ДИНАМИЧЕСКИЙ МЕТОД БАЛАНСИРОВКИ НАГРУЗКИ ЦЕНТРОВ ОБРАБОТКИ ДАННЫХ С УЧЕТОМ ФРАКТАЛЬНЫХ СВОЙСТВ СЕТЕВОГО ТРАФИКА

Предлагается подход к разработке и исследованию системы балансировки нагрузки центров обработки данных (ЦОД) с учетом фрактальных свойств сетевого трафика. Фрактальные свойства сетевого трафика позволяют с достаточно большой вероятностью прогнозировать появление на отдельных временных интервалах всплесков и спадов его активности, появление временных периодов с возможной перегрузкой по производительности серверов и сетевого оборудования, что делает возможным разработку методов эффективного планирования и распределения задач внутри ЦОД, обеспечения статистически равномерной загрузки его функциональных элементов, исключения возникновения перегрузок. В основе динамического метода лежат результаты статистического анализа входящего трафика, его плотность распределения, автокорреляционная функция, спектральная плотность, уровень фрактальности. Практическая значимость предложенных результатов исследования заключается в обосновании и разработке метода динамического распределения и балансировки нагрузки в облачных вычислениях с учетом фрактальных свойств сетевого трафика. Представленные в работе методы и модели могут быть применены в существующих центрах обработки данных для повышения их производительности и улучшения качества реализации информационных услуг.

сетевой трафик, центры обработки данных, балансировка нагрузки, фракталы, временные ряды, функция автокорреляции, параметр Херста, авторегрессионные модели

1. Mochalov V.P., Linets G.I., Bratchenko N.Y., Govorova S.V. (2020). "An analytical model of a corporate software-controlled network switch", Scalable Computing, 21 (2), pp. 337346.

2. Boev V. Kompjuternoe modelirovanie: Posobie dlja prakticheskih zanjatij, kursovogo i diplomnogo proektirovanija v AnyLogic7 [Computer modeling: A manual for practical classes, course and diploma projects in AnyLogic7] St. Petersburg, VAS Publ., 2014, 432p. (In Russian).

3. Taihoon K., Soksoo K. Analysis of Security Session Reusing in Distribution Server System.Computational Science and Its Applications - ICCSA 2006. Springer, 2006, 1045 p.

4. Khritankov A. Modeli i algoritmy raspredelenija nagruzki. Algoritmy na osnove setej SMO [Models and algorithms of load balancing. Algorithms on the basis of networks of queuing systems]. Informacionnye tehnologii i vychislitel'nye seti - Information technologies and computer networks. 2009, vol. 3. (In Russian).

5. Ivanisenko I., Kirichenko L., Radivilova T. Metody balansirovki s uchetom multifraktal'nyh svojstv nagruzki [Balancer multifractal methods considering load characteristics].International Journal "Information Contentand Processing". 2015, vol. 2, no. 4, pp. 345 -368. (In Russian).

6. Panchenko T.V. Genetic Algorithms [Text]: teaching aid /Yu.Yu. Tarasevich. Astrakhan: «Astrakhanskiy Universitet»,2007. - 87 p. (In Russian)

7. Holland J.H. Adaptation in Natural and Artificial Systems:An Introductory Analysis with Applications to Biology,Control, and Artificial Intelligence /j. H. Holland. The MITPress, Cambridge, 1992. - 211 p.

8. Michalewicz Z. Genetic algorithms + Data Structures=Evolution Programs/Z. Micha-lewicz. - New York: Springer-Verlag, 1996. - 387.

9. Tsoy Yu.R., Spitsyn V.G. Genetic Algorithm / SpitsynV.G., Tsoy Yu.R. Knowledge Representation in InformationSystems: a Tutorial. - Tomsk: TPU, 2006. - 146 p. (In Russian).

10. Mitchell M. An Introduction to Genetic Algorithms/M.Mitchell. - Cambridge: MIT Press, 1999. -158 p.

11. Periaux J., Sefrioui M. Evolutionary computationalmethods for complex design in aerodynamics // AIAA-98-0222. - Reno, 1998. - 15 p.

12. Periaux J, Chen HQ, Mantel B, Sefrioui M, Sui HT(200i) Combining game theory and genetic algorithms withapplication to DDM-nozzle optimization problems. Finite ElemAnal Des 37(5), pp. 417-429.

13. Zhirkov A Supercomputers: developing, trends, usage.Eurotech HPC solutions review [Superkomp'yutery: razvitie,tendentsii, primenenie. Obzor HPC-resheniy Eurotech] Presentautomatization solutions 2014, no. 2, p. 201.

14. Taihoon K., Soksoo K. Analysis of Security Session Reusing in Distribution Server System // Computational Science and Its Applications - ICCSA 2006. / Springer, 2006. - 1045 с.

15. Beloglazov A., Buyya R. Optimal online deterministic algorithms and adaptive heuristics for energy and performance efficient dynamic consolidation of virtual machines in cloud data centers, Concurrency and Computation: Pract.

16. Mochalov V.P., Bratchenko N.Y., Yakovlev S.V. (2018). "Analytical model of object request broker based on Corba standard", Journal of Physics: Conference Series, 1015 (2). doi: 10.1088/1742-6596/1015/2/022012.

17. Mochalov V.P., Bratchenko N.Y., Yakovlev S.V. (2018). "Analytical model of integration system for program components of distributed object applications", International Russian Automation Conference, RusAutoCon 2018, № 8501806. doi: 10.1109/ RUSAUTOCON.2018.8501806.

18. Mochalov V., Bratchenko N., Linets G., Yakovlev S. (2019). "Distributed management systems for infocommunication networks: A model based on tm forum frameworx", Compute rs 2019, 8(2). doi: 10.3390/computers8020045.

19. Mochalov V.P., Bratchenko N.Y., Yakovlev S.V. (2019). "Process-Oriented Management System for Infocommunication Networks and Services Based on TM Forum Frameworx", Proceedings - 2019 International Russian Automation Conference, RusAutoCon 2019, № 8867619. doi: 10.1i09/RUSAUTOCON.2019.8867619.

20. Vdovin P.M., Kostenko V.A. Algorithm for Resource Allocation in Data Centers with Independent Schedulers for Different Typesof Resources //j.Computer and Systems Sciences International. 2014. № 6.1.