Тарасенко-Клятченко, Оксана ВолодимирівнаРедько, Катерина Олегівна2026-06-302026-06-302026Редько, К. О. Розподілена система моніторингу мікросервісів з автоматичним виявленням аномалій : дипломний проєкт ... бакалавра : 123 Комп'ютерна інженерія / Редько Катерина Олегівна. – Київ, 2026. – 83 с.https://ela.kpi.ua/handle/123456789/82009Кваліфікаційна робота включає пояснювальну записку (с., 26 рис., 11 табл., 2 додатки). Об’єкт розробки – розподілена програмна система моніторингу мікросервісів з автоматичним виявленням аномалій у метриках продуктивності на основі методів машинного навчання. Розроблена система дозволяє: приймати метрики продуктивності (час відповіді, завантаження процесора, обсяг оперативної пам'яті, частота запитів) від клієнтських мікросервісів через REST API з аутентифікацією за API-ключем; виявляти аномальну поведінку у потоці метрик у режимі реального часу методом Z-score, а в архівних даних — алгоритмом ML.NET SrCnn; передавати нові метрики, виявлені аномалії та статуси сервісів клієнтам через WebSocket- з'єднання з ізоляцією даних за API-ключем; зберігати історію метрик та зафіксованих аномалій для ретроспективного аналізу. У процесі розробки використовувалися платформа .NET 10, бібліотека машинного навчання ML.NET, бібліотека реального часу ASP.NET Core SignalR. Як база даних застосовано PostgreSQL з провайдером Entity Framework Core. В ході розробки: проведено аналіз існуючих систем моніторингу мікросервісів (Prometheus, Grafana, Datadog) та визначено їх переваги і недоліки щодо виявлення аномалій; досліджено та порівняно методи виявлення аномалій у часових рядах: статистичний метод Z-score та алгоритм SrCnn на основі спектрального аналізу і згорткових нейронних мереж; розроблено архітектуру розподіленої системи моніторингу з чотирма рівнями: збір даних, обробка і зберігання, виявлення аномалій, відображення; реалізовано модель приймання метрик за принципом push: клієнтські сервіси самостійно надсилають пакети метрик через REST API з аутентифікацією за API-ключем, що дозволяє підключати сервіси будь- якої технологічної платформи; розроблено серверну частину системи на платформі ASP.NET Core 10 за принципами чистої архітектури з розділенням на чотири проєкти, асинхронною чергою приймання метрик на основі System.Threading.Channels та фоновими службами для оброблення метрик і контролю health-статусу сервісів; реалізовано real-time дашборд для візуалізації метрик та аномалій з використанням SignalR і Chart.js; проведено тестування системи та порівняльний аналіз точності методів виявлення аномалій на синтетичних тестових даних. Впровадження розробленої системи дозволить скоротити час виявлення інцидентів у мікросервісних системах та зменшити залежність від ручного налаштування порогових значень завдяки автоматичному аналізу на основі машинного навчання.83 с.ukмікросервісна архітектурамоніторингвиявлення аномалійчасові рядиz-scoresrcnnasp.net coresignalrml.netpostgresqmicroservice architecturemonitoringanomaly detectiontime seriespostgresql.Bachelor Thesis