Петрашенко Андрій ВасильовичКотлярський, Алекс Олександрович2024-08-192024-08-192024Котлярський, А. О. Спосіб підвищення ефективності використання хмарних ресурсів : магістерська дис. : 123 Комп'ютерна інженерія / Котлярський Алекс Олександрович. – Київ, 2024. – 96 с.https://ela.kpi.ua/handle/123456789/68302Актуальність теми. У сучасному світі стрімкий розвиток інформаційних технологій обумовлює необхідність використання хмарних обчислень, які забезпечують надійний і гнучкий доступ до ресурсів. Хмарні технології дозволяють компаніям знижувати витрати на інфраструктуру, підвищувати масштабованість та забезпечувати високий рівень безпеки даних. Проте, зростання популярності хмарних сервісів ставить перед користувачами та адміністраторами нові виклики, пов'язані з оптимізацією їх використання. Об'єктом дослідження є хмарні ресурси та процес їх використання. Предметом дослідження є спосіб підвищення ефективності використання хмарних ресурсів, зокрема розробка та впровадження системи оптимізації використання хмарних ресурсів на основі методів машинного навчання. Мета роботи є розробка способу підвищення ефективності використання хмарних ресурсів шляхом застосування методів машинного навчання. Наукова новизна магістерської роботи містить наступні аспекти: - запропоновано використання алгоритмів машинного навчання, що забезпечує точне прогнозування використання хмарних ресурсів; - реалізовано інтеграцію прогнозованих даних з автоматичним масштабуванням ресурсів та одночасне врахування кількох типів ресурсів, що дозволяє оптимізувати загальну продуктивність та надійність хмарної інфраструктури. Практична цінність роботи це зниження енергоспоживання за рахунок оптимального використання хмарних ресурсів, адаптація системи до різних умов експлуатації та масштабування залежно від розміру та складності обчислювальних задач. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на XVI науково-практичній конференції магістрантів та аспірантів "Прикладна математика та комп'ютинг" ПМК-2023 (Київ, 28-30 листопада 2023р.), за результатами роботи опубліковано статтю у фаховому журналі категорії Б Луцького національного технічного університету «Computer-Integrated Technologies: Education, Science, Production: Scientific Journal» (54) , 28 березня 2024 року. Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У першому розділі розглянуто актуальні проблеми та задачі автоматизації бізнес-процесів, проаналізовано основні інструменти та методології, включаючи Lean, Six Sigma, Agile та DevOps. Визначено ключові проблеми, такі як недостатня ефективність, складність процесів, інтеграція систем та питання безпеки. Другий розділ присвячений методам підвищення ефективності використання CPU. Розглянуто підходи до оптимізації, такі як паралельні обчислення, оптимізація алгоритмів та планування задач. Проведено аналіз алгоритмів планування задач, включаючи попереднє віднімання, циклічне планування та планування за пріоритетами. Також визначено засоби оцінки ефективності CPU та швидкодії системи. У третьому розділі описано проектування та архітектуру системи оптимізації використання хмарних ресурсів. Визначено вимоги до програмного забезпечення, обґрунтовано вибір технологій розробки та описано архітектуру системи, що включає компоненти для збору даних, обробки, аналізу, прогнозування навантажень та автоматичного масштабування ресурсів. Четвертий розділ присвячено тестуванню та оптимізації платформи UniSolve. Розглянуто методики тестування, проведено оцінку продуктивності та надійності системи, що підтвердило ефективність розробленого програмного забезпечення. Результати дослідження демонструють можливості підвищення ефективності використання хмарних ресурсів за допомогою методів машинного навчання, що забезпечує оптимальне розподілення обчислювальних потужностей та підвищення конкурентоспроможності підприємств у сучасному інформаційному середовищі. Робота представлена на 84 аркушах, містить 18 рисунків, 7 таблиць, 1 додаток та містить посилання на список з 18 використаних літературних джерел.96 с.ukавтоматизація бізнес-процесівхмарні обчисленнямашинне навчанняоптимізація використання CPUмоделюванняпрогнозування навантаженьмасштабування ресурсівефективність обчислювальних системсистеми управління бізнес-процесами (BPM)інструменти автоматизаціїаналітика данихштучний інтелект (AI)business process automationcloud computingmachine learningCPU usage optimizationmodelingload forecastingresource scalingcomputing system efficiencybusiness process management (BPM) systemsautomation toolsdata analyticsartificial intelligence (AI)Master Thesis004.8