні обчислення, управління ресурсами, мікросервісна архітектура, веб-застосунки, розподілені системи, математична модель, прогнозування, машинне навчання, програмне забезпечення, information systems, information technology, virtualization, containerization, cloud computing, resource management, microservice architecture, web applications, distributed systems, mathematical model, forecasting, machine learning, software
Бібліографічний опис
Омельченко, В. В. Інформаційна технологія управління обчислювальними ресурсами в Kubernetes кластері : дис. … д-ра філософії : 126 Інформаційні системи та технології / Омельченко Віталій Вікторович. – Київ, 2025. – 154 с.